Qwen-VL 圖片識別：爲純文本 Agent 補上視覺理解
介紹 SkillHub 社區 Skill「Qwen-VL 圖片識別」（@user_213bfd3b/qwen-vl-image-reader，v1.0.2）。它通過阿里通義千問 Qwen-VL 把截圖、文檔、圖表等解析爲結構化 Markdown，供 DeepSeek 等純文本 Agent 繼續推理。文章說明定位、核心能力、requires_api_key 要求，並給出基於 skillhub.cn 官方文檔的 CLI 安裝步驟與 Cursor 等客戶端 skills 目錄示例；典型用法與配置細節以安裝後的 SKILL.md 爲準。
閱讀全文xby-bird：DeepSeek Harness 鳥類識別插件
DeepSeek Harness (DSH) 的 `xby-bird` 插件旨在擴展模型在鳥類識別方面的能力。該插件由 xby-skill 維護，基於 MIT 許可證發佈。使用前需在官網註冊獲取 API 密鑰。核心功能包括設置 API 密鑰以及通過 API 接口識別圖片中的鳥類，支持輸入圖片鏈接、BASE64 編碼或文件路徑。用戶可通過命令行安裝，隨後在 DSH 聊天界面中調用這些功能，該插件獨立於 DeepSeek 或幻方，收錄於社區目錄。
閱讀全文dsh-image-describer：讓 DeepSeek Harness 中的純文本模型具備視覺理解能力
DeepSeek Harness (DSH) 的 `dsh-image-describer` 插件通過攔截消息流，將圖片內容轉寫爲結構化文本，使純文本大模型具備“看圖”能力。該插件支持雙模交互，包括聊天框粘貼圖片（附件模式）和對話中提及本地路徑（Tool 模式），能自動進行 OCR 與內容識別。使用前需在配置文件中開啓文本模型的圖片輸入通道，並指定多模態視覺模型（如 MiniMax-M3）及其 API Key。
閱讀全文dsh-auto-vision：給 DeepSeek Harness 的純文本主模型裝上 vision 工具
## 前言 用 DeepSeek Harness（DSH）做智能體開發時，你大概率遇到過這個問題：內置的 `read_image` 工具會把圖片塊直接塞進當前模型的上下文，只有當前主模型本身支持圖片才能用。如果你的主模型是 `deepseek v4 flash` 這類純文本模型，調用 `read_image` 會被直接拒絕——主模型看不見圖，讀圖這條路徑就斷了。 dsh-auto-vision 換了一條路：由插件內部把圖片轉發給一個多模態模型識別，主模型全程只看到文本。本文介紹它的原理、安裝和配置方式。 ## 這是什麼 dsh-auto-vision 是
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-eyes：讓 DeepSeek Harness 裏的純文本模型隨時能看圖
# 前言 在 DeepSeek Harness（DSH）裏用 DeepSeek 這類純文本模型當主模型時，有一個繞不開的限制：Harness 默認不允許向「當前模型不支持圖片」的會話發送帶圖消息。想讓模型看一張報錯截圖、一段界面佈局或一張表格照片，要麼自己先把圖裏的內容轉成文字再發過去，要麼換一個多模態主模型。 dsh-eyes 提供了另一種做法：圖片照常粘貼和發送，留在後臺持久化保存；主模型在自己需要的時候調用 `view_image` 工具看圖，識別部分由任意 OpenAI 兼容的視覺接口完成（默認百鍊 Qwen）。對使用方式來說，效果接近模型原生具
閱讀全文dsh-pro-vision：讓 DeepSeek-V4-Pro 不切模型也能識圖
dsh-pro-vision 是 lasdrder0705 開發的 DSH 插件（v0.1.0，MIT 許可），解決 DeepSeek-V4-Pro 不支持圖片輸入的問題。它把會話中的圖片先交給 deepseek-v4-flash-vision-exp 識圖，再將文字說明以 [Image N] 格式發給 Pro，主模型無需切換，且同一附件會緩存避免重複
閱讀全文dsh-vision-fallback：在 text-only 主模型裏保留聊天圖片
dsh-vision-fallback 是 DSH 的一款 MIT 許可插件，由 1HelloMan1 維護。它旨在解決主模型僅支持文本（text-only）但聊天框包含圖片的落差，通過插件化方式在請求層自動將圖片交給固定的視覺模型處理，轉換爲隱藏文本上下文返回給主模型，同時保留 UI 中的原圖。該插件兼容 DSH 0.1.2-alpha.3 至 0.1.2-alpha.5 版本，要求 Node 環境不低於 22.13.0。 其核心功能包括：自動處理 MCP/ACP 持久化附件及 PTC 嵌套圖片並保持順序；支持通過 Web 設置頁或 settings.yaml 配置視覺模型、Base URL
閱讀全文dsh-vision-skill：讓 DSH 純文本模型也能識圖、OCR、定位目標
dsh-vision-skill 是 DSH 生態下的標準識圖插件，由 DDDFXYqiming 開發並採用 MIT 授權。該插件旨在彌補純文本模型無法直接處理圖片的缺陷，通過註冊原生 `vision` runtime skill，讓文本模型能夠調用本地工具實現圖片識別、OCR、目標定位及主色分析等功能。 其核心工具包括：`vision_analyze`（支持通用、代碼、證據等6種模式）、`vision_ocr`（保留排版的文字提取）、`vision_ground`（返回座標的目標定位）、`vision_detect`（枚舉按鈕等元素）、`vision_dominant_colors`（本地算
閱讀全文dsh-vision-bridge：給 DeepSeek V4 / V4-Flash 的圖片消息加一層描述橋接
dsh-vision-bridge 是 DSH 的一個第三方圖片處理插件，旨在解決 DeepSeek V4 / V4-Flash 等純文本模型無法原生處理圖片上下文的問題。該插件通過調用 OpenAI 兼容的視覺語言模型（VLM），將用戶輸入的圖片自動轉換爲文字描述，再交由 DeepSeek 處理，從而在不改變原有文本流程的前提下實現圖片理解。 核心功能包括：自動識別並轉換圖片內容、動態聲明模型支持圖片輸入、請求前攔截並替換圖片塊、原生支持圖片的模型直接放行、基於 attachmentId 緩存描述以重複發送不重複計費、識別失敗時優雅降級且不中斷對話。安裝需前置 dsh CLI 與 pnpm，
閱讀全文