让纯文本智能体看图、定位元素并裁剪图像
27.4/100
综合分
1
GitHub 星标
—
npm 周下载
—/5
用户评分
数据截至 2026/9/16 · 周下载取自 npm 全网（含 CI / 镜像），非本站安装数；综合分由星标、活跃度与兼容性检查合成。
相关生态插件（非 dsh 原生，按其对应运行时安装）
git clone https://github.com/YYTbit/dsh-plugin-vision-toolkit.git状态速览
判定依据：实装验证 · 静态安装检查 · 自动扫描 · 仓库维护状态信任档位：仅索引
是什么
生态应用
桌面端 / Web 外壳，不以 dsh plugin add 安装
装得上吗
本站尚未做安装检查
安全吗
本站尚未对该插件做风险分级
暂未覆盖，不等同于无风险
还在维护吗
更新放缓：最近一次提交在 81 天前
档位由哪些信号合成
本站实装验证（真实安装 L4 覆盖全站；L5 为运行时冒烟或实机截图，覆盖范围小于 L4） · 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。 下方各区块是它的证据明细。
社区实装还没有人打卡 · 装过的第一个就是你
安全扫描自动 · 静态分析源码v2.7.0🔵 扫描：含敏感能力尚无人工评估展开查看扫描说明与证据 ↓
安全扫描自动 · 静态分析源码
v2.7.0静态扫描发现插件具备触达本地系统的能力：执行外部命令、读写/删除本地文件、读取剪贴板或密钥类环境变量（至少其一）。这是能力清单，不是危险判定——具体能力项与证据见下方，安装前请自行判断是否需要。
读写/删除本地文件读取剪贴板或密钥环境变量发起外部网络请求
查看扫描证据（共 4 处，展示前 4 条）
- 读取本地文件src/index.ts:107
return await readFile(config.skillPath, 'utf8') - 读取本地文件src/vision-client.ts:35
const data = await readFile(filePath) - 发起网络请求src/vision-client.ts:64
const resp = await fetch(url, { - 读取密钥环境变量src/vision-client.ts:85
const apiKey = process.env.VISION_API_KEY ?? process.env.DEEPSEEK_API_KEY
扫描于 2026/11/3（0 天前） · 范围 全包扫描（包内未声明入口） · 来源 GitHub 仓库
静态扫描只反映源码中出现的调用，不构成安全背书；人工评估与自动扫描相互独立、互不覆盖。
依赖的 DSH / Cordis 模块
@deepseek-ai/cordis给这个插件打分还没有人投票↓
用户评分
还没有人投票，来当第一个
功能亮点
- 图像识别
- 元素定位
- 图像裁剪
给 DeepSeek Harness 的视觉工具包——让纯文本智能体长出眼睛
README
由 DeepSeek 最新模型翻译生成dsh-plugin-vision-toolkit
面向 DeepSeek Harness 的视觉工具包——让纯文本智能体获得查看图像的能力。
功能简介
提供 CLI 工具，调用视觉 API（DeepSeek VL、GPT-4V 或任何 OpenAI 兼容端点）来对图像中的元素进行描述、定位、检测和裁剪。已注册为 dsh 技能，因此智能体知道何时以及如何使用这些工具。
工具
- glance——描述、询问或对图像进行 OCR
- ground——定位特定元素（返回边界框）
- detect——查找某一类元素的所有实例
- crop——从图像中裁剪一个区域
安装
dsh plugin --profile your-profile add dsh-plugin-vision-toolkit
配置
设置环境变量：
export VISION_API_KEY=sk-xxx # 视觉 API 密钥（回退到 DEEPSEEK_API_KEY）
export VISION_BASE_URL=https://... # API 端点（回退到 DEEPSEEK_BASE_URL）
export VISION_MODEL=deepseek-vl2 # 视觉模型名称
使用示例
描述一张图像 glance screenshot.png
展开完整文档（README 剩余 1 节）
dsh-plugin-vision-toolkit 面向 DeepSeek Harness 的视觉工具包——让纯文本智能体获得查看图像的能力。 功能简介 提供 CLI 工具，调用视觉 API（DeepSeek VL、GPT-4V 或任何 OpenAI 兼容端点）来对图像中的元素进行描述、定位、检测和裁剪。已注册为 dsh 技能，因此智能体知道何时以及如何使用这些工具。 工具 - glance——描述、询问或对图像进行 OCR - ground——定位特定元素（返回边界框） - detect——查找某一类元素的所有实例 - crop——从图像中裁剪一个区域 安装 dsh plugin --profile your-profile add dsh-plugin-vision-toolkit 配置 设置环境变量： export VISION_API_KEY=sk-xxx # 视觉 API 密钥（回退到 DEEPSEEK_API_KEY） export VISION_BASE_URL=https://... # API 端点（回退到 DEEPSEEK_BASE_URL） export VISION_MODEL=deepseek-vl2 # 视觉模型名称 使用示例 描述一张图像 glance screenshot.png 提问 glance screenshot.png -q "What error is shown?" OCR glance screenshot.png --ocr 查找一个按钮 ground screenshot.png "the login button" 输出：450,820,620,870 查找所有按钮 detect screenshot.png "buttons" 裁剪一个区域 crop screenshot.png 450,820,620,870 button.png 工作原理 该插件在系统提示中注册一项技能，向智能体介绍这些视觉工具。当智能体遇到图像时（用户粘贴一张、引用一张截图等），它会调用相应的 CLI 工具，该工具会： 1. 读取图像文件 2. 将其编码为 base64 3. 附带提示将其发送到视觉 API 4. 返回文本响应 智能体永远不会看到原始像素——它得到的是可以据此推理的文本描述。 支持的视觉提供商 - DeepSeek VL（deepseek-vl2、deepseek-vl2.5） - OpenAI GPT-4V / GPT-4o - 任何 OpenAI 兼容的多模态端点 许可证 MIT——YYTbit
预览分享卡片长什么样 ↓
分享 · DeepSeek Harness Hub
YYTbit/dsh-plugin-vision-toolkit
让纯文本智能体看图、定位元素并裁剪图像
相关插件 · 视觉能力
智能体工作台Devin-AXIS/iPolloWork
企业级、本地优先的智能体工作台，面向个人和智能体团队——一个工作区，容纳多个智能体引擎；一套统一体系，管理插件和技能；支…
★ 7,359已汉化DSH
72
开源设计工作台nexu-io/open-design
OpenDesign：首个协作式 AI 设计智能体工作区
★ 105,514已汉化DSH
71.8
多智能体编码工作区spacering-net/codeg
多智能体协作的 AI 编程工作区：汇总 Claude Code、Codex、OpenCode、Pi、Grok Build 等来源的会话。支持桌面应用、自托管服务器或 Docker。
★ 4,289已汉化DSH
71.6
GPT 图像提示词库freestylefly/awesome-gpt-image-2
Prompt as Code | GPT Image 2 / 2.5 提示词与案例库，530+ 个案例、20+…
★ 34,534已汉化DSH
71.5
架构图生成器tt-a1i/archify
把你想理解、规划或分享的事，变成可以互动的可视化作品。
★ 92,675已汉化DSH
71.2
AI 用量桌面小部件Javis603/token-monitor
EN | 简 | 繁 | KO | JA | PT
★ 3,522已汉化DSH
71