前言¶

在 DSH 工作流裏，如果你需要處理圖像描述、文字提取或表格識別，又不希望圖片離開本機，niyongsheng/free-vision-skill 是一個面向 macOS 的 DSH 插件。它基於 macOS Vision Framework，把圖像理解與 OCR 放在本地 Mac 上完成。

這是什麼¶

niyongsheng/free-vision-skill 由 niyongsheng 維護，採用 MIT 許可證。它的定位是 DSH-Plugin：面向 DeepSeek Harness 的完全本地圖像理解與 OCR，能力來自 macOS Vision。

核心功能¶

下面是已覈實的插件能力：

• 完全本地圖像理解：通過 macOS Vision 提供 OCR、表格提取和圖像描述。
• view_image：描述圖像內容，包括場景、人物、QR、構圖。
• ocr_image：提取文本；layout=true 時可得到表格結構和座標。
• 輸入支持 http(s) URL、base64、本地路徑。
• Web UI 粘貼到路徑：在 DSH web 輸入框中粘貼圖片（Cmd+V）後，會插入該圖片的本地絕對路徑。

安裝與啓用¶

1、安裝插件：

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，並配置 timeout 爲 120000：

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

典型用法¶

如果先驗證本地圖像識別流程，可以運行下面的 Swift 腳本示例：

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：執行 OCR。
• --layout：用於表格結構和座標。
• --describe：執行圖像描述。

在 DSH 中，插件提供 view_image 和 ocr_image 兩個工具。輸入可以是 http(s) URL、base64 或本地路徑；ocr_image 支持 layout=true。

適用場景與注意¶

• 系統要求：macOS 11+，並安裝 Xcode Command Line Tools。
• 運行時要求：node >=18。
• 首次運行會編譯約 5–10s，之後會緩存。
• 許可證：MIT。
• 圖片不離開 Mac。
• Web UI 的上傳僅限 loopback，並做 magic-byte 檢查，支持的格式包括 PNG / JPEG / GIF / WebP / HEIC / HEIF。
• 插件會以當前 dsh 進程權限運行。安裝前建議先檢查源碼和許可證，確認其調用方式、輸入處理與你的環境要求一致。

小結¶

niyongsheng/free-vision-skill 的價值在於把圖像描述、OCR 和表格識別放在 macOS 本地完成，並通過 view_image、ocr_image 接入 DSH。使用前確認 macOS 版本、Xcode Command Line Tools 和許可證即可。

• 社區目錄頁：https://www.skillhub.cn/plugins/niyongsheng/free-vision-skill
• GitHub：https://github.com/niyongsheng/free-vision-skill