dsh-view-image
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。
69 results
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。
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。
DSH 增强插件:视觉/记忆设置面板 + 插件市场(+ 后续挂机游戏)
视觉层级构建参考
数学建模竞赛 Agent(DeepSeek Harness preset)v7:CUMCM 国赛专项,资产接管→Discovery+竞争搜索→方法学契约→代码图表→编辑/视觉证据链→论文→全门禁验收,含 CUMCM Typst/LaTeX 双模板与 2026 国赛规则 authority
DeepSeek Harness 视觉理解插件:把用户消息与工具结果中的图片翻译成文字描述,交给纯文本任务模型(如 DeepSeek)。
泰山识图 Taishan Vision - 让 DeepSeek Harness 纯文本模型也能识图:GLM 视觉识别 + 所选模型推理(静态插件包,重启永久生效)
DSH 插件:提供文本 / 图像 / 视频 / 视觉理解 / 语音 / 音乐 六个生成工具,模型从 llm-pi-ai 自动发现,含 Settings UI (llm-multimodal namespace)。
DeepSeek Harness 视觉助手插件:给没有视觉能力的模型配一个可随时切换的多模态识别模型。输入框图片自动落盘并改写为文本提示,主模型调用 vision_recognize 工具即可完成看图;识别模型在插件设置卡片里热更新切换。
格式塔视觉感知原则参考
《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
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
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 个人工作台:总览 / 看板 / 资料三视图,玻璃拟态视觉,Host 权威持久化。Personal workbench plugin for DSH Web.
DSH 模型能力配置 UI:在「设置 → 模型」的每个提供方卡片内直接配置每个模型是否为视觉模型、以及可用的思考强度档位。
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。
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
拖入文件/文件夹到对话(Deepseek Harness EAC 特化版,替代已弃用的 dsh-file-drop):文本/代码文件内容自动注入输入框(体积上限内),二进制/超大文件注入完整路径提示;去掉对图片的接管(交给视觉桥避免重复注入冲突);新增对文件夹的接管(识别并给出可操作降级提示)。纯客户端实现(host 半边 no-op)。
DeepSeek 余额实时显示插件(含视觉模型): 在 dsh Web UI 输入框下方的统计条实时显示账户余额与本次对话的估算消耗, 内置 deepseek-v4-flash / deepseek-v4-pro / deepseek-v4-flash-vision-exp 官方峰谷定价
DeepSeek 官网视觉语言的 DSH Web 主题工作台:毛玻璃 / 液化(流体) / 量子化(Q1-Q4) 三类效果,全部参数可调、可持久化、可程序化调用。
NewType 工作台:tab 化会话列表 + 自由分栏(trellis 式,Ely 视觉口径)。DSH client-plugin。