moon09300731/dsh-vision-tools

README excerpt

dsh-vision-tools DeepSeek Harness（DSH）视觉能力全家桶 —— 让 DeepSeek 纯文本模型"看得见"。 - vision understand 工具 ：调用 OpenAI 兼容视觉大模型 API 理解本地图片（描述画面、识别文字、回答问题），注册为全局工具，所有会话可用。 - 三入口识图 ： Cmd/Ctrl+V 粘贴截图、拖图到按钮、点按钮选文件 → 图片自动落盘到 $DSH HOME/pasted-images/ → 输入框填入 请识别这张图片： → 发送后模型自动调用识图工具。 默认使用 智谱 GLM-4V-Flash（免费） ，支持 4 家 provider 切换。 安装 重启 dsh web 后生效。 配置（vision understand 工具需要） 创建 /.dsh/vision.env （全局生效，推荐）： 可选覆盖： provider 默认模型 说明 zhipu glm-4v-flash 智谱，免费 dashscope qwen-vl-plus 阿里百炼 siliconflow Qwen/Qwen2.5-VL-7B-Instruct 硅基流动 openai gpt-4o-mini OpenAI 工作区回退：在项目目录放 .dsh-vision.env （同格式），仅该项目生效。配置每次调用实时读取，改完无需重启。 使用 1. 粘贴 ：直接 Cmd/Ctrl+V 粘贴剪贴板截图（捕获阶段拦截，优先于 GUI 自身附件处理） 2. 拖拽 ：拖图片到输入框左侧的「📷 识图」按钮 3. 选择 ：点「📷 识图」按钮选文件 发送后 agent 会自动调用 vision understand 识别图片。 安全边界 - 图片会 经外部视觉 API 出网 （base64 传输），敏感数据请改用本地 OCR（tesseract/paddleocr），或自建内网视觉服务用 VISION BASE URL 指向 - vision.env 含 API Key， 不要提交到 git （本仓库 .gitignore 已忽略） - 粘贴路由仅监听 DSH 本机端口，图片保存于 $DSH HOME/pasted-images/ 技术说明 ⚠️ 依赖约定 ： @deepseek-ai/dsh-tools 是 DSH 宿主运行时自带（bundle 机制提供），本插件 不声明为 dependencies 。若声明， dsh plugin add 触发 npm install 会在 profile 里装出第二份 dsh-tools，与宿主全局那份形成 模块双实例 ，导致工具执行层 scheduler.prepare 崩溃（ Cannot read properties of undefined (reading 'prepare') ）…

Category