Qwen-VL 图片识别：为纯文本 Agent 补上视觉理解
介绍 SkillHub 社区 Skill「Qwen-VL 图片识别」（@user_213bfd3b/qwen-vl-image-reader，v1.0.2）。它通过阿里通义千问 Qwen-VL 把截图、文档、图表等解析为结构化 Markdown，供 DeepSeek 等纯文本 Agent 继续推理。文章说明定位、核心能力、requires_api_key 要求，并给出基于 skillhub.cn 官方文档的 CLI 安装步骤与 Cursor 等客户端 skills 目录示例；典型用法与配置细节以安装后的 SKILL.md 为准。
阅读全文xby-bird：DeepSeek Harness 鸟类识别插件
DeepSeek Harness (DSH) 的 `xby-bird` 插件旨在扩展模型在鸟类识别方面的能力。该插件由 xby-skill 维护，基于 MIT 许可证发布。使用前需在官网注册获取 API 密钥。核心功能包括设置 API 密钥以及通过 API 接口识别图片中的鸟类，支持输入图片链接、BASE64 编码或文件路径。用户可通过命令行安装，随后在 DSH 聊天界面中调用这些功能，该插件独立于 DeepSeek 或幻方，收录于社区目录。
阅读全文dsh-image-describer：让 DeepSeek Harness 中的纯文本模型具备视觉理解能力
DeepSeek Harness (DSH) 的 `dsh-image-describer` 插件通过拦截消息流，将图片内容转写为结构化文本，使纯文本大模型具备“看图”能力。该插件支持双模交互，包括聊天框粘贴图片（附件模式）和对话中提及本地路径（Tool 模式），能自动进行 OCR 与内容识别。使用前需在配置文件中开启文本模型的图片输入通道，并指定多模态视觉模型（如 MiniMax-M3）及其 API Key。
阅读全文dsh-auto-vision：给 DeepSeek Harness 的纯文本主模型装上 vision 工具
## 前言 用 DeepSeek Harness（DSH）做智能体开发时，你大概率遇到过这个问题：内置的 `read_image` 工具会把图片块直接塞进当前模型的上下文，只有当前主模型本身支持图片才能用。如果你的主模型是 `deepseek v4 flash` 这类纯文本模型，调用 `read_image` 会被直接拒绝——主模型看不见图，读图这条路径就断了。 dsh-auto-vision 换了一条路：由插件内部把图片转发给一个多模态模型识别，主模型全程只看到文本。本文介绍它的原理、安装和配置方式。 ## 这是什么 dsh-auto-vision 是
阅读全文dsh-tool-vision-read：让纯文本 agent 也能「看见」图片的 DSH 插件
# 前言 做智能体开发常碰到这样一个缺口：主 agent 用的模型路由没有声明 image 输入，是个纯文本模型。用户丢过来一个图片路径让它描述，它做不到——要么手动换到有视觉能力的会话，要么自己看一眼图再转述给它。DeepSeek Harness（下称 DSH）的理念是「一切皆插件」，这种单点能力缺口正适合用一个小插件补上。下面介绍 Mappedinfo 维护的 dsh-tool-vision-read，它注册一个 `vision_read` 工具，把读图这一步路由给专用视觉模型，纯文本 agent 调用一次就能拿到图片的文字描述。 # 这是什么 ds
阅读全文dsh-eyes：让 DeepSeek Harness 里的纯文本模型随时能看图
# 前言 在 DeepSeek Harness（DSH）里用 DeepSeek 这类纯文本模型当主模型时，有一个绕不开的限制：Harness 默认不允许向「当前模型不支持图片」的会话发送带图消息。想让模型看一张报错截图、一段界面布局或一张表格照片，要么自己先把图里的内容转成文字再发过去，要么换一个多模态主模型。 dsh-eyes 提供了另一种做法：图片照常粘贴和发送，留在后台持久化保存；主模型在自己需要的时候调用 `view_image` 工具看图，识别部分由任意 OpenAI 兼容的视觉接口完成（默认百炼 Qwen）。对使用方式来说，效果接近模型原生具
阅读全文dsh-pro-vision：让 DeepSeek-V4-Pro 不切模型也能识图
dsh-pro-vision 是 lasdrder0705 开发的 DSH 插件（v0.1.0，MIT 许可），解决 DeepSeek-V4-Pro 不支持图片输入的问题。它把会话中的图片先交给 deepseek-v4-flash-vision-exp 识图，再将文字说明以 [Image N] 格式发给 Pro，主模型无需切换，且同一附件会缓存避免重复
阅读全文dsh-vision-fallback：在 text-only 主模型里保留聊天图片
dsh-vision-fallback 是 DSH 的一款 MIT 许可插件，由 1HelloMan1 维护。它旨在解决主模型仅支持文本（text-only）但聊天框包含图片的落差，通过插件化方式在请求层自动将图片交给固定的视觉模型处理，转换为隐藏文本上下文返回给主模型，同时保留 UI 中的原图。该插件兼容 DSH 0.1.2-alpha.3 至 0.1.2-alpha.5 版本，要求 Node 环境不低于 22.13.0。 其核心功能包括：自动处理 MCP/ACP 持久化附件及 PTC 嵌套图片并保持顺序；支持通过 Web 设置页或 settings.yaml 配置视觉模型、Base URL
阅读全文dsh-vision-skill：让 DSH 纯文本模型也能识图、OCR、定位目标
dsh-vision-skill 是 DSH 生态下的标准识图插件，由 DDDFXYqiming 开发并采用 MIT 授权。该插件旨在弥补纯文本模型无法直接处理图片的缺陷，通过注册原生 `vision` runtime skill，让文本模型能够调用本地工具实现图片识别、OCR、目标定位及主色分析等功能。 其核心工具包括：`vision_analyze`（支持通用、代码、证据等6种模式）、`vision_ocr`（保留排版的文字提取）、`vision_ground`（返回坐标的目标定位）、`vision_detect`（枚举按钮等元素）、`vision_dominant_colors`（本地算
阅读全文dsh-vision-bridge：给 DeepSeek V4 / V4-Flash 的图片消息加一层描述桥接
dsh-vision-bridge 是 DSH 的一个第三方图片处理插件，旨在解决 DeepSeek V4 / V4-Flash 等纯文本模型无法原生处理图片上下文的问题。该插件通过调用 OpenAI 兼容的视觉语言模型（VLM），将用户输入的图片自动转换为文字描述，再交由 DeepSeek 处理，从而在不改变原有文本流程的前提下实现图片理解。 核心功能包括：自动识别并转换图片内容、动态声明模型支持图片输入、请求前拦截并替换图片块、原生支持图片的模型直接放行、基于 attachmentId 缓存描述以重复发送不重复计费、识别失败时优雅降级且不中断对话。安装需前置 dsh CLI 与 pnpm，
阅读全文