🎁 福利专区全网大模型免费应用 + 新用户福利 + 注册活动入口,低成本玩转 AI

DSH 视觉能力方向文章

共 22 篇安装教程 5 篇深度解析 17 篇

让纯文本模型「看见」的文章:识图问答、长图 OCR、截图转页面、像素级比对。DSH 与 DeepSeek API 本身不带视觉能力,所以这类文章的重点通常不是「装哪个」,而是「怎么把视觉模型接进来、隐私数据怎么不出本地」。

  1. 本机出图的边界:qwen-paint 凭什么不用 API Key

    装视觉插件,第一个该问的不是「画得好不好」,而是「提示词去了哪」。dsh-qwen-paint 说:出图数据只发往本机 127.0.0.1 的 ComfyUI,不需要 API Key,也不产生调用费用。这话只写在 README 里价值有限;它能当结论,是因为边界写进了代码——地址

    深度解析yanfei0725/dsh-qwen-paint2026/11/182 次阅读
  2. 一个非官方 provider 插在生态的哪一层:dsh-commandcode-provider

    非官方 provider 插件的生态位——Command Code 接入是怎么长出来的 在 DeepSeek Harness(dsh)的插件生态里,「接入一个模型服务商」从来不是官方一个人的事。本文想聊的 Mars-Sea/dsh-commandcode-provider (页面

    深度解析Mars-Sea/dsh-commandcode-provider2026/11/150 次阅读
  3. 引进第三方办公套件要过问的三件事:许可、数据去向、包从哪来

    Univer 办公套件进入 DSH 之后,许可与遥测怎么处理 Univer 办公套件( dsh-univer-office ,作者 dream-num)是这个生态里少见的「重型」插件:446★、综合分 67.5、周下载 11,709,许可 Apache-2.0 ,把电子表格、文档

    深度解析dream-num/dsh-univer-office2026/11/150 次阅读
  4. 屏幕增量帧怎么选、怎么拼:See Now 的实现路径

    定时截屏两条路都走不通:每 2 秒一张,一分钟 30 张图几乎全一样;每 30 秒一张,中间发生的事全丢,模型只能回「看起来你在用电脑」。 SAOS-3624/dsh-see-now (站内名 See Now)选了第三条:先给每帧打一个变化分,判断值不值得看,再决定传不传。下面只

    深度解析SAOS-3624/dsh-see-now2026/11/102 次阅读
  5. 一张图读完 90 秒视频,分镜插件把格子按镜头密度重新分配

    先交代基本盘:418★、Apache-2.0、vision 类,本站信任档位「已验证 · L5 运行时冒烟」,dsh 0.2.1-rc.5 下真实装过;安全扫描口径是「含敏感能力、尚无人工评估」,它会调本机 ffmpeg,别当无风险。建仓 2026-10-26。

    深度解析SAOS-3624/dsh-video-storyboard2026/11/41 次阅读
  6. 一张卡片从工具调用到 iframe 渲染要经过几层

    模型说「画一张卡片」,屏幕上就出现一个能拖滑块的东西。这段路常被当黑箱,却决定了卡片能做什么。从参数到像素,一共七层。 一 · 参数里只有一个字符串 能传的是 fragment 、 title 、 mode ,只有 fragment 必需。它是片段不是文档:没有 <!DOCTYP

    深度解析Nagi-ovo/dsh-visualize2026/10/292 次阅读
  7. 把一次八小时会话摊平在一根时间轴上

    一场 8.6 小时的会话结束时,留给你的通常只有最后那段回答。你想知道第 47 步那次 bash 为什么标红、失败之后它到底改了参数还是换了工具、上下文是在哪一轮被压掉的——回答里都不会有。dsh-maze 做的事,是把这场会话的每一步按真实起止摊平到一根时间轴上,主干、失败支路

    深度解析lamost423/dsh-maze2026/10/231 次阅读
  8. 换 preset 会留下旧工具历史,Bridge 改用五段交接

    下午三点,Web preset 里已经跑了两小时:读完前端仓库,定位到接口层的字段拼装问题,候选文件从七个缩到两个,顺手记下「这个目录别碰」。接下来要改后端适配层、补回归、跑构建,这些活在 Code preset 里更顺。

    深度解析Totoro-qaq/dsh-plugin-bridge2026/10/181 次阅读
  9. 一个浏览器标签页跑完编码、终端与 Git:pi-web-ui 的日常用法

    pi-web-ui 是一个 AI 编程智能体(pi / DSH)的浏览器工作台。它和一般「网页版聊天」的区别在于:智能体本身不在浏览器里跑,而是运行在服务端,事件经 WebSocket 流式推送到浏览器,页面只负责渲染。于是你既能看到思考块与工具调用滚动出现,也能在同一个页面里聊

    深度解析xing-shuyin/pi-web-ui2026/10/135 次阅读
  10. Archify 的技术取舍:为什么它选择 Typed JSON IR 而非自动布局

    用 AI 画架构图这件事,难点从来不在"画不出来",而在"画出来的东西能不能被信任"。Archify 是一个走 Agent-first 路线的开源技能(GitHub 仓库 tt-a1i/archify ,星标 81,659,MIT 许可),它把"想理解、规划或分享的事"变成可以探

    深度解析tt-a1i/archify2026/10/129 次阅读
  11. 外挂视觉层的架构:ModLens 的引擎抽象与证据化输出

    DeepSeek 主力对话模型与 GLM-5.3 本体仍是纯文本,读不了图。 liustack/modlens 的解法不是改模型,而是在模型外侧架一层视觉抽象:把「看图」剥离出来交给一组可替换的引擎,再把结果以结构化证据送回对话。这篇只谈这层抽象怎么搭,以及它把哪些取舍留给了使用

    深度解析liustack/modlens2026/10/23 次阅读
  12. dsh-image-gen 的五个入口分别解决什么问题

    shanliuling/dsh-image-gen 的中文名是「AI 绘图工作室」,README 里把自己定义为「DeepSeek Harness 的原生 AI 图像创作套件」。重点在「套件」两个字:它不是往对话里塞一个生图命令就完事的小工具,而是把图像创作这件事拆成五个入口,每

    深度解析shanliuling/dsh-image-gen2026/9/250 次阅读
  13. 在一个真实项目中把 DeepSeek Harness 委派为 iPolloWork 子代理

    Devin-AXIS/iPolloWork 容易在第一眼被理解错:站点把它归到「视觉能力」分类,但它的真实身份是一个 多引擎智能体工作台 。如果你已经在用 dsh,值得判断的不是「它会不会取代 dsh」,而是「在 dsh 之上再挂一层工作台,值不值」。

    深度解析Devin-AXIS/iPolloWork2026/9/243 次阅读
  14. 开源设计工作台 OpenDesign 的守护进程与沙箱渲染架构

    OpenDesign(仓库 nexu-io/open-design)是个容易被误读的项目。名字里有「设计」,但它本质上是一套本地优先的运行时:把本机已经装好的编码 Agent 当成推理后端,自己只负责渲染、存储与产物导出。本文只谈它的架构分层,不谈好不好用。

    深度解析nexu-io/open-design2026/9/230 次阅读
  15. token-monitor 插件详解:跨 37+AI 工具实时追踪 Token 用量与额度,本地优先多设备同步

    token-monitor 是 DeepSeek Harness 生态中一款本地优先的桌面小部件,由 Javis603 开发维护。它直接读取各 AI 工具本地存储的 session 日志、transcript 文件与 SQLite 数据库,实时追踪 Claude Code、Cod

    深度解析Javis603/token-monitor2026/9/172 次阅读
  16. SILI-agent 怎么用?聊天里直接翻译、搜图、查原神

    SILI 聊天机器人是运行于 DeepSeek Harness 的插件,基于 Koishi.js v4 开发,通过指令提供极简自动翻译、快速中外互译与指定语言互译,还能查询原神信息卡、角色与深境螺旋通关情况,以及查 B 站用户和直播间、生成表情包。它解决在 dsh 会话中需要翻译

    安装教程project-epb/SILI-agent2026/9/112 次阅读
  17. deepseek-harness-picture-in-picture 怎么用?把会话缩成悬浮小窗随时回复

    画中画聊天窗是 DeepSeek Harness 的插件,把会话缩成悬浮小窗,随时查看并回复消息。它基于 Chromium 原生画中画,不可用时回退为页面内浮动窗,支持会话状态切换、流式推理与工具活动展示、停止生成、排队消息编辑发送、内联审批与计划审查、图片附件预览提交,以及访问

    安装教程syncended/deepseek-harness-picture-in-picture2026/9/113 次阅读
  18. dsh-mmx-bridge 怎么用?让纯文本模型看图、画图、生视频、说话唱歌

    dsh-mmx-bridge 是给 DeepSeek Harness 补上多模态能力的桥接工具,让纯文本模型也能看图、画图、生视频、说话、唱歌、翻唱、搜索和查额度。生成的图片、视频、音频统一存到 MMXOUTDIR,经同源 /mmx-files/ 直接内嵌在对话里,支持 Rang

    安装教程welsione/dsh-mmx-bridge2026/9/112 次阅读
  19. dsh-browser 怎么用?让 AI 不靠视觉直接操控你的 Chrome

    dsh-browser 是一款 Chrome 侧边栏扩展,让 DeepSeek Harness 直接操控你已打开的真实浏览器,保留登录态、会话与 Cookie,无需视觉能力。它用编号控件和稳定 ID 的纯文本接口替代截图,划选文字即可引用提问,密码与支付卡字段始终掩码。适合需要模

    安装教程omdsh-dev/dsh-browser2026/9/1112 次阅读
  20. dsh-vision-toolkit 怎么用?让纯文本模型也能粘贴图片问答与截图还原 UI

    视觉工具箱是 DeepSeek Harness 的原生视觉接入插件,为纯文本模型补上图片问答、长截图 OCR、UI 还原、grounding、像素对比与产物预览等能力。它解决的核心问题是:在 DSH Web 里粘贴图片即可自动切换到看图模式,无需手动复制路径或更换模型,模型会围绕

    安装教程Anionex/dsh-vision-toolkit2026/9/115 次阅读
  21. dsh-vision-toolkit 实战:粘贴图片直接识别,10 个视觉工具加 5 个工作流 SOP

    dsh-vision-toolkit 是 DeepSeek Harness 生态中为纯文本模型补上视觉能力的工具箱,在 DSH Web 里粘贴图片即可直接提问,模型会自动切换到看图模式,省去手动复制路径或更换模型的步骤。它提供图片问答与 OCR、元素定位、按钮图标检测、区域裁剪、

    深度解析Anionex/dsh-vision-toolkit2026/9/1016 次阅读
  22. NextChat 实测:一个界面聚合四大主流模型,六端同步支持 Docker 自托管

    NextChat 是一款开源 AI 助手应用,把 Claude、DeepSeek、GPT-4、Gemini Pro 等主流模型聚合在同一个界面里,换模型不必换工具,还支持自定义 OpenAI 兼容接口。部署一次即可覆盖 Web、iOS、Android、macOS、Linux、Wi

    深度解析兼容生态ChatGPTNextWeb/NextChat2026/8/291 次阅读

其他方向

也可以回到全部文章按内容类型筛选。

回到顶部