前言¶
DeepSeek Harness（DSH）采用插件化架构，开发者或用户在 web profile 下往往需要处理文档截图、表格识别等视觉任务。现有方案中，长文档识别容易因 Token 限制被截断，且缺乏统一的导出和历史管理工具。aura-vision 是一款专为 DSH web profile 设计的免费视觉识别插件，旨在解决这些痛点，提供从识别到导出的完整工作流。
是什么¶
aura-vision 是一款免费视觉识别插件，由 Ck-epsilon 维护，采用 MIT 许可证。
它专为 DeepSeek Harness web profile 打造，核心价值在于支持长文档识别和多种导出格式。通过集成智谱 GLM-4V-Flash 等免费或兼容接口，它让本地视觉能力变得触手可及。
核心功能¶
插件提供以下核心能力：
-
多通道支持
- 优先使用智谱 GLM-4V-Flash（免费档）。
- 支持配置任意 OpenAI 兼容多模态接口。
- 提供 Pollinations 匿名兜底方案。
-
长文档识别
- 通过自适应网格切块（单块目标 1100px、最多 3×3、8% 重叠）逐块识别，突破 1024 tokens 输出上限。
- 对大于 3200px 的图片进行温和归一化处理。
-
界面与交互
- 采用 Aura UI 设计语言：高透毛玻璃效果（55% 底色 + 28px 模糊）、三星机身式小圆角。
- 深浅主题自洽，次级信息若有似无。
-
历史记录管理
- 缩略图与原图分离存储。
- 支持收藏、过滤、删除、清空历史。
- 导出 Markdown（原图内嵌 base64，单文件自包含）。
-
多格式结果导出
- 支持导出 Markdown、Word (.doc)、PNG 长图、Excel（含表格时）。
- 双击预览图与详情图全屏放大。
安装与启用¶
- 执行安装命令：
dsh plugin --profile web add aura-vision
- 必须重启 dsh 才能生效。重启后，在任意会话的输入框右侧会出现「识图」按钮，即表示安装成功。
典型用法¶
- 基本使用：点击「识图」按钮，上传图片后等待识别结果。
- 长文档处理：上传长图时，系统会自动切块逐块顺序调用。块数越多，耗时越长，这是预期行为。
- 卸载插件：如需移除，执行：
dsh plugin --profile web remove aura-vision
注意事项¶
- 重启生效：安装或升级后，必须重启 dsh 进程才能加载新功能。
- Token 限制：glm-4v-flash 输出上限 1024 tokens 属免费模型的硬限制。插件虽通过切块缓解，但若需更完整结果，需配置支持更长输出的模型并设为当前。
- 数据存储：数据存于
<workspaceRoot>/.aura-vision/目录，随工作区迁移。 - 密钥管理：API Key 存储在本地凭证库中。换机器后，历史记录随工作区迁移，但需在新机器重新填写 Key。
- 隐私安全：图片仅发给当前所选的后端（智谱或你配置的接口），本机不向任何第三方上传。
短结尾¶
作为一款开源插件，Aura Vision 提供了从长文档识别到多格式导出的实用工具链。更多技术细节和源码可参考其 GitHub 仓库：https://github.com/Ck-epsilon/aura-vision
