wangziyi863/VLM-of-deepseek-harness

README 摘要

Media Caption · 本地图片理解工具 / Local Image Understanding Tool 一个 完全本地运行 的图片信息提取工具：用视觉模型（BLIP）生成图片语义描述，用 Windows 自带 OCR 识别图中文字，并提取主色调、亮度、EXIF 等图像特征，把结果注入大模型上下文，让 纯文本大模型也能"看懂"图片 。 A fully local, offline image understanding tool: it uses a vision model (BLIP) to generate semantic captions, Windows built-in OCR to extract text, and pulls out color / brightness / EXIF features — then injects everything into an LLM context so a text-only LLM can "see" images . 本项目可作为 DeepSeek Harness 插件 使用（工具： read image ocr / read image caption / read file ），也可脱离插件独立用命令行调用。 It works both as a DeepSeek Harness plugin (tools: read image ocr / read image caption / read file ) and as a standalone CLI tool. ✨ 功能 / Features 能力 Capability 说明 Description 依赖 Dependencies 🖼️ 画面语义描述 Caption BLIP 生成图片内容描述（物体/场景/颜色/构图）；GPU/CPU 自动选择。BLIP describes the image (objects/scene/colors/composition); auto CUDA/CPU. PyTorch + transformers 🔤 文字识别 OCR Windows 自带 OCR 引擎（WinRT），识别图中文字，支持中英文。Windows built-in OCR (WinRT), EN/CN support. Windows 10/11 🎨 图像特征 Features 尺寸、格式、主色调占比、平均亮度、EXIF（时间/相机/ISO/曝光）。Size, format, dominant colors, brightness, EXIF metadata. .NET System.Drawing 📄 文件读取 File 文本文件内容提取，供 LLM 基于内容处理。Extract text file co…

分类