dsh最强视觉插件

ModLens

一句话介绍： DeepSeek Harness 最强视觉插件，给纯文本模型装上眼睛——粘贴图片即得结构化 JSON 证据（OCR、版面、语义）。

📖 介绍

ModLens 是 DeepSeek Harness 生态中功能最强大的视觉插件，由 liustack 开发维护。它的核心能力是：让 DeepSeek V4 Pro/Flash、GLM-5.3 等纯文本模型能够"看懂"图片。

使用方式极其简单：直接在聊天中粘贴图片，ModLens 会自动将图片发送到视觉引擎，返回结构化的 JSON 证据（包含完整转录、阅读顺序版面区域、实体和关系列表）。支持 6 个内置视觉引擎 + 4 个可复用的本地 CLI，形成完整的故障转移链。GitHub 星标 3.9k，MIT 开源协议。

✨ 亮点

1. 粘贴即用：直接粘贴图片，无需先保存文件再传路径
2. 6 个视觉引擎：Gemini、OpenAI、Anthropic、Antigravity CLI、Claude CLI、Kimi CLI
3. 4 个可复用 CLI：Codex、OpenCode、Pi、Grok 的登录可复用
4. 自动故障转移：多个引擎形成链条，第一个成功结果即返回
5. 结构化输出：完整转录、版面区域、实体关系列表
6. 零配置启动：复用现有登录，无需额外设置
7. 最轻量级：无 hooks、无包装器、无本地代理守护进程

🎯 核心功能

🌍 应用场景

• 截图分析：粘贴截图让模型理解内容
• 文档阅读：粘贴文档图片提取文字
• 图表解读：让模型分析数据图表
• UI 审查：粘贴界面截图进行设计评审
• 多图对比：一次粘贴多张图片进行对比分析

👥 实用人群

• DSH 用户：使用 DeepSeek 等纯文本模型的开发者
• AI 编程用户：需要视觉能力的编程场景
• 内容创作者：需要分析图片内容
• 研究人员：需要视觉理解的学术工作

🔧 使用方法

一键安装：

npx -y @deepseek-ai/dsh plugin --profile web add @liustack/modlens@3.25.4

配置视觉引擎：

# 使用 Gemini（推荐，免费）
modlens config set provider gemini-api
modlens config set gemini-api.apiKey <your-key>

# 使用 OpenAI 兼容端点
modlens config set openai.baseUrl https://dashscope.aliyuncs.com/compatible-mode/v1
modlens config set openai.apiKey <your-key>
modlens config set openai.model qwen3-vl-plus

使用方式：

1. 粘贴图片到聊天
2. 直接提问
3. ModLens 自动触发并返回结果

📝 总结评价

这是一个非常优秀的视觉插件。它解决了纯文本模型无法处理图片的核心痛点，而且做到了"粘贴即用"的极致体验。6 个视觉引擎 + 4 个可复用 CLI 的设计非常聪明，形成了完整的故障转移链。结构化 JSON 输出比单纯的图片描述更有用，可以被其他工具进一步处理。对于使用 DeepSeek 等纯文本模型的用户来说，这是必装的插件。

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