sparkmio/dsh-sfversion

README excerpt

dsh-sfversion SF视觉桥 为纯文本模型接入按需多模态能力：图片或文档先经过结构化解析，再把结果注入 DeepSeek Harness。普通图片不会默认生成 HTML，系统会根据用户问题自动选择描述/OCR、空间定位或 UI 还原；文档会把原文文字和内嵌图片分层处理，并保留页码、段落、幻灯片、Sheet、单元格和坐标锚点。 一键安装 把下面这段话发给你的Harness： 请直接帮我把这个插件安装到当前的 DeepSeek Harness 环境中： https://github.com/sparkmio/dsh-sfversion 请自行检查 Harness 的版本和目录结构，阅读插件说明，完成依赖安装、配置注册及必要的代码调整。不要只给出操作建议，请实际执行安装流程。完成后运行测试验证插件是否可用，并简要说明你做了哪些修改、如何使用，以及是否存在需要我手动处理的问题。 特性 - 图片与文档上传 ：输入框左侧 ↑ 支持 png/jpeg/webp/gif 图片和 doc/docx/ppt/pptx/xls/xlsx/xmind/pdf/md/markdown 文档；图片走原生附件，文档走输入引用和宿主 RPC 解析； - 原生图片体验 ：输入框左侧 ↑ 按钮把图片作为原生草稿附件加入输入框，与文字一起发送；直接粘贴/拖入图片也支持； - 按意图识别 ：普通问题使用描述/OCR；出现“哪里、位置、左上、附近、坐标”等空间问题时使用独立定位链路；明确要求网页、HTML、UI 复刻时才生成 HTML； - 空间定位 ： vision ground 返回目标 bbox 、中心点、0～1000 归一化坐标、九宫格区域、OCR 文字和相对关系，适合复杂图片中的“某元素大概在哪里”； - UI 还原 ： vision restore ui 输出内联 CSS、无外部资源的完整 HTML；要求从 开始并以 结束，不完整结果不会写入缓存； - 模型工具 ： vision glance （描述/OCR）、 vision ground （空间定位）、 vision restore ui （HTML 还原）、 document inspect （文档结构化解析）； - 可靠缓存 ：按图片内容、识别模式、模型、问题、接口地址和缓存版本隔离，避免更换模型/API 后复用旧结果； - 文档空间上下文 ：原文文字、图片 OCR、彩色图片描述分别放入明确区块；PPTX 使用形状坐标，XLSX 使用单元格/图片范围，PDF 使用页码和文字坐标，DOCX/Markdown 在无法得到真实像素坐标时明确标注精度，不伪造位置； - 文档图片分流 ：文字型图片优先 OCR；彩色/混合图片输出详细描述并保留 OCR；图片 OCR 明确标注为图片内容，不会覆盖正文； - 稳健性 ：处理 429/5…

Category