dsh-mindseye

MindsEye 是专为 DeepSeek Harness 设计的多模态插件，旨在解决纯文本模型在处理视觉信息时的局限性。它通过无缝集成，让基于文本的大模型具备了图像理解、生成以及浏览器自动化的能力，同时保持了原有对话体验的流畅性。

在核心能力方面，MindsEye 提供了强大的视觉工具链。它不仅能精准识别和提取图片中的文字、布局或数据，还能通过 Grounding 功能定位元素像素坐标，支持单图或多图分析。此外，它支持图像的生成与编辑，并能通过 Chrome 或 Edge 浏览器会话执行自动化操作，如点击、输入和滚动。

对于需要跨模态交互的用户而言，MindsEye 提供了安全且高效的解决方案。当遇到验证码或权限确认时，系统会暂停并请求人工介入，随后自动检查页面状态。无论是进行数据分析、设计辅助还是网页自动化测试，该插件都能让开发者轻松驾驭视觉与操作任务。