Claw Eyes 蝦看：讓文字模型通過剪貼板「看圖」
Claw Eyes 蝦看（@user_bed45be1/claw-eyes，v2.0.1）是 SkillHub 社區 ai-agent 類 Skill，在 Windows/macOS/Linux 讀取剪貼板圖片並優先通過視覺 API 分析，MCP 備用。支持中英觸發如「看圖」、多供應商預置與自定義提示詞，需配置 API Key。文章介紹能力邊界、skillhub CLI 安裝到各 Agent skills 目錄的方法，以及典型截圖分析流程與使用注意。
閱讀全文dsh-computer-use-native：基於視覺模型的 Windows 桌面控制插件
`dsh-computer-use-native` 是一款專爲 DeepSeek Harness (DSH) 設計的 Windows 桌面自動化插件。針對現代應用（如 Chromium、Electron）不暴露可訪問性樹的問題，該插件通過截圖獲取真實像素，利用 Win32 FFI 驅動窗口，提供截圖、點擊、輸入等核心工具。它支持後臺輸入模式，避免搶佔焦點；具備視口座標映射功能，確保模型操作精準；並採用像素差異比較優化截圖性能，顯著降低交互成本。此方案兼容 Windows 10/11 及 Node.js 22+，是視覺模型控制現代 Windows 應用的有效解決方案。
閱讀全文dsh-tool-see-image：爲 DeepSeek Harness 添加視覺能力
`dsh-tool-see-image` 是 DeepSeek Harness 的插件工具，解決純文本模型無法直接處理圖片的問題。它作爲中間層，調用視覺模型（默認 GLM-4V-Flash）分析圖片並返回文本描述。 核心功能包括通過 `ctx.fs` 沙箱感知讀取文件、支持 OpenAI 兼容接口的視覺模型，以及粘貼轉文字的附加腳本。安裝需手動複製插件文件、聲明依賴、配置 `cordis.patch.yml` 並設置 API Key。配置項支持自定義 baseURL、模型及 Token 限制，遵循 MIT 協議，旨在通過輕量級擴展增強模型視覺能力。
閱讀全文DeepSeek Harness 視覺橋接插件：將圖像消息路由至兼容 OpenAI 的端點
DeepSeek Harness (DSH) 的 `zh-u-hb/dsh-vision-bridge` 插件通過監聽 DSH 消息流水線，解決文本模型無法直接處理圖像的問題。當檢測到活躍模型不支持圖像時，插件會將圖像轉發至用戶配置的 OpenAI 兼容視覺模型，並將返回的文本替換回對話流中。該插件支持通過 Web 頁面配置 API 端點、密鑰及模型 ID，並自動合成提示詞與圖像數據。使用時需注意僅支持 OpenAI 協議，且僅處理特定階段的圖像消息。
閱讀全文dsh-image-bridge：將圖片轉爲文字描述，讓純文本模型也能“看見”圖片
`dsh-image-bridge` 是一個 DeepSeek Harness 插件，旨在解決純文本模型無法理解 Web GUI 中的圖片問題。它通過攔截消息鉤子，利用視覺模型將圖片轉錄爲文字描述，並替換原圖片塊進入對話。該插件具備自動重試、模型回退、結果緩存及失敗降級等韌性策略，支持配置主模型、回退鏈及體積分辨率限制。安裝後即可讓 DeepSeek 等純文本模型具備“看圖”能力。
閱讀全文dsh-view-image：讓純文本模型也能讀圖
`dsh-view-image` 是一個 DeepSeek Harness (DSH) 插件，旨在解決純文本主對話模型無法處理圖片的問題。通過配置獨立的 OpenAI 兼容視覺模型，插件將圖片字節轉化爲純文本描述並插入對話歷史，從而讓純文本模型具備讀圖能力。 該插件支持 Web 粘貼即用、終端文件路徑調用，提供縮略圖預覽、一鍵複製及持久化存儲功能。用戶需安裝插件並配置視覺模型端點，圖片將以內容尋址方式存儲，但需注意手動清理附件目錄。
閱讀全文dsh-vision-bridge：讓純文本模型接收圖像
`dsh-vision-bridge` 是一個 DeepSeek Harness 插件，旨在解決純文本模型無法處理圖像的問題。它利用本地 Ollama 運行的 `qwen2.5vl` 模型，將圖片轉換爲文本描述發送給 DeepSeek API，實現本地化的視覺處理。 該插件提供原生圖片體驗、請求層透明適配、結構化輸出與座標支持。包含九種視覺工具，如描述、OCR、區域查詢等，並支持重複圖像緩存。安裝後，插件會註冊一個“孿生”路由並注入工具集，所有操作均在本地完成，確保隱私安全。
閱讀全文dsh-image-vision：純文本模型接入視覺能力
`dsh-image-vision` 是 DeepSeek Harness 的輕量級插件，通過包裝 `llm` 服務接口，讓純文本主模型具備圖片理解能力，無需修改主機代碼或破壞官方插件生態。它支持通用圖片輸入、飛書文檔解析及本地圖片描述，依賴配置帶 `VL` 後綴的視覺模型路由。安裝便捷，功能兼容性強，適合在不破壞現有架構的情況下爲智能體接入視覺能力。
閱讀全文DeepSeek Harness 插件 dsh-subagent-vision：讓純文本主代理在會話中直接讀取圖像
DeepSeek Harness 插件 `dsh-subagent-vision` 解決了純文本模型無法處理圖像的問題。它通過將圖像處理任務委派給配置的視覺子代理，允許主代理保持純文本狀態並獲取視覺結果。該插件支持粘貼、拖放及路徑導入圖像，提供原生 Web GUI 體驗，並可將圖像大小限制在 25MB 以內。安裝後，用戶只需告知代理任務，插件即可自動調用子代理的 `read_image` 工具完成任務。
閱讀全文Duhai Vision：DeepSeek Harness 的通用視覺模型適配器
`duhai-vision` 是一個適配 Codex 和 DSH 的通用視覺模型插件，旨在爲長文檔、表格及複雜版面提供可審計的視覺處理能力。其默認優先使用 PaddleOCR-VL，Qwen 作爲後備，支持返回結構化數據。 安裝需配置 Paddle Token 並通過命令行添加插件。圖片處理流程爲：保存圖片哈希路徑 -> PaddleOCR-VL 提取結構 -> DeepSeek 推理。該插件提供 3000 頁免費額度，但需注意遠程服務的隱私風險。
閱讀全文dsh-image-bridge：讓 DeepSeek Harness 中的文本模型支持圖片輸入
`dsh-image-bridge` 是一個 DeepSeek Harness (DSH) 插件，旨在解決純文本模型在 DSH 中無法處理圖片的限制。它通過包裝接口和利用 DSH 的 surface replace 機制，允許文本模型接收圖片，將圖片落盤並轉化爲文本格式供模型調用視覺或 MCP 工具。該插件支持圖片縮略圖展示，安裝簡便，但需注意命令與圖片混用以及歷史圖片的處理限制。
閱讀全文dsh-tool-vision-read：讓純文本 agent 也能「看見」圖片的 DSH 插件
# 前言 做智能體開發常碰到這樣一個缺口：主 agent 用的模型路由沒有聲明 image 輸入，是個純文本模型。用戶丟過來一個圖片路徑讓它描述，它做不到——要麼手動換到有視覺能力的會話，要麼自己看一眼圖再轉述給它。DeepSeek Harness（下稱 DSH）的理念是「一切皆插件」，這種單點能力缺口正適合用一個小插件補上。下面介紹 Mappedinfo 維護的 dsh-tool-vision-read，它註冊一個 `vision_read` 工具，把讀圖這一步路由給專用視覺模型，純文本 agent 調用一次就能拿到圖片的文字描述。 # 這是什麼 ds
閱讀全文dsh-image-vision-bridge：把圖片轉成文本描述餵給 DSH 主模型
# 前言 在 DeepSeek Harness（DSH）裏做智能體開發，常會遇到一個別扭的問題：主模型是純文本模型，用戶卻往對話裏發截圖。dsh 0.1.1+ 對這種情況做了內置降級——請求不會報錯，但模型只能看到一個圖片佔位，實際看不到圖片內容。想讓模型真正基於圖片回答，要麼換主模型，要麼自己寫一層轉發邏輯。 dsh-image-vision-bridge 解決的就是這個問題：它把用戶消息中的圖片自動發給視覺模型（默認是 opencode-go 路由上的 mimo-v2.5），把返回的文本描述餵給主文本模型，聊天記錄保持原圖顯示。DSH 的理念是「一切
閱讀全文dsh-plugin-mm-vision：給純文本 LLM 增加結構化看圖能力
dsh-plugin-mm-vision 是一款 DeepSeek Harness (DSH) 插件，旨在爲純文本 LLM 提供圖片理解能力。該插件註冊 `mm_vision` 工具，調用外部視覺模型將圖片轉化爲包含精確百分比座標的結構化空間文字描述，使文本模型無需直接處理圖像即可分析空間關係。 核心功能包括“通感編碼”，適用於 K 線圖、UI 截圖及自然照片等；支持像素級座標定位和可選的 40×30 像素色塊網格重建；具備自動模式，能根據圖表或自然圖特徵自適應調整輸出細節。插件支持配置任意 OpenAI 兼容視覺模型，並提供 TTL 緩存機制以提升響應速度。 安裝需 DSH 環境及 Node
閱讀全文dsh-vision-provider：在 DeepSeek Harness Web UI 中選擇視覺模型組合
dsh-vision-provider 是 DeepSeek Harness (DSH) 的社區插件，旨在實現“視覺模型分析 + DeepSeek 推理回答”的雙模型橋接。它並非原生像素輸入，而是將 Settings 中聲明瞭圖像輸入能力的第三方視覺模型暴露爲可選組合。當用戶發送含圖請求時，由選定的視覺模型處理圖像，結果替換原圖後交由 DeepSeek 負責推理、工具調用及最終回答；純文本請求則直接由 DeepSeek 處理。 該插件支持通過 Web UI 配置第三方視覺模型或直連 OpenAI-compatible 端點。安裝需 Node.js >=22.19.0 及 DSH 兼容版本，使用
閱讀全文dsh-vision-opencode：爲純文本主模型配置可切換的識圖模型
dsh-vision-opencode 是 DSH Web 端插件，通過可配置的視覺模型將聊天圖片轉爲文字，供 DeepSeek 等純文本主模型繼續推理，無需切換主模型。支持輸入框識圖模型選擇、Vision 設置、vision_read_image 工具與 vision-image-analysis skill，含 60s 超時與失敗重試兜底。安裝：dsh plugin --profile web add -w github:poiuyjie/dsh-vision-opencode。MIT 許可證，維護者 poiuyjie。
閱讀全文使用dsh-vision給純文本DeepSeek Harness加上view_image識圖能力
william-jin-cmu 維護的 dsh-vision 給純文本 DeepSeek 註冊 view_image 工具，把本地圖片或 URL 轉發給任意 OpenAI 兼容 VLM，答案以文本返回。默認智譜免費檔 glm-4.6v-flash，可換成百鍊、方舟或本機 Ollama。社區目錄安裝命令爲 dsh plugin add github:william-jin-cmu/dsh-vision。插件以當前 dsh 進程權限運行，雲端路徑會把圖片發到第三方端點，裝前需檢查源碼與許可證。
閱讀全文用 dsh-vision-proxy 讓 DeepSeek Harness 裏的純文本對話也能識圖
dsh-vision-proxy 是 Flyvhidbwo 維護的 DeepSeek Harness 界面增強插件（MIT）。它註冊 deepseek-vision 路由，把 GUI 附加圖片經 OpenAI 兼容 VLM 轉成文字後再交給純文本 DeepSeek 作答，默認百鍊 qwen3.7-flash，無密鑰時可自動探測本地 Ollama。本文按社區目錄頁與 GitHub README / package.json 覈對安裝命令、配置方式和隱私邊界。
閱讀全文