前言¶
DeepSeek Harness（DSH）採用插件化架構，開發者或用戶在 web profile 下往往需要處理文檔截圖、表格識別等視覺任務。現有方案中，長文檔識別容易因 Token 限制被截斷，且缺乏統一的導出和歷史管理工具。aura-vision 是一款專爲 DSH web profile 設計的免費視覺識別插件，旨在解決這些痛點，提供從識別到導出的完整工作流。
是什麼¶
aura-vision 是一款免費視覺識別插件，由 Ck-epsilon 維護，採用 MIT 許可證。
它專爲 DeepSeek Harness web profile 打造，核心價值在於支持長文檔識別和多種導出格式。通過集成智譜 GLM-4V-Flash 等免費或兼容接口，它讓本地視覺能力變得觸手可及。
核心功能¶
插件提供以下核心能力：
-
多通道支持
- 優先使用智譜 GLM-4V-Flash（免費檔）。
- 支持配置任意 OpenAI 兼容多模態接口。
- 提供 Pollinations 匿名兜底方案。
-
長文檔識別
- 通過自適應網格切塊（單塊目標 1100px、最多 3×3、8% 重疊）逐塊識別，突破 1024 tokens 輸出上限。
- 對大於 3200px 的圖片進行溫和歸一化處理。
-
界面與交互
- 採用 Aura UI 設計語言：高透毛玻璃效果（55% 底色 + 28px 模糊）、三星機身式小圓角。
- 深淺主題自洽，次級信息若有似無。
-
歷史記錄管理
- 縮略圖與原圖分離存儲。
- 支持收藏、過濾、刪除、清空歷史。
- 導出 Markdown（原圖內嵌 base64，單文件自包含）。
-
多格式結果導出
- 支持導出 Markdown、Word (.doc)、PNG 長圖、Excel（含表格時）。
- 雙擊預覽圖與詳情圖全屏放大。
安裝與啓用¶
- 執行安裝命令：
dsh plugin --profile web add aura-vision
- 必須重啓 dsh 才能生效。重啓後，在任意會話的輸入框右側會出現「識圖」按鈕，即表示安裝成功。
典型用法¶
- 基本使用：點擊「識圖」按鈕，上傳圖片後等待識別結果。
- 長文檔處理：上傳長圖時，系統會自動切塊逐塊順序調用。塊數越多，耗時越長，這是預期行爲。
- 卸載插件：如需移除，執行：
dsh plugin --profile web remove aura-vision
注意事項¶
- 重啓生效：安裝或升級後，必須重啓 dsh 進程才能加載新功能。
- Token 限制：glm-4v-flash 輸出上限 1024 tokens 屬免費模型的硬限制。插件雖通過切塊緩解，但若需更完整結果，需配置支持更長輸出的模型並設爲當前。
- 數據存儲：數據存於
<workspaceRoot>/.aura-vision/目錄，隨工作區遷移。 - 密鑰管理：API Key 存儲在本地憑證庫中。換機器後，歷史記錄隨工作區遷移，但需在新機器重新填寫 Key。
- 隱私安全：圖片僅發給當前所選的後端（智譜或你配置的接口），本機不向任何第三方上傳。
短結尾¶
作爲一款開源插件，Aura Vision 提供了從長文檔識別到多格式導出的實用工具鏈。更多技術細節和源碼可參考其 GitHub 倉庫：https://github.com/Ck-epsilon/aura-vision
