前言¶
给 AI 看一张截图，常见的做法有两条路：要么自己把图里的内容转成文字描述，要么把图片上传到云端多模态接口。前者费时，还容易丢掉位置、布局这类细节；后者则要考虑隐私和成本。
DSH 的理念是「一切皆插件」，视觉能力同样可以以插件形式补齐。本文介绍的 @zenk/vision 做的就是这件事：在对话框里直接粘贴截图，AI 就能看到并分析，图片不出本机。
这是什么¶
@zenk/vision 是 DSH 的本地视觉插件，由 kaaaaahn 维护，MIT 协议开源，当前版本 0.3.1。它把两条本地视觉链路接入 DSH：macOS Vision 负责 OCR，ollama 上的 qwen3-vl 负责语义理解。
核心功能¶
- OCR 带像素坐标：基于 macOS Vision，识别文字的同时给出像素位置，做 UI 定位时可以直接按坐标说。
- 语义理解：通过 ollama 运行 qwen3-vl，能看懂画面布局、元素与异常区域。
- 零配置：自动检测环境、按内存选模型（8G→2b / 16~32G→4b / 32G+→8b），缺 ollama 时自动安装。
- 渐进可用：模型在后台下载（1.8~5.7GB），下载期间 OCR 已经可用。
- 全本地：免费、离线，图片不出 Mac。
- 上传图片桥接：将图片块转为文本，text-only 通道也能使用。
安装与启用¶
使用 README 给出的安装命令：
dsh plugin --profile web add "github:kaaaaahn/dsh-vision#v0.3.1"
这条命令从 GitHub 拉取 v0.3.1 版本。安装完成后重启 DSH 生效；桌面端把 --profile web 换成 --profile desktop 即可。
需要注意，插件市场条目（添加来源 https://kaaaaahn.github.io/dsh-vision/catalog/source.json）依赖 npm 发布，目前暂未上线，现阶段请使用上面的 GitHub 命令安装。
首次使用时，插件会自动在后台下载模型（1.8~5.7GB），下载期间 OCR 已可用。环境依赖 macOS Vision 与 ollama，缺 ollama 时会自动安装，环境细节见仓库中的 docs/ollama-setup.md。
典型用法¶
最直接的用法：在对话框里粘贴图片发送，AI 自动分析并回复。截图、粘贴、发送，不需要额外命令。
第二种是让 AI 调用工具分析本地文件：
vision_analyze(file_path=..., describe=true)
file_path 指定本地图片路径，describe=true 开启语义描述。适合分析磁盘上已有的图片，比如让 AI 描述一张截图的布局与元素。
适用场景与注意¶
适合的场景：
1、日常对话中直接粘贴截图，让 AI 读图回答，省去手动转述；
2、做 UI 相关工作时，利用带像素坐标的 OCR 定位元素；
3、对隐私敏感、不希望截图离开本机的环境。
使用前有几点注意：
1、插件依赖 macOS Vision，面向 Mac 环境使用；
2、首次使用会下载 1.8~5.7GB 的模型，注意磁盘空间和网络；模型选型参考 docs/ollama-setup.md；
3、安全方面，插件以当前 dsh 进程权限运行，安装前建议先检查源码与许可证。本项目为 MIT 协议，核心代码集中在 lib/index.js（插件入口，含 vision_analyze、vision_setup、图片桥接等）与 lib/vision_analyze.swift（OCR 与 ollama 语义描述脚本，随包分发），可以直接审阅；
4、遇到问题先查 docs/troubleshooting.md，里面有 22 条 FAQ。
结尾¶
@zenk/vision 做的事情不复杂：把 macOS 自带的 OCR 和本地多模态模型接进 DSH，让「给 AI 看图」变成粘贴一下的事，同时保证图片不出本机。对经常需要读截图的 DSH 用户来说，是一个实用的补充。
- 插件目录页：https://www.skillhub.cn/plugins/kaaaaahn/dsh-vision
- GitHub 仓库：https://github.com/kaaaaahn/dsh-vision
其中目录页为社区维护的独立站点，与 DeepSeek、幻方无官方从属关系。
