h-k-c/auto-vision
h-k-c★ 0JavaScript最后同步: 2026-08-15
DeepSeek Harness 图片插件：贴图不会让对话报错，模型自动判断是否需要看图（支持智谱/魔搭免费视觉模型，图片在聊天窗口正常显示）
README 摘要
auto-vision 贴图不会让对话报错，图片在 聊天窗口里正常显示 ； 模型 自动判断 是否需要看图，需要时自己调用视觉模型读取内容 —— 免费 ，支持智谱 / 魔搭社区的免费视觉模型，也支持你自己的任意 OpenAI 兼容平台。 = 18"/ 演示 录制于 DeepSeek Harness Web 界面：粘贴图片 → 对话正常继续 → 模型自动调用视觉模型读取图片内容。 安装 1. 把本目录拷到 DSH profile 的 node modules 下（如 /.dsh/profiles/web/node modules/auto-vision/ ）。 2. 在 profile 的 cordis.patch.yml 中插入： 3. 配置 Token（见下），重启 DSH 进程。 配置 Token 视觉平台 环境变量 免费模型 智谱 BigModel ZHIPU API KEY GLM-4V-Flash（免费） 魔搭 ModelScope MODELSCOPE API KEY Qwen3-VL（免费额度） 其他任意 OpenAI 兼容平台 VISION API KEY + VISION ENDPOINT + VISION MODEL 你平台的模型 也可以把 Token 写进 /.dsh/.credentials.yaml （同名键），效果一样。 切换视觉源 默认魔搭；想用智谱免费档，二选一： 自己的平台（例如本地 Ollama）直接指定端点： License MIT · Changelog
在 GitHub 查看完整 README →分类
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-only coding agent. Paste an image, get structured JSON evidence (OCR, layout, semantics). | 全网第一个 DeepSeek Harness 视觉插件，为 DeepSeek、GLM 等纯文本模型外挂视觉能力，粘贴图片即得结构化 JSON 证据（OCR、版面、语义）。
★ 2,047
Anionex/agent-vision-toolkit为纯文本模型"看图“设计更好的视觉工具箱和技能，支持多图理解，图片问答，前端UI还原、GUI 自动化等，并可选无缝接入多个主流agent，直接识别粘贴图片｜ A vision toolkit and skill designed for text-only llms — image Q&A, long-screenshot OCR, frontend UI restoration, and GUI automation, with optional seamless integration for Codex, Claude Code, Pi, Oh My Pi, and OpenCode
★ 920
Anionex/dsh-vision-toolkit让纯文本模型更好地做视觉任务的DeepSeek Harness插件：带意图的图片问答、长截图 OCR、UI 还原等｜DeepSeek Harness-native integration for agent-vision-toolkit: image Q&A, long-screenshot OCR, UI restoration, grounding, pixel diff, Artifacts, and Web UI.
★ 457