DeepSeek 终于能「看图」了！这个开源插件让纯文本模型秒变多模态

DeepSeek 终于能「看图」了！这个开源插件让纯文本模型长出视觉

DeepSeek 原生是纯文本模型，你给它一张报错截图、一张设计稿，它只能回你「抱歉，我无法处理图片」。这大概是很多人弃 DeepSeek 而选 Claude 或 GPT-4o 的最大理由之一。

但现在有个开源插件，直接把这个短板补上了。

ModLens（GitHub: https://github.com/liustack/modlens）是专门为 DeepSeek Harness 以及所有纯文本编程 Agent 开发的首个视觉插件，最近更新到 v3.18.3，GitHub 已经有 1.7k 颗星，热度涨得飞快。

它是怎么工作的？

核心逻辑很巧妙：ModLens 并不改变 DeepSeek 模型本体，而是作为外部视觉引擎插在模型外面。你把图片直接粘贴进对话框，ModLens 会调用视觉引擎（可以是 Gemini、OpenAI 兼容端点，或者复用人机已经登录的 Claude Code/Codex/OpenCode 的认证态）读取图片，然后把结果转成结构化的 JSON 证据——包含 OCR 文字、版面结构、语义实体和不确定项——一并塞进模型上下文。

也就是说，模型拿到的不是一段无法核验的「图片描述」，而是带着坐标和原文的证据链。

使用体验接近原生多模态

在 DeepSeek Harness 里，装好 ModLens 后，模型选择器会自动出现一个 “(modlens vision)” 变体，选中后直接把截图粘进去，缩略图保留在消息里，体验跟 Codex 几乎一样。

这对编程场景来说非常实用——

• 报错截图：直接把终端报错信息截图丢给模型，它能读出错误文本+上下文位置，而不是让你手动敲报错信息
• 设计稿 / UI 截图：让模型直接理解你要实现的界面，不用你用文字描述布局
• 流程图 / 架构图：截图即得结构化信息，省去手动提炼的步骤
• 网页截图：让模型边看边改，不用你来回描述元素位置

安装超简单

npx -y @deepseek-ai/dsh plugin --profile web add @liustack/modlens@3.18.3

注意官方锁了版本号 @3.18.3 而不是用 @latest，原因是 pnpm 11 会拦截发布不足 24 小时的新版，用 @latest 实际可能装到一天前的旧包。

适合谁用？

只要你在用 DeepSeek Harness 或任何基于纯文本编程 Agent（如 OpenCode、Codex 等）进行开发工作流，这个插件都值得一试。尤其是经常需要处理截图、报错信息、设计稿的同学，ModLens 基本解决了 DeepSeek 系列模型最大的能力短板之一。

GitHub 仓库：https://github.com/liustack/modlens

标签：Skill, AI, 开发工具, Claude, DeepSeek

GitHub: https://github.com/liustack/modlens