dsh-guide-dog

DeepSeek Harness 作为一个强大的推理框架，却缺少原生的视觉输入能力，无法直接处理图像内容。Guide Dog 插件通过集成 MiniMax 的多模态服务，为 DeepSeek 装上了“眼睛”和“双手”，让模型能够描述图像、审查前端设计、生成图片和视频，并支持语音交互。核心能力包括基于 VLM 的图像描述与结构化检查、多类型内容生成（图像、视频、语音、音乐、文本）、Web 界面内联预览与播放，以及实时语音对话模式。它通过自动调用视觉检查工具，确保模型在需要时能正确处理视觉任务，即使模型本身不具备视觉能力。

这个插件特别适合那些使用 DeepSeek Harness 进行内容创作、前端开发或多模态任务的开发者。无论你需要审查截图、生成宣传材料，还是希望通过语音与助手交流，Guide Dog 都提供了无缝集成的解决方案。它还允许用户通过设置页面自定义语音模式、输入设备等偏好，而未来计划的无障碍模式将进一步扩展其可访问性。简而言之，Guide Dog 让 DeepSeek Harness 从一个纯文本推理工具，进化为能听、能说、能看、能创作的全能助手。