dsh-umi-ocr-vision

在 DeepSeek Harness 中，如果你当前的主模型是纯文本模型（例如 deepseek-official），聊天里贴进去的截图、文档图片便石沉大海。dsh-umi-ocr-vision 正是为这个场景而生：它参考 dsh-vision 的桥接思路，在主模型不支持图片时，自动把聊天中的图片交给本地运行的 Umi-OCR 识别为文字，再将 OCR 结果作为非可信视觉上下文注入请求，最终由你原来的文本模型给出回答。整个过程完全离线，HTTP 模式默认只访问 127.0.0.1，图片不经过任何云端。

插件不会替换你在界面中选择的主模型，行为透明：多张附件按顺序分别 OCR 后合并放入同一次请求；OCR 结果被明确标记为非可信观察数据，图片中嵌入的提示词无法获得系统权限。除了自动桥接，开启 enableVisionTools 后还可以调用 vision_ocr、vision_glance、vision_detect_text、vision_ground_text、vision_crop、vision_long_screenshot_ocr、vision_dominant_colors、vision_pixel_diff 等工具，覆盖从单图识别到长截图分块、像素级对比的一整套离线图像文字工作流。

它最适合这样的用户：主力模型是纯文本 DeepSeek，日常需要处理截图、表格、验证码、UI 界面文字；在意隐私，希望图片始终留在本机；不想为一次 OCR 切换成重量级多模态模型。如果你需要理解图片中的空间关系或物体语义，则应转向 dsh-vision 等真正的视觉大模型插件。