🖥️

dsh-plugin-mm-vision

客户端更新于 2026.08.25

在终端中运行以下命令：

dsh plugin install Elohia/dsh-plugin-mm-vision

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在已安装并初始化 profile 的 DSH CLI 中执行 dsh plugin install Elohia/dsh-plugin-mm-vision 即可安装该插件，源码见 https://github.com/Elohia/dsh-plugin-mm-vision 。

插件介绍

纯文本大模型有一个天然盲区：它看不见图片。一张 K 线图、一份 UI 截图、一帧自然照片，到了 DeepSeek、GPT-4 base 或 Claude 面前都只是无法解析的比特流。dsh-plugin-mm-vision 作为 DeepSeek Harness 的客户端插件，让任何纯文本 LLM 获得看图能力——调用你指定的视觉模型，把图片翻译成紧凑的结构化空间文字，文本模型据此重建空间认知、推理位置关系。

核心能力围绕通感编码展开：所有关键元素附带精确的百分比坐标，覆盖图表转折点、标注、按钮、文字块；当 prompt 含像素或重建等关键词时，还能输出 40x30 色块网格供原图还原。模式自适应可自动识别图表与自然图并调整编码策略，也支持手动指定 brief、full、coords、pixel 等粒度。内置 TTL 缓存让重复分析秒回，模型、baseUrl、API key 全部可配置，零硬编码。

适合需要让文本模型理解图片内容的开发者与团队：量化分析师让 LLM 读盘面截图、前端工程师让模型解析 UI 布局、研究人员让模型描述实验图表——只要你的工作流涉及文本模型与视觉内容的交叉，这个插件都能无缝嵌入。