MIT ライセンスの Windows 専用 DSH ネイティブプラグイン。テキストのみの DeepSeek に「目と耳」を追加：画像認識 / OCR / 物体検出 / 動画理解 / 音声書き起こし / 文書可視化。`install.bat` ワンクリック導入、クラウド視覚モデル（既定は通義千問）に依存。
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？
DeepSeek Harness に「目と耳」を与える——画像を見る、文字を抜く、物体を検出、動画を理解、音声を書き起こし、文書を読む
DeepSeek のチャット内で直接、画像の説明・抜き出した文字・バウンディングボックス・音声付き動画要約・書き起こし、および PDF/Office/CSV/コード文書の質問応答を得られる
Windows 上で DeepSeek Harness（dsh）を使い、テキストのみのモデルに画像・音声・文書を読ませたいユーザー
スクリーンショットを撮った瞬間に DeepSeek に読み込ませる（保存してドラッグしなくてよい）
貼り付け時にクリップボードがそのスクリーンショット PNG のパスに置き換わり、DeepSeek がパスから直接画像を読む
DeepSeek にスクリーンショットの質問をすることが多く、手動でファイルを扱いたくない Windows ユーザー
02DeepSeek Harness への導入方法
前提条件
- Windows + PowerShell（インストールには Windows が必要、所要約 5 分）
- クラウド視覚モデルの API Key（既定は通義千問 / DASHSCOPE_API_KEY）——必須。プラグイン本体にモデルは含まれない
- `uv` のインストールが必要（インストール時の自己診断で警告される。MCP サーバーが依存）
インストール手順
- 01
リポジトリをクローンまたはダウンロード：`git clone https://github.com/Yts1919/dsh-vision-complete.git`（または Gitee ミラー）し、任意のフォルダ（例 `C:\DeepSeek-Vision`）に解凍する。
$ git clone https://github.com/Yts1919/dsh-vision-complete.git
- 02
フォルダ内の `install.bat` をダブルクリック——スキル導入 → MCP 登録 → スクリーンショットツール導入 → 環境自己診断を自動実行する。（または `powershell -ExecutionPolicy Bypass -File .\install.ps1` を実行。）
- 03
クラウド視覚モデルの API Key を設定：`setx DASHSCOPE_API_KEY "sk-你的key"`（Alibaba Cloud 百炼で取得）を実行し、その後 DeepSeek Harness を完全に終了して再起動する。
- 04
検証：任意の画像を DeepSeek のチャットにドラッグし、「この画像を説明して」と伝える。
導入成功の確認
- 任意の画像を（または `Win+Shift+S` でスクリーンショットを撮って）DeepSeek のチャットにドラッグする。
- 「この画像を説明して」と伝える。
- ✅ 画像の内容が返れば導入成功；❌「API Key なし / 401」なら手順 3 に戻り、DASHSCOPE_API_KEY が設定され Harness が完全に再起動されたか確認する。
ロールバック
- フォルダ内の `uninstall.bat` をダブルクリックしてプラグインを削除する。
03DSH 統合と能力の範囲
DSH ネイティブプラグイン：vision-multimodal スキルを `~/.dsh/skills` に配置し、qwen-mm-plugins の 3 つの MCP サーバー（core / api / video-memory）を DSH に登録する。Windows 専用で `install.bat` をダブルクリックしてインストール。
画像理解 / 質問応答
画像（チャットへドロップ、またはスクリーンショットのパス）→画像の説明、質問応答、キャプション
OCR 文字抽出
スクリーンショット、レシート、文書の写真→抽出された文字
物体検出と位置特定
画像→対象の位置、バウンディングボックス、切り抜き
動画理解
動画→映像＋音声のタイムライン、イベント検索、カウント
音声書き起こし
音声 / 会議録音→書き起こし（タイムスタンプ付き、話者分離）
文書可視化
PDF / Office / CSV / コード / 3D / notebook→文書の質問応答と可視化
スクリーンショット直接読み込み
Win+Shift+S スクリーンショット→クリップボードが画像パスに置き換わり、DeepSeek が直接読む
スクリーンショット監視中は、クリップボードがその PNG のパス文字列に置き換わる
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
- Windows 上で DeepSeek Harness（dsh）を使い、テキストのみのモデルに画像・音声・文書を読ませたいユーザー
- DeepSeek にスクリーンショットの質問をすることが多く、手動でファイルを扱いたくない Windows ユーザー
不向きな用途
- プラグイン本体に視覚モデルはなく、クラウド視覚モデルの API Key（既定は通義千問 DASHSCOPE_API_KEY）が必要。Key がないと導入しても使えない。
- Windows + PowerShell のみ対応。非 Windows では利用不可。所要約 5 分。
- プラグインはクラウド視覚モデル（既定は通義千問）を呼び出して画像・音声を見聞きするため、ネット接続と該当ベンダーの API Key が必要。
- API Key などの環境変数は DeepSeek Harness を完全に終了して再起動した後でしか反映されない。MCP サーバーも Harness の再起動後にロードされる。
05互換性・メンテナンス・セキュリティ上の注意
- プラグイン本体に視覚モデルはなく、クラウド視覚モデルの API Key（既定は通義千問 DASHSCOPE_API_KEY）が必要。Key がないと導入しても使えない。
- Windows + PowerShell のみ対応。非 Windows では利用不可。所要約 5 分。
- プラグインはクラウド視覚モデル（既定は通義千問）を呼び出して画像・音声を見聞きするため、ネット接続と該当ベンダーの API Key が必要。
- API Key などの環境変数は DeepSeek Harness を完全に終了して再起動した後でしか反映されない。MCP サーバーも Harness の再起動後にロードされる。
MIT · タグ付きリリースなし（latest_release は null）；最終プッシュ 2026-08-16
06よくある質問
DeepSeek Harness に dsh-vision-complete をどう導入する？
Windows でリポジトリを解凍後、`install.bat` をダブルクリック（または `powershell -ExecutionPolicy Bypass -File .\install.ps1` を実行）。`vision-multimodal` スキルを `~/.dsh/skills` に配置し、qwen-mm-plugins MCP サーバーを登録、スクリーンショットツールを導入する。
なぜ API Key が必要？
プラグイン自体に視覚モデルはなく、クラウド多モーダルモデル（既定は通義千問、DASHSCOPE_API_KEY）を呼び出す。Key がないと見えも聞こえもしない。`setx DASHSCOPE_API_KEY "sk-..."` 実行後、DeepSeek Harness を完全に再起動する必要がある。
DeepSeek Harness で導入をどう検証する？
画像を（または Win+Shift+S でスクリーンショットを）DeepSeek のチャットにドラッグし、「この画像を説明して」と伝える。内容が返れば成功。401 なら Key 未設定か Harness 未再起動。
モデルが `mcp__qwen-mm-plugins-*` ツールを持たないと言う場合は？
`uv` が入っているか確認（導入時の自己診断で警告される）。そして DeepSeek Harness を完全に終了して再起動する。MCP サーバーは再起動後にのみロードされる。
アンインストール方法は？
フォルダ内の `uninstall.bat` をダブルクリックする。
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
C:\Users\你的用户名\.dsh\skills\vision-multimodal\references\api-key-setup.md
**qwen-mm-plugins MCP**（安装时自动注册）
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。