🖥️

dsh-plugin-vision

客户端更新于 2026.08.14

在终端中运行以下命令：

dsh plugin install qizhen2021/dsh-plugin-vision

将以下提示词粘贴到 DeepSeek Harness 对话框中：

运行 dsh plugin install qizhen2021/dsh-plugin-vision 即可安装，源码地址 https://github.com/qizhen2021/dsh-plugin-vision

插件介绍

大多数纯文本大模型天生没有“眼睛”：当你把一张截图丢进对话，模型看到的要么是一串无意义的 base64，要么是路由层的 “不支持 image 输入” 拒绝。dsh-plugin-vision 注册的 see 工具解决了这个断裂——它把任意图片拆解为三条纯文本通道回传给模型，让 deepseek-v4-flash 这类不声明多模态的模型也能像人一样“读”图。

三条通道各司其职：OCR 通道调用 macOS Vision 框架离线提取文字，自动检测中英文混排并输出归一化坐标，逐字精确；ASCII 布局图通道用 PIL 将灰度图渲染为 88 列字符画，模型无需像素就能感知版面结构；语义描述通道则通过 OpenAI 兼容网关调用视觉语言模型（默认 mimo-v2.5），并将 OCR 结果作为 ground truth 注入提示词，确保报告中的数字、标签、货币符号与像素级一致。三条通道独立容错，任何一条失败不会拖垮整体结果。

如果你正在用纯文本模型做文档审阅、UI 走查、图表读数或截图问答，又不想为此切换到更贵的多模态端点，这个插件是最低摩擦的桥接层。零配置即可工作，所有输出都是干净的文本，模型可以直接引用、推理、对比。