以 MIT 协议开源的 dsh 插件，通过「视觉孪生 adapter」为纯文本模型加上像素级读图、OCR 与本地修图能力——DSH 原生缩略图、4 个 OCR 引擎，以及可选的外部 VLM 桥。
DSH 适配
原生运行时
作者声明
安全审计
未审计
最后核验
2026-09-03
许可证
MIT
01它能帮你完成什么？
给纯文本模型（DeepSeek / text-only）增加「看图 / 读文档」的能力
结构化的像素级证据（色相 / 结构 / 材质分析 + 真实 OCR + 可选 VLM 语义描述），模型以纯文本进行推理
在 DeepSeek Harness 上运行纯文本模型、需要图像 / 文档理解但没有视觉编码器的用户
让纯文本模型在 DSH 里获得原生缩略图体验
生成「(视觉)」模型变体并渲染原生缩略图；粘贴的图片作为图片块进入会话，被自动分析成文本路径 + 本地证据
希望在纯文本模型上渲染图片块、又不想触发 UNSUPPORTED_CONTENT 的 DSH 使用者
在本地直接修图 / 批量处理图片
纯 CPU 的图片编辑（缩放 / 旋转 / 滤镜 / 合成 / 水印 / 去背景 / 透视校正等）——图片不出本机
需要在本机修图或批量处理图片、不愿上传到云端的用户
02如何接入 DeepSeek Harness？
前置条件
- DeepSeek Harness（dsh）0.1.1-rc.2 或相近的 0.1.x 构建——README 声明本版本专门兼容 dsh 0.1.1-rc.2 及 dsheac 5.1.0
- 可选的本地 OCR 引擎：PaddleOCR 或 macOS 原生 Vision 引擎（paddle / rapid 跨平台始终可用）
安装步骤
- 01
作为 dsh 插件安装，然后为你想启用的模型打开「(视觉)」变体——picturereader 会生成该变体，并在你粘贴图片时显示原生缩略图
- 02
（可选）运行 `scripts/setup-macos.mjs` 一键编译 macOS 原生 Vision OCR 引擎
验证接入成功
作者未说明
03DSH 适配与能力边界
原生 dsh 插件：用「视觉孪生 adapter」把任意纯文本模型就地包装成「支持图片」，从而获得 DSH 原生缩略图与像素级 / OCR 读图工具，并可选接入外部 VLM 桥。
像素级图像分析（image_scan / image_ocr）
粘贴的图片或图片块→结构化像素证据：色相 / 结构 / 材质分析 + 真实 OCR 文本
视觉孪生 adapter（DSH 原生缩略图）
纯文本模型的勾选→「(视觉)」模型变体，带原生缩略图渲染与图片块自动分析
本地修图（image_edit）
本地图片文件→经纯 CPU 的 Pillow / OpenCV 动作得到的编辑后图片（缩放 / 旋转 / 滤镜 / 合成 / 水印 / 去背景 / 超分）
图片在本机处理，不出本机本地像素级工具链（scan / OCR×4 / crop / palette / compare / batch）
图片→裁剪、调色板提取、对比，以及跨 4 个引擎的批量 OCR
文档转图片与可选外部 VLM 桥
pdf / word / excel / ppt 文档，或外部视觉端点→文档渲染为图片；通过可选的 OpenAI 兼容外部 VLM 做语义理解
可选的外部 VLM 调用需要配置好的端点与网络访问
04适合谁？何时不该用？
适合
- 在 DeepSeek Harness 上运行纯文本模型、需要图像 / 文档理解但没有视觉编码器的用户
- 希望在纯文本模型上渲染图片块、又不想触发 UNSUPPORTED_CONTENT 的 DSH 使用者
- 需要在本机修图或批量处理图片、不愿上传到云端的用户
05兼容性、维护与安全提示
- 外部视觉 API 是即插即用的增强能力，不是必须依赖——简单内容由本地像素工具链与 OCR 处理。
- OCR 引擎选项按平台条件显示：macOS 原生 Vision 仅 macOS、Windows 引擎仅 Windows，paddle / rapid 跨平台始终显示。
- 本地图像分析与编辑完全在本机运行，图片不出本机。
MIT · 维护中（尚无 release tag；peerDependencies 兼容 dsh 0.1.1-rc.2）
06常见问题
picturereader 能给纯文本模型带来什么？
它通过「视觉孪生 adapter」把任意纯文本模型（如 DeepSeek）包装成「(视觉)」变体，使其获得 DSH 原生缩略图，粘贴的图片会作为图片块进入会话并被自动分析成文本路径加本地像素 / OCR 证据——模型拿到的永远是纯文本，不会触发 UNSUPPORTED_CONTENT。
我需要外部视觉 API 吗？
不需要。可选的 OpenAI 兼容外部 VLM 桥是即插即用的增强能力。简单内容由本地像素工具链与 OCR 处理；只有模型判断这张图值得做额外语义理解时，才会调用外部 API。
有哪些 OCR 引擎可用？
本地工具链内置 4 个引擎。引擎选项按平台条件显示：macOS 原生 Vision 仅 macOS、Windows 引擎仅 Windows，PaddleOCR 与 RapidOCR 跨平台始终可用。运行 scripts/setup-macos.mjs 即可编译 macOS 原生 Vision 引擎。
我的数据会被发出去吗？
本地图像分析与编辑完全在本机运行，图片不出本机。只有你配置了端点的可选外部 VLM 桥才会发起外呼，其余一切都在本地。
07相关的 DSH 工作流
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). | 全网最强 DeepSeek Harness 外挂视觉插件，为 DeepSeek、GLM 等纯文本模型外挂视觉能力，粘贴图片即得结构化 JSON 证据（OCR、版面、语义）。
agent-vision-toolkit
作者 anionex
为纯文本模型"看图“设计更好的视觉工具箱和技能，支持多图理解，图片问答，前端UI还原、GUI 自动化等，并可选无缝接入多个主流agent，直接识别粘贴图片｜ 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
为纯文本 DeepSeek Harness 智能体提供「视觉」能力，内置免密钥视觉链路与像素级视觉工具，一条命令安装，无需 Python。
dsh-vision-toolkit
作者 anionex
[dsh]为纯文本模型设计更强大的视觉工具箱：一行安装使用、粘贴图片直接识别、多张图片问答、截图到前端UI 还原等｜DeepSeek Harness-native integration for agent-vision-toolkit: image Q&A, long-screenshot OCR, UI restoration, grounding, pixel diff, Artifacts, and Web UI.
08数据与来源
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。
页面基于项目公开文档、仓库元数据和 DSH Plugins 的结构化解析生成；最后核验于 2026-09-03。发现错误？提交更正。
最佳 DeepSeek Harness 插件
从全目录挑出的 12 个值得优先安装的插件，覆盖各个分类。