dsh-tool-vision

许多强大的语言模型（如 DeepSeek 和 GLM）本质上是纯文本的，无法直接理解图像内容。这不仅限制了它们在视觉任务中的应用，也带来了隐私和成本的顾虑。如果你需要在本地运行视觉语言模型，但又受限于只能使用文本模型，那么这个插件正是为你量身定制的解决方案。

dsh-tool-vision 能够让你的纯文本模型瞬间获得"视觉"能力。它通过连接你本地运行的视觉语言模型（如 LM Studio 或 Ollama），实现了零 API 成本和完全的本地化推理。最令人称道的是，它不仅仅返回模糊的描述，而是强制要求输出结构化的 JSON 证据，包括摘要、OCR 文本、版面布局和语义关系。这种设计不仅提高了信息提取的准确性，还内置了反幻觉机制，通过显式的不确定项列表来避免模型凭空捏造。

无论你是注重隐私的数据分析师，还是需要在本地工作站上处理敏感文档的研究人员，这个插件都能大显身手。它特别适合那些需要从截图、文档图片或图表中提取精确结构化数据的场景。通过简单的配置，你就可以让模型像专家一样阅读并分析图片，而无需将任何数据上传到云端。