MIT ライセンスの dsh プラグイン。「視覚ツイン adapter」を通じてテキスト専用モデルにピクセルレベルの読図・OCR・ローカル編集を追加——DSH ネイティブサムネイル、4 つの OCR エンジン、任意の外部 VLM ブリッジ。
DSH 統合
ネイティブ実行
作者による申告
安全性監査
未監査
最終検証日
2026-09-03
ライセンス
MIT
01どんなタスクに使えるのか？
テキスト専用モデル（DeepSeek / text-only）に「画像を見る / 文書を読む」能力を追加する
構造化されたピクセルレベルの証拠（色相 / 構造 / 素材分析 + 実 OCR + 任意の VLM 意味記述）。モデルはプレーンテキストとして推論する
視覚エンコーダを持たず画像 / 文書理解が必要なテキスト専用モデルを DeepSeek Harness で動かすユーザー
テキスト専用モデルに DSH ネイティブのサムネイル体験をもたらす
「(視覚)」モデルバリアントを生成しネイティブサムネイルを描画。貼り付けた画像は画像ブロックとしてセッションに入り、テキストパス + ローカル証拠に自動解析される
テキスト専用モデルで画像ブロックを描画したいが UNSUPPORTED_CONTENT を避けたい DSH 利用者
ローカルで直接画像を編集 / 一括処理する
CPU 専用の画像編集（拡縮 / 回転 / フィルタ / 合成 / 透かし / 背景除去 / 遠近補正など）——画像は端末外に出ない
ローカルで画像を編集・一括処理したいがクラウドへアップロードしたくないユーザー
02DeepSeek Harness への導入方法
前提条件
- DeepSeek Harness（dsh）0.1.1-rc.2 または互換の 0.1.x ビルド——README は本リリースが dsh 0.1.1-rc.2 および dsheac 5.1.0 に特化していると記載
- 任意のローカル OCR エンジン：PaddleOCR または macOS ネイティブ Vision エンジン（paddle / rapid はクロスプラットフォームで常時利用可）
インストール手順
- 01
$ dsh プラグインとしてインストールし、有効にしたいモデルの「(視覚)」バリアントをオンにする——picturereader はバリアントを生成し、画像を貼り付けた際にネイティブサムネイルを表示する
- 02
（任意）`scripts/setup-macos.mjs` を実行して macOS ネイティブ Vision OCR エンジンをワンコマンドでコンパイルする
導入成功の確認
作者は未記載
03DSH 統合と能力の範囲
ネイティブな dsh プラグイン：「視覚ツイン adapter」で任意のテキスト専用モデルをその場で「画像対応」に包み込み、DSH ネイティブのサムネイルとピクセル / OCR 画像読み取りツールを得るとともに、任意で外部 VLM ブリッジにも接続する。
ピクセルレベル画像解析（image_scan / image_ocr）
貼り付けた画像または画像ブロック→構造化されたピクセル証拠：色相 / 構造 / 素材分析 + 実 OCR テキスト
視覚ツイン adapter（DSH ネイティブサムネイル）
テキスト専用モデルの選択→「(視覚)」モデルバリアント。ネイティブサムネイル描画と画像ブロック自動解析付き
ローカル画像編集（image_edit）
ローカル画像ファイル→CPU 専用の Pillow / OpenCV 処理による編集済み画像（拡縮 / 回転 / フィルタ / 合成 / 透かし / 背景除去 / 超解像）
画像は端末内で処理され、端末外に出ないローカルピクセルツールチェーン（scan / OCR×4 / crop / palette / compare / batch）
画像→切り抜き、パレット抽出、比較、および 4 エンジン横断の一括 OCR
文書→画像変換と任意の外部 VLM ブリッジ
pdf / word / excel / ppt 文書、または外部視覚エンドポイント→文書を画像にレンダリング。任意の OpenAI 互換外部 VLM による意味理解
任意の外部 VLM 呼び出しには設定済みエンドポイントとネットワークアクセスが必要
04誰に向いているのか？使うべきでない場面は？
向いている用途
- 視覚エンコーダを持たず画像 / 文書理解が必要なテキスト専用モデルを DeepSeek Harness で動かすユーザー
- テキスト専用モデルで画像ブロックを描画したいが UNSUPPORTED_CONTENT を避けたい DSH 利用者
- ローカルで画像を編集・一括処理したいがクラウドへアップロードしたくないユーザー
05互換性・メンテナンス・セキュリティ上の注意
- 外部視覚 API はプラグアンドプレイの拡張機能であり必須依存ではない——単純な内容はローカルのピクセルツールチェーンと OCR で処理される。
- OCR エンジン選択はプラットフォームごとに条件付き表示：macOS ネイティブ Vision は macOS のみ、Windows エンジンは Windows のみ、paddle / rapid はクロスプラットフォームで常時表示。
- ローカル画像解析と編集は完全に端末内で実行され、画像は端末外に出ない。
MIT · メンテナンス中（リリースタグなし；peerDependencies は dsh 0.1.1-rc.2 に対応）
06よくある質問
picturereader はテキスト専用モデルに何をもたらしますか？
「視覚ツイン adapter」で任意のテキスト専用モデル（DeepSeek 等）を「(視覚)」バリアントに包み込み、DSH ネイティブのサムネイルを獲得させます。貼り付けた画像は画像ブロックとしてセッションに入り、テキストパスとローカルのピクセル / OCR 証拠に自動解析されます。モデルが受け取るのは常にプレーンテキストなので、UNSUPPORTED_CONTENT は発生しません。
外部視覚 API は必要ですか？
いいえ。任意の OpenAI 互換外部 VLM ブリッジはプラグアンドプレイの拡張です。単純な内容はローカルのピクセルツールチェーンと OCR で処理され、モデルが「この画像は意味理解に値する」と判断したときだけ外部 API を呼び出します。
どの OCR エンジンが使えますか？
ローカルツールチェーンに 4 エンジンを搭載。エンジン選択はプラットフォームごとに条件付き表示されます。macOS ネイティブ Vision は macOS のみ、Windows エンジンは Windows のみ、PaddleOCR と RapidOCR はクロスプラットフォームで常時利用可。macOS Vision エンジンのコンパイルは scripts/setup-macos.mjs で行います。
データは外部に送信されますか？
ローカル画像解析と編集は完全に端末内で実行され、画像は端末外に出ません。エンドポイントを設定した任意の外部 VLM ブリッジだけが外部呼び出しを行い、それ以外はすべてローカルに留まります。
07関連する DSH ワークフロー
modlens
by liustack
DeepSeek Harness 用のビジョンプラグイン。DeepSeek や GLM などのテキスト専用モデルに画像認識を外付けし、画像を貼るだけで OCR・レイアウト・意味情報を構造化 JSON として取得
agent-vision-toolkit
by anionex
テキスト専用モデルに「見る目」を与えるビジョンツールボックスとスキル。複数画像の理解、画像 QA、長いスクリーンショットの OCR、フロントエンド UI 復元、GUI 自動化に対応
dsh-vision-router
by ysr666
テキスト専用 DeepSeek Harness エージェントに目を与えるプラグイン。キー不要の無料ビジョンチェーン内蔵に加え、QA、グラウンディング、切り抜き、OCR などのツールをワンコマンドで導入可能
dsh-vision-toolkit
by anionex
テキスト専用 DSH エージェントに 10 個の構造化ビジョンツールを提供。意図を意識した画像 QA、長いスクリーンショットの OCR、ピクセルレベルのグラウンディング、UI 復元、ピクセル差分など
08データと出典
通过「视觉孪生 adapter」让纯文本模型在 DSH 里获得原生缩略图体验
DSH 原生缩略图也需要模型被声明为「支持图片」才会渲染。
このページは、プロジェクトの公開ドキュメント、リポジトリのメタデータ、および DSH Plugins の構造化解析に基づいて生成されています。最終検証日：2026-09-03。誤りを見つけた場合は、修正を送信してください。
dsh プラグイン おすすめ
最初に入れたい 12 のプラグイン。全カタログ・全カテゴリから厳選しました。