dsh-vision-edge-doubao
DSH 视觉插件(Edge 豆包桥接):通用识图 + 数学建模图专项(几何图形/流程图/图表/表格/公式)+ 不确定项澄清闭环。零成本,免 API Key。
64 results
DSH 视觉插件(Edge 豆包桥接):通用识图 + 数学建模图专项(几何图形/流程图/图表/表格/公式)+ 不确定项澄清闭环。零成本,免 API Key。
DeepSeek Harness 原生视觉 Bundle:粘贴或拖入图片,通过托管的 deepseek-vision-mcp 调用 OpenAI 兼容视觉模型。
DSH 插件:通过硅基流动(SiliconFlow)视觉大模型识别/分析图片,支持本地文件路径、http(s) 图片 URL 与 base64 data URL。含持久化的粘贴识别面板(web 端)。
DSH(DeepSeek Harness)图片一体化插件:粘贴图片只进对话不进模型请求(llm/stream 清洗),并注册 see_image 工具让文本模型通过任意 OpenAI 兼容视觉 API 按需看图
辅助视觉模型:图片→文本描述,供文本模型、浏览器截图兜底与聊天贴图降级使用
DSH 增强插件:视觉/记忆设置面板 + 插件市场(+ 后续挂机游戏)
格物审视面插件:gewu_prep(HTML 逐页截图 + subagent_vision 简报契约生成,宿主直起 Chrome)+ gewu_locate(真值核验:文字定位到页码/行号)。让无视觉能力的主脑经 subagent_vision 完成视觉检验。
格式塔视觉感知原则参考
明眸 VisionBridge - 自研视觉桥:瞎子模型收图时自动调用视觉模型识别,把识别文字喂回主模型,无感、可配置、升级不丢
Automatic model routing for DeepSeek Harness: a virtual `smart` model classifies every request by difficulty (hard / normal / easy) and by vision need, then delegates to the models you already configured in Settings → Models. 内置智能路由:三级难度 + 视觉自动路由,模型从「设置-模型」已配置模型中选取,虚拟 smart 模型零配置接入。
图片转文字输入插件:给无视觉能力的纯文本 LLM(DeepSeek 等)提供图片输入接管。输入框粘贴/拖拽图片后一键转为结构化文字描述;视觉 API 配置在设置页填写,支持任意 OpenAI 兼容视觉模型(qwen-vl / gpt-4o / glm-4v 等)。多模态模型下自动让位,不劫持原生图片通道。
DSH 视觉增强方案:识图技能(图片理解/OCR/文档解析)+ 幂等宿主补丁,让纯文本模型也能收发图片。
前端设计技能:指导 agent 产出高质量 Web 前端设计(视觉层级、配色、排版、组件、响应式、无障碍)。改编自 Anthropic 官方 frontend-design(Apache-2.0)。
DSH Web 插件:调用智谱 GLM 视觉模型分析图片(analyze_image 工具 + 插件设置卡片)。
DESIGN.md 设计系统格式:给 coding agent 的视觉身份规范——YAML token(颜色/字体/圆角/间距/组件)+ Markdown 设计理由、token 引用、lint/diff/export 工具链、WCAG 对比度检查。受 google-labs-code/design.md(27k★ Apache-2.0)启发。
让文本模型(如 DeepSeek)也能正常粘贴并发送图片:图片落盘到工作区,消息转成仅模型可见的路径文本,由模型调用视觉/MCP 工具识别。
Agnes 全模态插件 for DeepSeek Harness:看图(agnes_vision)、生图/图生图(agnes_image)、视觉桥(带图消息可发送并自动交给 Agnes 视觉分析)。密钥经 DSH 凭据服务读取,不写入代码。
视觉层级构建参考
面向中文读者的英文论文精读 Agent 预设插件:自动安装 paper-tutor 预设,提供零依赖 PDF 文本/图表提取(pdf_extract)、工作区论文盘点(paper_scan)、LaTeX 结构解析(tex_structure)与图表视觉分析(paper_figure),结合论文代码溯源讲解论文。
常驻视觉服务:直连视觉模型(默认 opencode-go/minimax-m3,回退 zai-coding-cn/glm-4.6v)。describe_image / subagent_vision 工具 + 粘贴图片自动转译(llm/stream 钩子)+ 输入框视觉状态小胶囊与详情页(活动日志:指令/思考过程/输出)。零子代理、零 agent 上下文开销,按会话记忆窗支持视觉追问与验收。
让 dsh 用独立的 OpenAI 兼容视觉模型读图:主对话历史只保留纯文本描述,图片字节不进上下文,纯文本模型也能读图。
《犹格索托斯的庭院》特莉波卡 (Tlipoca) GAL 视觉小说沉浸式皮肤插件 for DeepSeek Harness
中文 PPT 生成技能:结构化大纲 → 视觉设计 → HTML/PPTX 出稿,附排版自查清单。原创技能(参考 GordenPPTSkill / ppt-master 思路)。
把长文本渲染成图片发送来压缩 LLM 输入 token(DeepSeek 视觉模型、每图 384 token 封顶)— text-as-image token compression for DeepSeek Harness