haifeiWu/dsh-ocr

README 摘要

dsh-ocr — dsh 看图插件 dsh-ocr lets DSH (DeepSeek Harness) "see images" — fully local text recognition and image understanding with no cloud vision routing, so any agent model (including text-only ones) can read images. It also embeds inline image previews in Web GUI tool-result cards. - ocr image — macOS Vision framework: millisecond-level OCR returning text lines + pixel coordinates (no Ollama needed) - view image — local VLM via Ollama (default qwen2.5vl:3b ): describe, transcribe, or Q&A on images with custom prompts - Client UI registers inline previews (thumbnail + lightbox) for read image / screenshot / view image / ocr image tool cards 以下为中文文档 / Chinese documentation below: 让 dsh（DeepSeek Harness）"看图"： 本地 文字识别与图像理解，不依赖云端视觉路由，任何 agent 模型（含纯文本）都能用；同时在 Web GUI 的工具卡片里 内嵌显示图片预览 。 功能 工具 引擎 说明 ocr image macOS Vision（系统内置） 毫秒级文字识别：返回每行文本 + 像素坐标（左上角原点），无需 Ollama view image Ollama 本地 VLM（默认 qwen2.5vl:3b ） 看图理解：默认中文详细描述，支持自定义 prompt（转写/问答） 客户端 UI：为 read image / screenshot / view image / ocr image 的工具结果卡片注册内嵌图片预览（缩略图 + 点击灯箱原图），补上官方"工具结果卡片无内嵌图像预览"的缺口。 安装 前置：macOS（Vision OCR 依赖）、Ollama（ brew install ollama ）+ 模型（ ollama pull qwen2.5vl:3b ）。 1. 构建： 2. 挂载到 profile（web 为例）： 在 $DSH HOME/profiles…

分类