hamliy-feng/duhai-vision

README 摘要

👁️ Duhai Vision 给 Codex 与 DSH 换一双免费、可替换且不影响视觉质量的眼睛。 测试结果 · 快速安装 · 路线选择 · 使用方式 · 卸载 · 安全 🧩 Duhai Vision 是通用视觉模型适配器：Codex 或 DSH 将人物、建筑、物体、场景、文档、UI 与图表等图片任务交给 PaddleOCR-VL 观察，再根据视觉证据完成回答、推理和验证。所有 auto 默认使用 PaddleOCR-VL；AI Studio 当前为每位用户、每个模型提供每天 3000 页免费解析额度。 - 🧩 “不要使用固定的图片识别入口” → 切换为可替换的视觉模型适配器 - 📤 “图片任务怎样交给视觉模型” → 按问题式 JSON 发送并等待结构化回调 - 🔁 “视觉结果返回后怎么办” → 交回 Codex 或 DSH 继续推理、验证和回答 - 📄 “帮我读文档、表格、古籍或报刊” → 默认优先 PaddleOCR-VL - 🖼️ “帮我看 UI、照片、商品或开放场景” → 仍先使用 PaddleOCR-VL，必要时再显式切换 Qwen - 🎁 “每天有多少免费额度” → 每位用户、每个模型当前 3000 页，以官方规则为准 测试结果 Test1 · 侨批 点击图片查看完整原图 Test1 代表样本 查看 Test1 全部 10 张测试图片 Test2 · 复杂报刊 点击图片查看完整原图 Test2 代表样本 查看 Test2 全部 20 张测试图片 · 代表图仅裁去正文下方的非正文提示行 两组测试素材均已获得组织授权公开。每组测试中的三条路线采用相同 Prompt 与 Schema，结果仅用于工程路线比较，不宣称统计学结论。截图中的 0 · 免费额度 是实验窗口的计费展示，不代表 Paddle API 实际计算量或 Token usage 为 0；Codex Native 数值是图片输入增量代理，不是官方 image tokens 。 为什么需要 Duhai Vision Codex 与 DSH 在批量 OCR、长文档和可重复视觉任务里，需要明确路线选择、额度边界、Token 口径和失败处理。Duhai Vision 把这些决策固化成统一能力层： - 双端适配 ：Codex 使用全局 Skill 路由；DSH 使用模型可调用的 duhai vision 工具。 - 先说明再调用 ：每个任务先简要说明任务类型、推荐路线、限额与 Token 可观测性。 - Paddle 默认 ：适合古籍、侨批、表格、公式、印章、版面和长文档。 - Qwen 后备 ：仅在用户明确指定，或 PaddleOCR-VL 不可用且需要语义后备时启用。 - 可审计 ：保留提供方、模型、耗时、页数和可获得的 Token 数据，不把未知值写成 0。 - 有边界的回退…

分类