modlens

ModLens 解决的是一个很具体、也很恼人的问题：DeepSeek 和 GLM 的旗舰聊天模型都是纯文本的，它们看不到图片。过去你想让模型分析一张截图，得先把图存成文件，再把路径塞进对话里，步骤繁琐且体验割裂。ModLens 让这一切消失——你直接把图片粘贴到聊天窗口，它就自动读取、转写、理解，模型基于真实像素内容回答，而不是靠猜。整个体验就像给纯文本模型装上了一双眼睛，而且是即插即用的。

它的核心能力远超“看图说话”。ModLens 会输出完整的转录文本、阅读顺序布局、实体与关系列表，让模型能引用图中具体细节，而不是泛泛而谈。它支持一次粘贴多张图片，也能处理密集图表——比如包含 128 个模型对比的散点图，它能读出坐标轴、对数刻度、颜色编码和高亮区域。更贴心的是，它内置了六种视觉引擎和四个可复用的本地 CLI 登录，形成一条自动故障转移链：免费 Gemini 密钥最快，Claude Code、Codex、OpenCode、Pi 的现有登录也能按你的授权加入后备，任何一次读取都会标注消耗了谁的配额。安装极轻，在 DeepSeek Harness 上就是一个插件，卸载只需删掉一个文件夹。

适合谁用？如果你是 Claude Code、Codex、OpenCode、Pi 或 DeepSeek Harness 的用户，手头是纯文本模型，又经常需要分析截图、图表、UI 设计稿或长图文档，ModLens 就是为你准备的。它尤其适合那些不想折腾配置的人——零配置启动，能自动复用你机器上已有的登录和密钥；也适合追求隐私与透明度的人——所有图片内容被视为不可信输入，权限和抓取策略都写明了。一句话：如果你希望模型真的“看见”你粘贴的东西，而不是假装看见，ModLens 是目前最省心的方案。