modlens
liustack
为纯文本模型架起视觉桥梁：粘贴图片，输出结构化 JSON 证据（OCR、版面、语义）。
npm 包TypeScript今天
1详情
dsh-vision-router
ysr666/dsh-vision-router
为纯文本 Agent 提供视觉能力：内置免 Key 视觉链 + 像素级视觉工具（看图问答、定位、裁剪、像素对比、取色、OCR、矢量化、抠图、截图）；粘贴图片即可用。
安装
把 dsh-vision-router 装进 DeepSeek Harness
npm 方式
直接拉已发布的 tarball，不用克隆整个仓库，也不需要额外配置。如果你用的是别的 profile，把 `web` 换成对应的名字。
GitHub 方式 · npm 包
从 GitHub 装会执行项目自己的构建脚本，而 pnpm 默认拦着不让跑——先跑一次这条命令，pnpm 会打印出要加到 ~/.dsh/profiles/web/pnpm-workspace.yaml 里 `allowBuilds` 下面的那个 key。
安装前须知
装 dsh-vision-router 之前，先看这几条
- 源码在这里： ysr666/dsh-vision-router——已进入社区精选库，DSH 自带的插件市场就是从这儿装的。
- 开源协议：MIT。
- 自动识别到：终端执行。授权之前请先读一遍源码。
- 被收录在这里不代表通过了安全审计。插件是带着你 agent 的权限在跑。
dsh-vision-router 是做什么的
dsh-vision-router 是一个为纯文本 agent 增加图像处理能力的 DeepSeek Harness 插件。它不把图片先压缩成一段描述再交给 DeepSeek，而是在图像回合中通过视觉模型读取原始像素，DeepSeek 继续负责推理。插件使用 agent/request waterfall，并随包提供 dsh.bundle.patch；执行安装后会自动接入 composition row、admission wrapper 和附件限制，不需要手动修改文件。接管官方 DeepSeek 路由的 stealth mode 默认关闭。
视觉请求优先使用用户配置的 vision model，之后才进入内置的 OVHcloud 免 Key fallback chain。可用能力包括看图问答、定位、裁剪、像素对比、取色、OCR、SVG trace、抠图和截图，README 明确展示了 vision_ground、vision_crop、vision_describe、vision_pixel_diff。图片答案按图像内容缓存，图片在会话界面中仍以图片显示，内部改写只发生在模型调用中。
它适合需要连续检查图片、但不想切换主模型的文本型 agent。不适合已有足够视觉路由的环境，或不能接受匿名外部 endpoint 的场景；内置 fallback 每个 IP、每个模型为每分钟 2 次。插件还会触及终端表面，因为本地图像处理依赖 sharp、potrace、tesseract 和 system Chrome。
dsh-vision-router 的文档
行为说明
图片回合会作为普通 tool-calling turn 处理。agent 可以先调用 vision_ground 定位，再用 vision_crop 裁剪、vision_describe 描述或 vision_pixel_diff 对比，修改后重新截图检查。上传图片仍保留在会话界面中，内部路由改写不会写入 session log。文本回合继续使用原有模型、成本和上下文路径；答案按图像内容缓存。
工具
README 列出的能力包括问答、grounding、裁剪、pixel diff、取色、OCR、SVG trace、抠图和截图。明确出现的工具如下：
| 工具 | 用途 |
|---|---|
vision_ground |
在图片中定位元素 |
vision_crop |
裁剪图片区域 |
vision_describe |
生成图片描述 |
vision_pixel_diff |
对比图片像素 |
路由与 fallback
用户提供的 vision model 优先使用；不可用时进入包含五个模型的 OVHcloud anonymous fallback chain，无需账号或 Key。README 标明每个 IP、每个模型限制为 2 requests/minute，独立 bucket 理论上合计约 10 RPM。
环境要求
运行时要求 Node.js >=22，不需要 Python。本地图像处理使用 sharp、potrace、tesseract 和 system Chrome，其中 system Chrome 用于 HTML screenshot。插件提供 dsh.bundle.patch，并引用 cordis.patch.yml 的 DSH Web profile。
已知限制
接管官方 DeepSeek route 的 stealth mode 是可选项，默认关闭。README 未给出该选项的具体 config key 或命令行 flag。匿名 fallback 受速率限制；插件的本地处理链会访问终端中的 system Chrome。
根据项目自己的文档整理，会跟着上游更新。两边对不上时以源码仓库为准—— 去 GitHub 看原始 README
同一分类
dsh-vision-router 的同类插件
2.3k
dsh-vision-toolkit
Anionex
让纯文本模型更好地做视觉任务：带意图的图片问答、长截图 OCR、UI 还原等。
npm 包TypeScript今天
dsh-vision
linenxi-ctrl
外挂识图插件：鲸鱼按钮配置面板、图片识图自动回传、模型自主截图识图工具。
npm 包JavaScript昨天
1源码
dsh-vision-proxy
Flyvhidbwo
DeepSeek 大脑 + 自动识图：GUI 附加的每张图片自动经 OpenAI 兼容 VLM 转译成文字，再交给纯文本的 DeepSeek 作答——有 key 自动走快速通道（默认 qwen3.7-flash，支持百炼/智谱/OpenRouter 等任意 OpenAI 兼容端点），无 key 自动探测本地 Ollama（零配置，图片不出本机）。
npm 包JavaScript今天
1源码
dsh-visual-plugin
jyh20030112
给纯文本模型装上眼睛：把用户图片转发给任意 OpenAI 兼容的视觉模型生成描述，并在 Web UI 右侧面板展示结果。
npm 包TypeScript今天
Gemini-Eyes
ConsoleSun
接入 gemini.google.com 的 MCP 桥：图片/视频视觉识别、Imagen 生图、Veo 生视频与历史对话管理，复用浏览器登录态，无需 API Key。
GitHub 源码Python2 天前
1源码