dsh-xiaomi-ocr
在终端中运行以下命令:
dsh plugin install ASwang2205/dsh-xiaomi-ocr
将以下提示词粘贴到 DeepSeek Harness 对话框中:
在 DeepSeek Harness 中执行 `dsh plugin install ASwang2205/dsh-xiaomi-ocr`,或通过插件管理器安装来自 https://github.com/ASwang2205/dsh-xiaomi-ocr 的插件包,安装后重启 Harness。
插件介绍
在 DeepSeek Harness 里做 OCR,很多人默认走云端:上传图片、按次计费、网络不稳,还可能受平台审查。dsh-xiaomi-ocr 把 Xiaomi-OCR-0(0.8B 视觉语言模型)装进本机 GPU,整条识别链路留在机器上——没有上传,也没有“服务繁忙”的等待。
插件围绕文档与图像识别组织了一整套能力:版面解析输出 Markdown,表格 OTSL(可转 HTML),公式 LaTeX;自动模式会先判断是文档、截图、照片还是表格再选提示词。单图、批量、PDF 多页、局部裁剪、纯文本、表格/公式精修、KIE 结构化抽取和 VQA 问答都有对应工具,另有独立「本地 OCR」设置页管理服务、Python 与缓存。
代价是需要本机 GPU 和约 1.7 GB 模型权重的一次性准备,以及带 torch + transformers 的 Python 环境。适合在意数据不出域、希望可控成本与稳定 latency 的开发者与知识工作者;若只是偶尔识一两张图、没有显卡,云端 OCR 可能更合适。
使用场景
- 扫描件或截图转 Markdown,保留表格 OTSL 与公式 LaTeX
- 批量处理多图或 PDF 多页,在 agent 工作流里一次识别
- 用小票、发票等图片做 KIE,按 JSON Schema 抽出结构化字段
适合人员
- 需要在 Harness 里做 OCR、又不愿把图片上传到云端的用户
- 本机有 GPU、希望可控成本与稳定耗时的开发者
- 常处理论文、合同、票据且重视数据不出域的知识工作者