dsh-omni-vision

纯文本模型没有眼睛，但 Agent 的工作流里经常要读一张截图里的文字、确认一张流程图的结构、或者描述一张图片的配色与布局。dsh-omni-vision 让 Agent 在完全本地、不依赖任何视觉模型的前提下获得看见的能力。

插件提供四个核心工具：eyes_render 在 Web GUI 中渲染画布（文字、线条、矩形、圆形）并支持 Mermaid 流程图，PNG 一式两份落盘；eyes_ocr 调用 Windows 自带离线 OCR 引擎，把图片中的文字读回给模型；eyes_analyze 将 PNG 解码为像素网格与主色直方图，让 Agent 以结构化数据看懂图形与配色；eyes_paste 让用户直接把剪贴板图片粘贴或拖入页面，浏览器捕获后存为本地 PNG 供读取。全程闭环走本机 HTTP 与磁盘，不产生多余网络请求。

适合在 Windows 上使用 DeepSeek 等纯文本模型、又希望 Agent 能本地处理图片和文字的开发者和团队。无需额外 GPU、无需视觉模型 API，安装即用，离线可工作。