🎁 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
去看看
DeepSeek Harness Hub
MCP兼容手册

Umi-OCR 视觉桥接 paul-yangmy/dsh-umi-ocr-vision

DeepSeek Harness
paul-yangmy78 天前有提交已提供中文文档扫描：含敏感能力
在 GitHub 查看 ↗

把聊天图片转成 OCR 文字，让纯文本模型也能看图作答

23.8/100
综合分
0
GitHub 星标
—
npm 周下载
—/5
用户评分

数据截至 2026/10/23 · 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。

安装命令 · 需先装 dsh CLI 引擎
dsh plugin --profile web add paul-yangmy/dsh-umi-ocr-vision
该包不可直接 npm 安装，改从 GitHub 源安装（明细见下方安装检查）

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
dsh 原生插件 · vision
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 78 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。

验证判据与等级说明 →
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 ↓

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/删除本地文件发起外部网络请求
查看扫描证据（共 23 处，展示前 20 条）
  • 写入本地文件
    lib/index.js:233
    await writeFile(filePath, image.data);
  • 删除本地文件递归
    lib/index.js:237
    if (root !== undefined) await rm(root, { recursive: true, force: true }).catch(() => {});
  • 删除本地文件递归
    lib/index.js:257
    await rm(root, { recursive: true, force: true });
  • 发起网络请求
    lib/umi-ocr.js:76
    const response = await fetch(`${baseURL}/api/ocr`, {
  • 读取本地文件
    lib/umi-ocr.js:99
    text = await readFile(outputPath, "utf8");
  • 删除本地文件递归
    lib/umi-ocr.js:105
    await rm(root, { recursive: true, force: true });
  • 写入本地文件
    lib/umi-ocr.js:115
    await writeFile(filePath, data);
  • 删除本地文件递归
    lib/umi-ocr.js:118
    await rm(root, { recursive: true, force: true });
  • 读取本地文件
    lib/umi-ocr.js:127
    const data = await readFile(filePath);
  • 写入本地文件
    lib/vision-tools.js:15
    mkdirSync(dir, { recursive: true });
  • 读取本地文件
    lib/vision-tools.js:68
    if (!existsSync(filePath)) return { ok: false, error: `文件不存在：${args.path}` };
  • 读取本地文件
    lib/vision-tools.js:106
    if (!existsSync(filePath)) return { ok: false, error: `文件不存在：${args.path}` };
  • 读取本地文件
    lib/vision-tools.js:151
    if (!existsSync(filePath)) return { ok: false, error: `文件不存在：${args.path}` };
  • 读取本地文件
    lib/vision-tools.js:195
    if (!existsSync(filePath)) return { ok: false, error: `文件不存在：${args.path}` };
  • 写入本地文件
    lib/vision-tools.js:205
    await extractRegionBuffer(filePath, match.box, "png").then((buf) => writeFileSync(previewPath, buf));
  • 读取本地文件
    lib/vision-tools.js:245
    if (!existsSync(filePath)) return { ok: false, error: `文件不存在：${args.path}` };
  • 写入本地文件
    lib/vision-tools.js:249
    await extractRegionBuffer(filePath, region, "png").then((buf) => writeFileSync(cropPath, buf));
  • 读取本地文件
    lib/vision-tools.js:290
    if (!existsSync(filePath)) return { ok: false, error: `文件不存在：${args.path}` };
  • 写入本地文件
    lib/vision-tools.js:318
    writeFileSync(markdownPath, texts.join("\n\n"), "utf8");
  • 写入本地文件
    lib/vision-tools.js:319
    writeFileSync(manifestPath, JSON.stringify({ image: args.path, width: meta.width, height: meta.height, maxHeight, overlap, failedCount, chunks }, null
扫描于 2026/11/2（1 天前） · 范围 入口闭包 + 发布文件清单 · 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/schemastery@deepseek-ai/cordis@deepseek-ai/dsh-anonymous-user-id@deepseek-ai/dsh-attachment@deepseek-ai/dsh-credentials@deepseek-ai/dsh-launch-environment@deepseek-ai/dsh-llm@deepseek-ai/dsh-llm-deepseek@deepseek-ai/dsh-settings
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
广告精选好物
飞利浦 TAH6519 主动降噪耳机 ¥299
头戴式无线 anc 主动降噪，蓝牙连接，久戴舒适向。
  • ·anc 主动降噪 · 头戴式无线
  • ·价格与库存以商品页实时为准
去淘宝看看→

README

由 DeepSeek 最新模型翻译生成
dsh-umi-ocr-vision DeepSeek Harness 的 Umi-OCR 视觉桥接插件。 它参考 dsh-vision 的桥接思路：主模型只有文本能力时，自动把聊天中的图片交给本地 Umi-OCR 识别成文字，再把 OCR 结果作为「非可信视觉上下文」注入请求，最后由原来的 DeepSeek 文本模型完成回答。 Umi-OCR 是离线 OCR 工具，提供文字识别能力，不做完整的多模态语义理解。纯截图、文档、验证码、界面文字这类场景非常合适；如果图片需要理解空间关系、物体语义，请改用真正的视觉大模型插件（例如 dsh-vision）。 工作原理 | 当前主模型 | 图片处理方式 | 最终回答者 | | 支持图片 | 原图直接发送，不经过 Umi-OCR | 当前模型 | | deepseek-official 等文本模型 | Umi-OCR 读取原图，OCR 文本作为非可信附件上下文注入 | DeepSeek | - 插件不会替换你在界面中选择的主模型。 - 多张聊天附件按顺序分别 OCR，然后一起放入同一次 DeepSeek 请求。 - OCR 结果标记为「非可信观察数据」，图片中出现的提示词不会获得系统权限。 - 不把图片发送到任何云端服务（HTTP 模式也默认只访问本机 127.0.0.1）。
展开完整文档（README 剩余 1 节）
dsh-umi-ocr-vision

DeepSeek Harness 的 Umi-OCR 视觉桥接插件。

它参考 dsh-vision 的桥接思路：主模型只有文本能力时，自动把聊天中的图片交给本地 Umi-OCR 识别成文字，再把 OCR 结果作为「非可信视觉上下文」注入请求，最后由原来的 DeepSeek 文本模型完成回答。

Umi-OCR 是离线 OCR 工具，提供文字识别能力，不做完整的多模态语义理解。纯截图、文档、验证码、界面文字这类场景非常合适；如果图片需要理解空间关系、物体语义，请改用真正的视觉大模型插件（例如 dsh-vision）。

工作原理

| 当前主模型 | 图片处理方式 | 最终回答者 |
| 支持图片 | 原图直接发送，不经过 Umi-OCR | 当前模型 |
| deepseek-official 等文本模型 | Umi-OCR 读取原图，OCR 文本作为非可信附件上下文注入 | DeepSeek |

- 插件不会替换你在界面中选择的主模型。
- 多张聊天附件按顺序分别 OCR，然后一起放入同一次 DeepSeek 请求。
- OCR 结果标记为「非可信观察数据」，图片中出现的提示词不会获得系统权限。
- 不把图片发送到任何云端服务（HTTP 模式也默认只访问本机 127.0.0.1）。

安装

从本地源码目录安装（当前仓库）
dsh plugin --profile web add /path/to/dsh-umi-ocr-vision

或打包成 tgz 后安装
dsh plugin --profile web add ./dsh-umi-ocr-vision-0.1.0.tgz

安装后重启 Harness。

准备 Umi-OCR

1. 下载并启动 Umi-OCR。
2. 确认 Umi-OCR 的 HTTP 服务已开启：默认监听 http://127.0.0.1:1224。
- 如果关闭了 HTTP 服务，请到 Umi-OCR「全局设置」中开启。
3. 可先用浏览器访问 http://127.0.0.1:1224/api/ocr/get_options 验证服务可用。

CLI 模式（可选）

如果你不想开 HTTP 服务，也可以让插件直接调用 Umi-OCR 命令行：

settings.yaml 中 llm-deepseek 段落（或插件配置卡片） llm-deepseek: umiOcrMode: cli umiOcrCommand: "C:/Umi-OCR/Umi-OCR.exe"

CLI 模式会先把图片写入临时目录，再执行：

Umi-OCR.exe --path <image> --output <result.txt>

然后读取输出文件。CLI 模式需要 Umi-OCR 支持命令行调用。

配置

在 $DSH_HOME/settings.yaml 的 llm-deepseek 段落中配置（不需要重启）：

llm-deepseek:
umiOcrBaseURL: http://127.0.0.1:1224 # Umi-OCR HTTP 地址 umiOcrMode: http # http 或 cli umiOcrCommand: "" # cli 模式时填写 Umi-OCR.exe 路径 umiOcrTimeoutMs: 120000 # 单张图片 OCR 超时（毫秒） maxImages: 8 # 单次请求最多处理图片数 cacheEntries: 64 # OCR 结果缓存条数 dataFormat: text # 说明：桥接和工具统一使用 Umi-OCR dict 格式以获取文本坐标；dataFormat 配置保留兼容但不再影响行为。
ocrLanguage: 简体中文 # Umi-OCR 语言/模型库（Rapid 版用 "简体中文"） ocrCls: false # 是否启用方向纠正 ocrLimitSideLen: 960 # 图像边长限制 tbpuParser: multi_para # 排版解析方案 enableVisionTools: true # 是否启用 vision_* 工具集 artifactDir: .dsh-umi-vision/artifacts # vision_* 工具产物输出目录 longImageMaxHeight: 4096 # 长截图分块时单块最大高度 longImageOverlap: 80 # 长截图分块重叠像素

也可以直接在 Harness「设置 → 插件 → 插件配置」中修改同一份配置。

工具集

启用 enableVisionTools: true 后，插件会导出 createVisionTools，向 Harness 注册以下 vision_ 工具：

- vision_ocr: 对图片执行 Umi-OCR，返回全文和行级坐标。
- vision_glance: 快速查看图片，返回尺寸和可见文本。
- vision_detect_text: 列出所有文本块及原始坐标。
- vision_ground_text: 按文本定位元素，返回 x1,y1,x2,y2，可生成裁剪预览。
- vision_crop: 裁剪图片区域并输出 PNG。
- vision_long_screenshot_ocr: 长截图分块 OCR，合并 Markdown 并保存 manifest。
- vision_dominant_colors: 分析主色调并返回 HEX 调色板。
- vision_pixel_diff: 对比两张图片，返回差异百分比、差异区域和可选热力图。
vision_ 工具的 artifacts 默认输出到 .dsh-umi-vision/artifacts。

sharp 是可选依赖。未安装时，OCR 类工具和自动桥接仍可用（自动桥接会退化为直接整图 OCR，不做长图分块）；vision_crop、vision_dominant_colors、vision_pixel_diff、vision_long_screenshot_ocr 等图像处理工具需要安装 sharp。

开发

纯 JS 插件，无需构建：

node --check lib/index.js
node test/smoke.mjs

冒烟测试只检查插件导出契约，不要求 Umi-OCR 已运行、不需要 API Key。

License

MIT
广告精选好物
Type-c 采集卡 ¥50
佳能尼康索尼相机直连电脑，视频开发与直播向。
  • ·相机转电脑采集
  • ·价格与库存以商品页实时为准
去淘宝看看→
预览分享卡片长什么样 ↓paul-yangmy/dsh-umi-ocr-vision
分享 · DeepSeek Harness Hub
paul-yangmy/dsh-umi-ocr-vision

把聊天图片转成 OCR 文字，让纯文本模型也能看图作答

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

这是你的仓库？认领条目

回到顶部