多引擎视觉插件YZz-S/dsh-modlens

dsh-modlens

liustack/modlens 的增强分支（fork）——DeepSeek Harness（dsh）视觉插件，新增多引擎支持与「按次选择引擎」。

为纯文本大模型提供视觉能力：ModLens 把图片转成结构化 JSON 证据（OCR、版面、语义），让纯文本模型也能「看图」。本分支保留上游全部行为，并新增：

- modlens_read_image 新增 provider 参数——单次调用指定视觉引擎（透传 -p ）。
- 「主动询问用哪个引擎」——工具描述里指示模型：当配置了多个引擎且用户未指定时，先问用户用哪个。
- 豆包 / 火山方舟 Ark 接入配方——实测可用的 doubao-seed-2.1-turbo（走 Ark ark-coding-plan OpenAI 兼容端点），与 Gemini、Anthropic、Claude Code 并存。

为什么是 fork

上游 ModLens 在持续开发中。本分支承载 provider 透传与豆包/Ark 配方，直到它们合入上游。其余一切优先用上游：。

安装（DeepSeek Harness）

npx -y @deepseek-ai/dsh plugin --profile web add dsh-modlens@3.16.6

重启 dsh，在模型选择器里找 (modlens vision) 条目和 modlens_read_image 工具。

发布前请把 dsh-modlens 和  替换成你自己的包名与 GitHub 组织。

配置引擎

配置在 ~/.modlens/config.json（与上游 modlens 共享）。用 modlens doctor 查看哪些引擎就绪。

Gemini（免费、快）

modlens config set gemini-api.apiKey    # https://aistudio.google.com
modlens config set provider gemini-api

豆包 / 火山方舟 Ark（ark-coding-plan）

modlens config set openai.baseUrl https://ark.cn-beijing.volces.com/api/coding/v3
modlens config set openai.apiKey
modlens config set openai.model doubao-seed-2.1-turbo
可选：modlens config set provider openai

其他

Claude Code（claude-cli）、Anthropic（anthropic）、Antigravity（antigravity-cli）。完整配方见 skills/modlens/references/configure.md。

按次选择引擎

模型需要读图且配置了多个引擎时，会先问你用哪个，再带着 provider 参数调用 modlens_read_image：

provider: "gemini-api" | "openai"（豆包/Ark）| "anthropic" | "claude-cli" | "antigravity-cli"

省略 provider 则使用配置的默认引擎及其 failover 链。

验证

modlens doctor          # 本地诊断，不消耗配额
modlens -i image.png    # 端到端读图（消耗一次读图）

许可证

MIT。原作品 © 2026 Leon Liu (liustack)；fork 改动 © 2026 。见 LICENSE。

上游：