improved_vision_for_deepseek 怎么安装？

在已安装 dsh CLI 引擎的环境中，进入插件页复制安装命令一键执行即可；基本兼容但装前注意：未发布到 npm registry，仅可从源码安装

improved_vision_for_deepseek 兼容性怎么样？

基本兼容但装前注意：未发布到 npm registry，仅可从源码安装

improved_vision_for_deepseek 有中文文档吗？

已提供中文翻译 README（由 DeepSeek 最新模型翻译生成），本站可切换中英文对照阅读。

improved_vision_for_deepseek 还在维护吗？

GitHub 4 星。最近一次上游提交在 2026/8/23。

视觉分块增强 zyh20041227/improved_vision_for_deepseek

DeepSeek Harness

zyh2004122772 天前有提交已提供中文文档扫描：含敏感能力

在 GitHub 查看 ↗

把大图切成带重叠的切片，让模型看清密集小字

30.1/100

综合分

GitHub 星标

—

npm 周下载

—/5

用户评分

数据截至 2026/9/20 · 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。

自动兼容检查有告警：未发布到 npm registry，仅可从源码安装。

安装命令 · 需先装 dsh CLI 引擎

dsh plugin --profile web add zyh20041227/improved_vision_for_deepseek

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：需留意

是什么

dsh 原生插件 · vision

装得上吗

实装验证未通过（dependency_conflict），装前请到仓库确认最近更新与 issue

L4 · 真实安装等级说明 →

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 72 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 →

⚠︎ 实装验证未通过（dependency_conflict · 2026/11/3） ——可能是验证环境差异，装前建议到 GitHub 仓库确认最近更新与 issue。

社区实装还没有人打卡 · 装过的第一个就是你

安装兼容性检查⚠ 装前注意

未发布到 npm registry，仅可从源码安装

展开查看检查明细 ↓

以下结论由程序自动检查 npm 包、engines 声明与入口文件得出，未做人工实机验证——能装不等于用着没问题。

✗npm 包dsh-vision-tiler（未发布到 npm，仅可源码安装）

✓Node 引擎要求 >=22 · 基线 Node 22.19 满足

✓dsh CLI 依赖未声明 dsh 版本约束

✓入口文件main/exports/bin 已声明

验证方式：npm registry 存在性 + package.json 静态校验 · 最后检查 2026/10/7 14:42:13

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

查看扫描证据（共 2 处，展示前 2 条）

读取本地文件
lib/index.js:80
const data = await readFile(absolutePath, { signal: exec.signal });
读取本地文件
lib/core/image-codec.js:68
const wasmModule = await WebAssembly.compile(await readFile(wasmPath));

扫描于 2026/11/4（0 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/cordis@deepseek-ai/dsh-agent@deepseek-ai/dsh-attachment@deepseek-ai/dsh-brand@deepseek-ai/dsh-code-runtime@deepseek-ai/dsh-invariants@deepseek-ai/dsh-llm@deepseek-ai/dsh-scope@deepseek-ai/dsh-session@deepseek-ai/dsh-system-prompt@deepseek-ai/dsh-timeout@deepseek-ai/dsh-tools

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→

广告MCP 兼容手册

装完插件，给 AI 接上 MCP

Cursor、Claude Code、VS Code 逐个核对：能不能装、配置怎么写、装不上是什么原因。

·按客户端逐格核对
·结论标注依据与风险等级

查 MCP 兼容性→

功能亮点

大图切分重叠切片
密集小字清晰识别
全覆盖图像切片

为 DeepSeek Harness 视觉模型、密集文本 OCR 和文档 AI 提供全覆盖图像切片

README

由 DeepSeek 最新模型翻译生成

DSH Vision Tiler English · 技术报告 · 密集文字基准这是一个面向 DeepSeek Harness（DSH）视觉模型的完整覆盖图片分块插件。它会在模型读图前生成全局预览、带重叠的基础切片，以及可选的密集区域放大图。密集文字基准对比为什么需要它 DeepSeek 文档说明：大图进入模型前会缩放，每张图片最多消耗 384 个视觉 token。普通照片通常够用，但长收据、表格、密集小字、流程图和长截图可能在整图缩放后丢失细节。本插件让每个局部区域获得独立图片预算，同时保证原图各部分都被覆盖。 - 100% 几何覆盖：基础切片的并集覆盖方向校正后的每个源像素，并返回审计结果。 - 切缝重叠：落在边缘的文字或图形仍能在相邻切片中看到。 - 内容感知切缝：文档模式优先把横向切缝移动到低墨迹区域。 - 密集区复核：可补充 512×512 密集区域放大图，但不替代基础覆盖。 - 有界批次：切片过多时分批返回，避免单次图片数量过大。 - 可追踪输出：返回原图坐标、切片角色、批次、覆盖率和保守 token 上限。 - 不含原生图像构建：v0.2.3 使用纯 JavaScript 与随包 WebAssembly，规避 DSH Web 中的 sharp/libvips 冲突。

展开完整文档（README 剩余 1 节）

DSH Vision Tiler

English · 技术报告 · 密集文字基准

这是一个面向 DeepSeek Harness（DSH）视觉模型的完整覆盖图片分块插件。它会在模型读图前生成全局预览、带重叠的基础切片，以及可选的密集区域放大图。

密集文字基准对比

为什么需要它

DeepSeek 文档说明：大图进入模型前会缩放，每张图片最多消耗 384 个视觉 token。普通照片通常够用，但长收据、表格、密集小字、流程图和长截图可能在整图缩放后丢失细节。本插件让每个局部区域获得独立图片预算，同时保证原图各部分都被覆盖。

- 100% 几何覆盖：基础切片的并集覆盖方向校正后的每个源像素，并返回审计结果。
- 切缝重叠：落在边缘的文字或图形仍能在相邻切片中看到。
- 内容感知切缝：文档模式优先把横向切缝移动到低墨迹区域。
- 密集区复核：可补充 512×512 密集区域放大图，但不替代基础覆盖。
- 有界批次：切片过多时分批返回，避免单次图片数量过大。
- 可追踪输出：返回原图坐标、切片角色、批次、覆盖率和保守 token 上限。
- 不含原生图像构建：v0.2.3 使用纯 JavaScript 与随包 WebAssembly，规避 DSH Web 中的 sharp/libvips 冲突。

安装

要求：DeepSeek Harness、支持图片输入的 DSH 模型配置，以及 Node.js 22 或更高版本。

固定到 GitHub 发布版本：

dsh plugin --profile web add github:zyh20041227/improved_vision_for_deepseek#v0.2.3
dsh --profile web --dump-config

不再需要配置 allow-build。运行依赖已写入 package.json，精确版本由 package-lock.json 锁定；这两个文件就是 Node.js 项目对应 Python requirements.txt 的机制。npm 公共包尚未发布，因此当前请使用上面的 GitHub 固定版本命令。

DSH Web 中已启用 Vision Tiler

调用

让模型调用注册的 segment_image 工具，并读取所有返回批次：

请调用 segment_image 读取 D:\images\document.png，使用 mode=document、batch_index=0。
如果 remaining_batch_indices 不为空，请读完所有剩余批次后再回答；最后列出 uncertain_regions，并注明使用过的切片 ID。

| 参数 | 说明 |
| path | 绝对路径，或相对于 DSH 进程目录的路径 |
| mode | auto、document、diagram 或 photo |
| strategy | adaptive（默认）或 uniform（对照模式） |
| batch_index | 从 0 开始的输出批次 |

DSH profile 必须使用支持图片附件的模型。纯文本模型可以执行分块，但无法把生成的图片交给模型读取。

实测结果

受控密集文字基准包含 4 张合成页面，每页 100 个唯一 8 位随机码。每个模型对每页独立运行 3 轮，即每组 12 次调用、1,200 个严格整码判断。

| 配置 | 严格整码 F1 | 中位延迟 | 平均总 token/次 | 估算价格/次 |
| GPT-5.5 | 99.25% | 27.95 秒 | 不可观测 | Codex 订阅内，无法换算 |
| GPT-5.6 Terra | 98.67% | 25.17 秒 | 不可观测 | Codex 订阅内，无法换算 |
| DeepSeek + 插件 | 96.44% | 6.08 秒 | 4,970.8 | ¥0.004521（观察缓存估算） |
| GPT-5.6 Luna | 94.99% | 27.48 秒 | 不可观测 | Codex 订阅内，无法换算 |
| DeepSeek 单图直读 | 19.68% | 6.87 秒 | 1,135.5 | ¥0.001830（估算） |

在这个任务中，插件版单次估算费用约为直读的 2.47 倍，但每 100 个正确整码的估算成本下降约 51%。视觉实验模型没有单独公开价格，因此 DeepSeek 金额按公开 V4 Flash 费率估算，不等同于最终账单。Codex 当前不暴露三种 GPT 模型的任务级视觉 token 和可计费金额，所以不猜测其价格。

384 token 上限会降低读图质量吗？

会，至少在“大图 + 密集小字 + 低对比”组合下可能非常明显。同一个 DeepSeek 模型、同一提示词，仅把输入从一张缩放整图改为完整局部切片，F1 从 19.68% 提升到 96.44%。这是该类任务的工程证据，并不表示所有普通图片都应分块。

实现逻辑

1. PNG/JPEG/BMP/GIF/TIFF 使用 Jimp 解码，WebP 使用随包 WASM 解码。
2. 应用 EXIF 方向，并拒绝超过 1 亿像素的异常图片。
3. 生成全局缩略图。
4. 规划带重叠的切片，使其并集覆盖完整原图。
5. 自适应文档模式把切缝移向低密度行，并可选取密集区放大。
6. 审计覆盖率、编码 PNG 附件，并按批返回坐标和状态。

插件保证的是几何意义上的像素覆盖，不能保证模型语义上识别每个字符。模糊、压缩伪影、异常字体和模型错误仍需人工复核。

证据与复现

- v2 技术报告
- 五模型密集文字补充报告
- 密集文字原始矩阵
- 五模型原始矩阵
- 实验运行说明

公开仓库包含汇总结果和可复现生成器，不包含 API 密钥或本地缓存。

开发与测试

npm install
npm test
npm pack

测试覆盖几何完整性、切缝重叠、安全上限、确定性批次、自适应密集区域、WebP/WASM、EXIF 方向和 DSH 工具渲染。参与开发请看 CONTRIBUTING.md，安全问题请看 SECURITY.md。

许可证

MIT