前言¶
給 AI 看一張截圖，常見的做法有兩條路：要麼自己把圖裏的內容轉成文字描述，要麼把圖片上傳到雲端多模態接口。前者費時，還容易丟掉位置、佈局這類細節；後者則要考慮隱私和成本。
DSH 的理念是「一切皆插件」，視覺能力同樣可以以插件形式補齊。本文介紹的 @zenk/vision 做的就是這件事：在對話框裏直接粘貼截圖，AI 就能看到並分析，圖片不出本機。
這是什麼¶
@zenk/vision 是 DSH 的本地視覺插件，由 kaaaaahn 維護，MIT 協議開源，當前版本 0.3.1。它把兩條本地視覺鏈路接入 DSH：macOS Vision 負責 OCR，ollama 上的 qwen3-vl 負責語義理解。
核心功能¶
- OCR 帶像素座標：基於 macOS Vision，識別文字的同時給出像素位置，做 UI 定位時可以直接按座標說。
- 語義理解：通過 ollama 運行 qwen3-vl，能看懂畫面佈局、元素與異常區域。
- 零配置：自動檢測環境、按內存選模型（8G→2b / 16~32G→4b / 32G+→8b），缺 ollama 時自動安裝。
- 漸進可用：模型在後臺下載（1.8~5.7GB），下載期間 OCR 已經可用。
- 全本地：免費、離線，圖片不出 Mac。
- 上傳圖片橋接：將圖片塊轉爲文本，text-only 通道也能使用。
安裝與啓用¶
使用 README 給出的安裝命令：
dsh plugin --profile web add "github:kaaaaahn/dsh-vision#v0.3.1"
這條命令從 GitHub 拉取 v0.3.1 版本。安裝完成後重啓 DSH 生效；桌面端把 --profile web 換成 --profile desktop 即可。
需要注意，插件市場條目（添加來源 https://kaaaaahn.github.io/dsh-vision/catalog/source.json）依賴 npm 發佈，目前暫未上線，現階段請使用上面的 GitHub 命令安裝。
首次使用時，插件會自動在後臺下載模型（1.8~5.7GB），下載期間 OCR 已可用。環境依賴 macOS Vision 與 ollama，缺 ollama 時會自動安裝，環境細節見倉庫中的 docs/ollama-setup.md。
典型用法¶
最直接的用法：在對話框裏粘貼圖片發送，AI 自動分析並回復。截圖、粘貼、發送，不需要額外命令。
第二種是讓 AI 調用工具分析本地文件：
vision_analyze(file_path=..., describe=true)
file_path 指定本地圖片路徑，describe=true 開啓語義描述。適合分析磁盤上已有的圖片，比如讓 AI 描述一張截圖的佈局與元素。
適用場景與注意¶
適合的場景：
1、日常對話中直接粘貼截圖，讓 AI 讀圖回答，省去手動轉述；
2、做 UI 相關工作時，利用帶像素座標的 OCR 定位元素；
3、對隱私敏感、不希望截圖離開本機的環境。
使用前有幾點注意：
1、插件依賴 macOS Vision，面向 Mac 環境使用；
2、首次使用會下載 1.8~5.7GB 的模型，注意磁盤空間和網絡；模型選型參考 docs/ollama-setup.md；
3、安全方面，插件以當前 dsh 進程權限運行，安裝前建議先檢查源碼與許可證。本項目爲 MIT 協議，核心代碼集中在 lib/index.js（插件入口，含 vision_analyze、vision_setup、圖片橋接等）與 lib/vision_analyze.swift（OCR 與 ollama 語義描述腳本，隨包分發），可以直接審閱；
4、遇到問題先查 docs/troubleshooting.md，裏面有 22 條 FAQ。
結尾¶
@zenk/vision 做的事情不復雜：把 macOS 自帶的 OCR 和本地多模態模型接進 DSH，讓「給 AI 看圖」變成粘貼一下的事，同時保證圖片不出本機。對經常需要讀截圖的 DSH 用戶來說，是一個實用的補充。
- 插件目錄頁：https://www.skillhub.cn/plugins/kaaaaahn/dsh-vision
- GitHub 倉庫：https://github.com/kaaaaahn/dsh-vision
其中目錄頁爲社區維護的獨立站點，與 DeepSeek、幻方無官方從屬關係。
