Duhai Vision：DeepSeek Harness 的通用視覺模型適配器

DSH 採用“一切皆插件”的理念。在處理長文檔、表格或複雜版面時，我們需要明確的視覺處理路線和可審計性。duhai-vision 是一個通用視覺模型適配器，支持 Codex 和 DSH，旨在提供可替換且不影響視覺質量的視覺處理能力。

核心定位¶

功能：通用視覺模型適配器。
支持對象：Codex 和 DeepSeek Harness。
底層模型：默認優先 PaddleOCR-VL，Qwen 作爲後備或顯式選擇。
維護者：hamliy-feng。
許可證：MIT。

安裝與配置¶

在使用前，需要安裝運行依賴並配置訪問憑證。

1. 安裝依賴¶

安裝 PaddleOCR-VL 運行依賴：

python -m pip install "paddleocr>=3.4,<4"

2. 配置 Paddle Access Token¶

配置 Paddle Access Token：

$env:PADDLEOCR_ACCESS_TOKEN = "<你的 Access Token>"
[Environment]::SetEnvironmentVariable(
  "PADDLEOCR_ACCESS_TOKEN",
  "<你的 Access Token>",
  "User"
)

3. 安裝插件¶

將插件安裝到 DSH Web profile：

dsh plugin --profile web add github:hamliy-feng/duhai-vision
dsh web

Linux 與 macOS 用戶使用對應命令：

python3 -m pip install "paddleocr>=3.4,<4"
export PADDLEOCR_ACCESS_TOKEN="<你的 Access Token>"
dsh plugin --profile web add github:hamliy-feng/duhai-vision
dsh web

安裝後，DSH 會獲得 Duhai Vision · deepseek-v4-flash 模型路由，可以直接在對話框粘貼或上傳圖片。

功能特性¶

結構化輸出：返回結構化 JSON、正文、版面、表格、公式等。
可審計性：提供模型、頁數、耗時和 Token 數據，避免未知值記爲 0。
默認優先：auto 對所有支持的視覺任務均先使用 PaddleOCR-VL。
後備機制：Qwen 僅在顯式選擇或 PaddleOCR-VL 失敗時啓用。

工作流程¶

圖片處理：對話框圖片會先保存到 ~/.dsh/duhai-vision/attachments/ 的內容哈希路徑。
結構化提取：由 PaddleOCR-VL 提取結構化觀察。
模型推理：最後交給 DeepSeek 完成推理與回答。
純文本請求：純文字請求直接透傳到 DeepSeek。

注意事項¶

免費額度：每位用戶、每個模型當前有 3000 頁免費額度（以官方規則爲準）。
隱私安全：遠程服務會接收圖片，敏感材料應先脫敏，或不要走遠程路線。