dsh_omnivision:OmniParser 驅動的 GUI 智能體插件

OmniVision 是一款基於 OmniParser 的 GUI 智能體插件,旨在解決模型在缺乏原生多模態視覺能力時難以理解屏幕並操作界面的難題。該插件將屏幕內容轉化爲包含文本、圖標及座標的結構化數據,支持屏幕識別、桌面自動化(點擊、輸入等)、實時 Dock 識別、圖片解析及工具調用記錄等功能。安裝需滿足 Windows 平臺及 OmniParser 服務運行等條件,主要面向 DeepSeek Harness 桌面任務開發場景。

閱讀全文