joyiok/dsh-vision
joyiok★ 0JavaScript最后同步: 2026-08-15
DSH plugin: image_analyze tool that sends screenshots/photos to an OpenAI-compatible vision model
README 摘要
dsh-vision DeepSeek Harness 识图插件。安装后，Agent 获得 image analyze 工具： 把本地图片 / URL / data URL 发给 OpenAI 兼容的视觉模型，返回文字分析， 让当前不支持图片输入的主模型也能“看图”。 默认接口： https://openrouter.ai/api/v1/chat/completions ，模型 google/gemini-3.7-flash （支持 png / jpeg / gif / webp）。 安装 安装后重启 dsh web。 密钥 也可以放在 $DSH HOME/.credentials.yaml 或 .env ，插件通过 dsh credentials 服务分层解析。 使用 工具参数： 参数 说明 images 必填，本地路径 / http(s) URL / data URL 数组，最多 4 张 question 可选，分析问题；默认详细描述 + UI 问题检查 model 可选，覆盖默认视觉模型 maxTokens 可选，默认 2000 配置 可在 profile 的 cordis.patch.yml 覆盖（覆盖整行 config）： 禁用插件： 说明 - 图片本地读取后在内存中转 base64，不落盘。 - 429 / 5xx 自动重试 2 次；超时使用 AbortSignal ，可被上层取消。
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）。
★ 1,700
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
★ 884
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.
★ 405