duhai-vision

模型推理更新于 2026.08.22

在终端中运行以下命令：

dsh plugin install hamliy-feng/duhai-vision

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中执行 dsh plugin install hamliy-feng/duhai-vision 即可安装来自 https://github.com/hamliy-feng/duhai-vision 的 Duhai Vision 视觉适配器插件。

插件介绍

Codex 与 DSH 处理图片任务时，视觉入口往往是固定的：额度边界不清晰、Token 口径不透明、失败后缺少可追溯的回退机制。Duhai Vision 把图片识别从内置通道拆成一个可替换的视觉适配层，让批量 OCR、长文档、UI 截图、古籍报刊等场景都有明确的路由规则、调用预算和降级策略。

所有视觉任务默认走 PaddleOCR-VL 1.6，覆盖人物、建筑、物体、场景、UI、图表、文档与复杂版面，返回结构化 JSON（正文、表格、公式、印章、不确定项）交回 Agent 继续推理与验证。Qwen3-VL-Plus 仅在用户显式指定或 Paddle 不可用时作为语义后备；外部路线全部失效才回退 Codex Native，且必须说明回退原因。每个任务最多两次外部调用，全链路记录提供方、模型、页数、耗时与不确定项，避免把未知值写成 0。同一仓库同时服务 Codex Skill 与 DSH Plugin，两端复用相同的路由规则、执行器与返回结构，无需分别维护。

适合的对象：经常需要 AI 阅读文档、表格、扫描件、UI 截图或处理批量图片的开发者；在意免费额度（AI Studio 当前每用户每模型每日 3000 页）与成本可控的团队；以及需要可审计、可替换视觉管线的工程用户。Duhai Vision 不替代 Agent 的推理与工具编排能力，而是把视觉提取这一层做成独立、可观测、可降级的基础设施。