DeepSeek Harness 中文插件市场
/ DSH图像视觉识别插件
DSH图像视觉识别插件
dsh-vision-toolkit
dsh-vision-toolkit
为纯文本模型设计更强大的视觉工具箱——让 DeepSeek Harness 的文本模型拥有"眼睛"。
📖 介绍
dsh-vision-toolkit 是 DeepSeek Harness 生态中第一个综合视觉工具插件，由 Anionex 创建维护。它为纯文本模型提供图像问答、长截图 OCR、UI 还原、GUI 视觉任务等能力，一行安装即可使用。
GitHub 星标 854，MIT 开源协议，dshfind 评分 94（最高评级插件），已有 7 位贡献者参与。当前版本 v0.1.42。
✨ 亮点
- 粘贴图片直接问：在 DSH Web 中粘贴图片，文本模型自动切换到 Vision Toolkit 变体
- 一行安装：dsh plugin add 一行命令搞定
- 任务感知描述：不是通用描述，而是提取当前任务相关的证据
- 实战验证的方法论：内置 vision-skills Skill，告诉 agent 何时检查、用哪个工具、如何验证
- 10 个视觉工具：glance/ground/detect/crop/trace/pixel_diff/long_screenshot_ocr/extract_foreground/dominant_colors/html_screenshot
- 透明路由：默认透明切换，无需手动选择 Vision Toolkit 变体
- 国内镜像：Python 运行时优先从国内镜像下载
🎯 核心工具
| 工具 | 最佳问题 | 主要结果 |
|---|---|---|
| vision_glance | "这张图里有什么？" | 聚焦回答、描述、OCR 或多图比较 |
| vision_ground | "我需要的东西在哪里？" | 原始像素坐标和可选框选预览 |
| vision_detect | "有哪些按钮、图标或元素？" | 编号元素清单、坐标和可选预览 |
| vision_crop | "把这个区域提取为独立图片" | PNG 或 JPEG 裁剪 |
| vision_trace | "把这个形状变成可编辑矢量" | SVG |
| vision_pixel_diff | "实现和参考图哪里不同？" | 差异百分比、排名区域、热图和 JSON |
| vision_long_screenshot_ocr | "读取整个长截图" | Markdown、分块、清单和审计输出 |
| vision_extract_foreground | "把这个主体的背景去掉" | 透明 PNG |
| vision_dominant_colors | "这个区域的主要颜色是什么？" | 调色板或排名候选颜色 |
| vision_html_screenshot | "以精确视口渲染本地页面或截取全页" | PNG 和可选 CSS pageHeight |
📦 安装方式
# 安装到 web profile
dsh plugin --profile web add @anionex/dsh-vision-toolkit
# 安装到 headless profile
dsh plugin --profile headless add @anionex/dsh-vision-toolkit
# DSH Desktop
dsh plugin --profile desktop add @anionex/dsh-vision-toolkit
配置视觉模型：
- 打开 Settings → Vision Toolkit
- 配置 vision provider（支持 OpenAI 和 Anthropic 兼容端点）
- 存储 API key 为 DSH Credential
- 点击 Test vision model 确认可达
🎨 使用场景
| 场景 | 说明 |
|---|---|
| 长截图 OCR | 读取聊天记录、滚动页面，保留说话人/时间戳/引用 |
| UI 还原 | 从截图重建可编辑 HTML/CSS 页面 |
| 图标/Logo 还原 | 提取透明 PNG 或重建可编辑 SVG |
| 草图转代码 | 将手绘图转为 Mermaid、Graphviz 等结构化表示 |
| GUI 操作 | 从截图定位控件、执行操作、验证状态 |
| 像素对比 | 比较实现与参考图的差异 |
📊 技术栈
- 语言：TypeScript 84.9% + JavaScript 13.5% + HTML 1.6%
- 协议：MIT
- 贡献者：7 人
- 发布版本：37 个
- 上游项目：agent-vision-toolkit
📝 总结评价
dsh-vision-toolkit 是一个非常实用的 DSH 视觉插件，854 星标和 dshfind 94 分最高评级证明了它的质量。它解决了纯文本模型无法处理图像的根本问题，10 个视觉工具覆盖了从简单问答到复杂 UI 还原的完整场景。任务感知描述的设计很聪明——不是给通用描述，而是提取当前任务需要的证据。内置的 vision-skills Skill 提供了完整的方法论指导。对于需要视觉能力的 DSH 用户来说，这是必装的插件。
GitHub： https://github.com/Anionex/dsh-vision-toolkit
Stars： 854 ⭐
📊 元信息
| 类型 | DeepSeek Harness 中文插件市场 |
| Star | ⭐ 845 |
| 下载数量 | ⬇ 约92 按 Star 估算，本站还没记到真实取用 |
| 许可证 | — |
| 语言 | — |
