gloryxpnv/dsh-tool-vision

README excerpt

dsh-tool-vision 为纯文本的 DeepSeek Harness agent 提供本地优先的视觉能力。 npm 包： dsh-vision-local · 源码仓库： gloryxpnv/dsh-tool-vision · English README 让纯文本模型（DeepSeek、GLM 等不支持图片输入的模型）拥有"视觉"——使用 本地 视觉模型， 零 API 成本 ， 图片数据完全不出本机 。 亮点 - 🏠 完全本地、完全私密。 图片只发送给你自己的本地视觉模型（LM Studio、Ollama、vLLM 或任意 OpenAI 兼容端点）。无需云端 key、无单图成本、图片字节永不离开你的机器。 - 📋 结构化证据，而非模糊转述。 VLM 被要求填写固定 JSON 模板—— summary （摘要）、 ocr （逐字全文+行）、 layout （版面区域，含阅读顺序）、 semantics （实体与关系）、 visual （配色/风格），以及显式的 uncertainty （不确定项）列表。主模型引用具体证据作答，而不是凭空猜测。 - 🛡️ 反幻觉设计。 模板 强制 模型在 uncertainty 中声明无法确定的内容；无文字的图片 OCR 返回空字段而非编造文字。若 VLM 未能产出合法 JSON，插件回退为原始回答并明确标注——绝不静默捏造。 - 📎 粘贴 / 上传图片即可用。 可选的 vision-bridge 服务让纯文本路由直接接收粘贴或上传的图片：宿主在 prompt 到达模型前，将图片交给本地 VLM 描述。不再被 read image 门禁拒绝，也无需先保存文件。开启 keepThumbnail 后，消息历史 保留原图缩略图 ，描述文字紧随其后。 - ⚙️ 零配置起步，全部可调。 默认指向 http://127.0.0.1:1234/v1 （LM Studio 默认端口）；端点、模型 id、token 预算、超时、图片大小上限、结构化开关——每个旋钮都是文档化的配置字段。 - 🚀 为本地 GPU 调优。 默认参数（8192 输出 token、50 MB 图片上限、180 秒超时）面向本地工作站 GPU 上的 9B 级 VLM，而非轻量云请求。 - 🔌 一个插件，两个表面。 面向模型的 vision 工具（图片路径或图片问题出现时即可调用）+ 可选的 vision-bridge 服务（供希望纯文本路由自动接收图片的宿主使用）。 安装 然后可将插件行加入你的 profile patch（ cordis.patch.yml ），或直接依赖 bundle 自带的配置层——bundle 附带一份开箱即用的 cordis.patch.yml （合理默认值）。 安装后重启宿主（ pnpm dsh web 或你的启动命令）以加…

Category