前言¶

在 DSH 工作流里，如果你需要处理图像描述、文字提取或表格识别，又不希望图片离开本机，niyongsheng/free-vision-skill 是一个面向 macOS 的 DSH 插件。它基于 macOS Vision Framework，把图像理解与 OCR 放在本地 Mac 上完成。

这是什么¶

niyongsheng/free-vision-skill 由 niyongsheng 维护，采用 MIT 许可证。它的定位是 DSH-Plugin：面向 DeepSeek Harness 的完全本地图像理解与 OCR，能力来自 macOS Vision。

核心功能¶

下面是已核实的插件能力：

• 完全本地图像理解：通过 macOS Vision 提供 OCR、表格提取和图像描述。
• view_image：描述图像内容，包括场景、人物、QR、构图。
• ocr_image：提取文本；layout=true 时可得到表格结构和坐标。
• 输入支持 http(s) URL、base64、本地路径。
• Web UI 粘贴到路径：在 DSH web 输入框中粘贴图片（Cmd+V）后，会插入该图片的本地绝对路径。

安装与启用¶

1、安装插件：

dsh plugin add @niyongsheng/free-vision-skill

2、在 cordis.patch.yml 中加入插件配置。下面的示例把插件插入到 cordis，并配置 timeout 为 120000：

- insert:
    - id: free-vision-skill
      name: '@niyongsheng/free-vision-skill'
      config:
        timeout: 120000

典型用法¶

如果先验证本地图像识别流程，可以运行下面的 Swift 脚本示例：

swift scripts/ocr.swift image.png # OCR
swift scripts/ocr.swift --layout image.png # table + coordinates
swift scripts/ocr.swift --describe image.png # describe image

• image.png：执行 OCR。
• --layout：用于表格结构和坐标。
• --describe：执行图像描述。

在 DSH 中，插件提供 view_image 和 ocr_image 两个工具。输入可以是 http(s) URL、base64 或本地路径；ocr_image 支持 layout=true。

适用场景与注意¶

• 系统要求：macOS 11+，并安装 Xcode Command Line Tools。
• 运行时要求：node >=18。
• 首次运行会编译约 5–10s，之后会缓存。
• 许可证：MIT。
• 图片不离开 Mac。
• Web UI 的上传仅限 loopback，并做 magic-byte 检查，支持的格式包括 PNG / JPEG / GIF / WebP / HEIC / HEIF。
• 插件会以当前 dsh 进程权限运行。安装前建议先检查源码和许可证，确认其调用方式、输入处理与你的环境要求一致。

小结¶

niyongsheng/free-vision-skill 的价值在于把图像描述、OCR 和表格识别放在 macOS 本地完成，并通过 view_image、ocr_image 接入 DSH。使用前确认 macOS 版本、Xcode Command Line Tools 和许可证即可。

• 社区目录页：https://www.skillhub.cn/plugins/niyongsheng/free-vision-skill
• GitHub：https://github.com/niyongsheng/free-vision-skill