以 MIT 協議開源的 dsh 外掛，透過「視覺孿生 adapter」為純文字模型加上像素級讀圖、OCR 與本地修圖能力——DSH 原生縮圖、4 個 OCR 引擎，以及可選的外部 VLM 橋。
DSH 整合
原生執行環境
作者聲明
安全稽核
未稽核
最後核實
2026-09-03
授權條款
MIT
01它能幫你完成什麼？
為純文字模型（DeepSeek / text-only）增加「看圖 / 讀文件」的能力
結構化的像素級證據（色相 / 結構 / 材質分析 + 真實 OCR + 可選 VLM 語意描述），模型以純文字進行推理
在 DeepSeek Harness 上執行純文字模型、需要圖像 / 文件理解但沒有視覺編碼器的使用者
讓純文字模型在 DSH 裡獲得原生縮圖體驗
產生「(視覺)」模型變體並渲染原生縮圖；貼上的圖片作為圖片塊進入會話，被自動分析成文字路徑 + 本地證據
希望在純文字模型上渲染圖片塊、又不想觸發 UNSUPPORTED_CONTENT 的 DSH 使用者
在本機直接修圖 / 批次處理圖片
純 CPU 的圖片編輯（縮放 / 旋轉 / 濾鏡 / 合成 / 浮水印 / 去背景 / 透視校正等）——圖片不出本機
需要在本機修圖或批次處理圖片、不願上傳到雲端的使用者
02如何將外掛接入 DeepSeek Harness？
先決條件
- DeepSeek Harness（dsh）0.1.1-rc.2 或相近的 0.1.x 建置——README 聲明本版本專門相容 dsh 0.1.1-rc.2 及 dsheac 5.1.0
- 可選的本地 OCR 引擎：PaddleOCR 或 macOS 原生 Vision 引擎（paddle / rapid 跨平台始終可用）
安裝步驟
- 01
作為 dsh 外掛安裝，然後為你想啟用的模型開啟「(視覺)」變體——picturereader 會產生該變體，並在你貼上圖片時顯示原生縮圖
- 02
（可選）執行 `scripts/setup-macos.mjs` 一鍵編譯 macOS 原生 Vision OCR 引擎
驗證整合成功
作者未說明
03DSH 整合程度與能力邊界
原生 dsh 外掛：用「視覺孿生 adapter」把任意純文字模型就地包裝成「支援圖片」，從而獲得 DSH 原生縮圖與像素級 / OCR 讀圖工具，並可選接入外部 VLM 橋。
像素級影像分析（image_scan / image_ocr）
貼上的圖片或圖片塊→結構化像素證據：色相 / 結構 / 材質分析 + 真實 OCR 文字
視覺孿生 adapter（DSH 原生縮圖）
純文字模型的勾選→「(視覺)」模型變體，帶原生縮圖渲染與圖片塊自動分析
本地修圖（image_edit）
本地圖片檔案→經純 CPU 的 Pillow / OpenCV 動作得到的編輯後圖片（縮放 / 旋轉 / 濾鏡 / 合成 / 浮水印 / 去背景 / 超分）
圖片在本機處理，不出本機本地像素級工具鏈（scan / OCR×4 / crop / palette / compare / batch）
圖片→裁切、調色盤提取、對比，以及跨 4 個引擎的批次 OCR
文件轉圖片與可選外部 VLM 橋
pdf / word / excel / ppt 文件，或外部視覺端點→文件渲染為圖片；透過可選的 OpenAI 相容外部 VLM 做語意理解
可選的外部 VLM 呼叫需要設定好的端點與網路存取
04適合誰？何時不該用？
適合
- 在 DeepSeek Harness 上執行純文字模型、需要圖像 / 文件理解但沒有視覺編碼器的使用者
- 希望在純文字模型上渲染圖片塊、又不想觸發 UNSUPPORTED_CONTENT 的 DSH 使用者
- 需要在本機修圖或批次處理圖片、不願上傳到雲端的使用者
05相容性、維護與安全提醒
- 外部視覺 API 是即插即用的增強能力，不是必須依賴——簡單內容由本地像素工具鏈與 OCR 處理。
- OCR 引擎選項按平台條件顯示：macOS 原生 Vision 僅 macOS、Windows 引擎僅 Windows，paddle / rapid 跨平台始終顯示。
- 本地影像分析與編輯完全在本機執行，圖片不出本機。
MIT · 維護中（尚無 release tag；peerDependencies 相容 dsh 0.1.1-rc.2）
06常見問題
picturereader 能為純文字模型帶來什麼？
它透過「視覺孿生 adapter」把任意純文字模型（如 DeepSeek）包裝成「(視覺)」變體，使其獲得 DSH 原生縮圖，貼上的圖片會作為圖片塊進入會話並被自動分析成文字路徑加本地像素 / OCR 證據——模型拿到的永遠是純文字，不會觸發 UNSUPPORTED_CONTENT。
我需要外部視覺 API 嗎？
不需要。可選的 OpenAI 相容外部 VLM 橋是即插即用的增強能力。簡單內容由本地像素工具鏈與 OCR 處理；只有模型判斷這張圖值得做額外語意理解時，才會呼叫外部 API。
有哪些 OCR 引擎可用？
本地工具鏈內建 4 個引擎。引擎選項按平台條件顯示：macOS 原生 Vision 僅 macOS、Windows 引擎僅 Windows，PaddleOCR 與 RapidOCR 跨平台始終可用。執行 scripts/setup-macos.mjs 即可編譯 macOS 原生 Vision 引擎。
我的資料會被送出去嗎？
本地影像分析與編輯完全在本機執行，圖片不出本機。只有你設定好端點的可選外部 VLM 橋才會發起外呼，其餘一切都在本地。
07相關的 DSH 工作流程
modlens
作者 liustack
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-only coding agent. Paste an image, get structured JSON evidence (OCR, layout, semantics). | 全網最強 DeepSeek Harness 外掛視覺外掛，為 DeepSeek、GLM 等純文本模型外掛視覺能力，貼上圖片即得結構化 JSON 證據（OCR、版面、語義）。
agent-vision-toolkit
作者 anionex
為純文本模型"看圖“設計更好的視覺工具箱和技能，支援多圖理解，圖片問答，前端UI還原、GUI 自動化等，並可選無縫接入多個主流agent，直接識別貼上圖片｜ A vision toolkit and skill designed for text-only llms — image Q&A, long-screenshot OCR, frontend UI restoration, and GUI automation, with optional seamless integration for Codex, Claude Code, Pi, Oh My Pi, and OpenCode
dsh-vision-router
作者 ysr666
為純文本 DeepSeek Harness 智慧體提供「視覺」能力，內建免金鑰視覺鏈路與畫素級視覺工具，一條命令安裝，無需 Python。
dsh-vision-toolkit
作者 anionex
[dsh]為純文本模型設計更強大的視覺工具箱：一行安裝使用、貼上圖片直接識別、多張圖片問答、截圖到前端UI 還原等｜DeepSeek Harness-native integration for agent-vision-toolkit: image Q&A, long-screenshot OCR, UI restoration, grounding, pixel diff, Artifacts, and Web UI.
08資料與來源
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。
此頁面根據專案公開文件、儲存庫中繼資料與 DSH Plugins 的結構化解析所產生；最後核實於 2026-09-03。發現錯誤？提交更正。
最佳 DeepSeek Harness 外掛
從全目錄挑出的 12 個值得優先安裝的外掛，涵蓋各個分類。