jmjmj009gt/vision-toolkit-for-dsh-v0.1-maybe-

README 摘要

vision-toolkit — 多供应商视觉识别 / OCR 工具箱 零依赖（仅 Node.js 内置模块）的图片识别与 OCR 工具： 命令行 + 本地图形界面 ，支持切换任意 OpenAI 兼容视觉大模型供应商（智谱 GLM、通义千问、OpenAI、OpenRouter、硅基流动、自定义端点）。 特性 - 🖼️ 图片问答 / OCR ：一张图 + 一个问题，返回模型识别结果 - 🔄 多供应商 ：6 个预设一键切换（智谱 / 通义 / OpenAI / OpenRouter / 硅基流动 / 自定义 OpenAI 兼容端点），随时换 Key、换模型 - 🖥️ 本地 GUI ： node vision-server.js 启动浏览器设置页（127.0.0.1:8650）——切换供应商、填 Key、测连接、直接识别 - ⏱️ 健壮重试 ：429/5xx/超时自动指数退避重试，尊重服务端 Retry-After - 🧩 DSH 集成 ：附带 DeepSeek Harness skill（ skills/vision-ocr.md ），让 agent 自动调用 环境要求 - Node.js 18+ （使用内置 fetch ，无需 npm install ） - Windows / macOS / Linux 均可（GUI 自动打开浏览器仅在 Windows 实测） 快速开始（CLI） Key / 端点 / 模型生效顺序（高→低）： 1. 环境变量 VISION API KEY / VISION BASE URL / VISION MODEL （兼容 ZHIPU API KEY ） 2. vision-config.json （GUI 或 --set 生成） 3. 同目录 .env （ ZHIPU API KEY=... ） 4. 智谱默认端点与模型（ glm-4.6v-flash ） GUI 设置页 页面功能：供应商下拉切换（自动带出端点与模型，可手改）→ 填 API Key（留空保持已保存）→ 保存配置 → 测试连接 （用 examples/sample.png 实测）→ 快速识别 （填图片路径 + 问题直接出结果）。 常见问题：页面能打开但按钮报「Failed to fetch」= 服务没在运行，重新运行 vision-server.bat 并保持窗口开启。 遇到问题？先让 AI 自己排查 本项目自带两个 DeepSeek Harness skill—— 先问自己的 agent，别急着找作者 ： 1. 把 skills/vision-ocr.md （使用）和 skills/vision-debug.md （排障）复制到 DSH 工作区的 .dsh/skills/ 2. 报错时对你的 agent 说： 「加载 vision-debug skill，按流…

分类