Claw Eyes 虾看：让文字模型通过剪贴板「看图」
Claw Eyes 虾看（@user_bed45be1/claw-eyes，v2.0.1）是 SkillHub 社区 ai-agent 类 Skill，在 Windows/macOS/Linux 读取剪贴板图片并优先通过视觉 API 分析，MCP 备用。支持中英触发如「看图」、多供应商预置与自定义提示词，需配置 API Key。文章介绍能力边界、skillhub CLI 安装到各 Agent skills 目录的方法，以及典型截图分析流程与使用注意。
阅读全文dsh-computer-use-native：基于视觉模型的 Windows 桌面控制插件
`dsh-computer-use-native` 是一款专为 DeepSeek Harness (DSH) 设计的 Windows 桌面自动化插件。针对现代应用（如 Chromium、Electron）不暴露可访问性树的问题，该插件通过截图获取真实像素，利用 Win32 FFI 驱动窗口，提供截图、点击、输入等核心工具。它支持后台输入模式，避免抢占焦点；具备视口坐标映射功能，确保模型操作精准；并采用像素差异比较优化截图性能，显著降低交互成本。此方案兼容 Windows 10/11 及 Node.js 22+，是视觉模型控制现代 Windows 应用的有效解决方案。
阅读全文dsh-tool-see-image：为 DeepSeek Harness 添加视觉能力
`dsh-tool-see-image` 是 DeepSeek Harness 的插件工具，解决纯文本模型无法直接处理图片的问题。它作为中间层，调用视觉模型（默认 GLM-4V-Flash）分析图片并返回文本描述。 核心功能包括通过 `ctx.fs` 沙箱感知读取文件、支持 OpenAI 兼容接口的视觉模型，以及粘贴转文字的附加脚本。安装需手动复制插件文件、声明依赖、配置 `cordis.patch.yml` 并设置 API Key。配置项支持自定义 baseURL、模型及 Token 限制，遵循 MIT 协议，旨在通过轻量级扩展增强模型视觉能力。
阅读全文DeepSeek Harness 视觉桥接插件：将图像消息路由至兼容 OpenAI 的端点
DeepSeek Harness (DSH) 的 `zh-u-hb/dsh-vision-bridge` 插件通过监听 DSH 消息流水线，解决文本模型无法直接处理图像的问题。当检测到活跃模型不支持图像时，插件会将图像转发至用户配置的 OpenAI 兼容视觉模型，并将返回的文本替换回对话流中。该插件支持通过 Web 页面配置 API 端点、密钥及模型 ID，并自动合成提示词与图像数据。使用时需注意仅支持 OpenAI 协议，且仅处理特定阶段的图像消息。
阅读全文dsh-image-bridge：将图片转为文字描述，让纯文本模型也能“看见”图片
`dsh-image-bridge` 是一个 DeepSeek Harness 插件，旨在解决纯文本模型无法理解 Web GUI 中的图片问题。它通过拦截消息钩子，利用视觉模型将图片转录为文字描述，并替换原图片块进入对话。该插件具备自动重试、模型回退、结果缓存及失败降级等韧性策略，支持配置主模型、回退链及体积分辨率限制。安装后即可让 DeepSeek 等纯文本模型具备“看图”能力。
阅读全文dsh-view-image：让纯文本模型也能读图
`dsh-view-image` 是一个 DeepSeek Harness (DSH) 插件，旨在解决纯文本主对话模型无法处理图片的问题。通过配置独立的 OpenAI 兼容视觉模型，插件将图片字节转化为纯文本描述并插入对话历史，从而让纯文本模型具备读图能力。 该插件支持 Web 粘贴即用、终端文件路径调用，提供缩略图预览、一键复制及持久化存储功能。用户需安装插件并配置视觉模型端点，图片将以内容寻址方式存储，但需注意手动清理附件目录。
阅读全文dsh-vision-bridge：让纯文本模型接收图像
`dsh-vision-bridge` 是一个 DeepSeek Harness 插件，旨在解决纯文本模型无法处理图像的问题。它利用本地 Ollama 运行的 `qwen2.5vl` 模型，将图片转换为文本描述发送给 DeepSeek API，实现本地化的视觉处理。 该插件提供原生图片体验、请求层透明适配、结构化输出与坐标支持。包含九种视觉工具，如描述、OCR、区域查询等，并支持重复图像缓存。安装后，插件会注册一个“孪生”路由并注入工具集，所有操作均在本地完成，确保隐私安全。
阅读全文dsh-image-vision：纯文本模型接入视觉能力
`dsh-image-vision` 是 DeepSeek Harness 的轻量级插件，通过包装 `llm` 服务接口，让纯文本主模型具备图片理解能力，无需修改主机代码或破坏官方插件生态。它支持通用图片输入、飞书文档解析及本地图片描述，依赖配置带 `VL` 后缀的视觉模型路由。安装便捷，功能兼容性强，适合在不破坏现有架构的情况下为智能体接入视觉能力。
阅读全文DeepSeek Harness 插件 dsh-subagent-vision：让纯文本主代理在会话中直接读取图像
DeepSeek Harness 插件 `dsh-subagent-vision` 解决了纯文本模型无法处理图像的问题。它通过将图像处理任务委派给配置的视觉子代理，允许主代理保持纯文本状态并获取视觉结果。该插件支持粘贴、拖放及路径导入图像，提供原生 Web GUI 体验，并可将图像大小限制在 25MB 以内。安装后，用户只需告知代理任务，插件即可自动调用子代理的 `read_image` 工具完成任务。
阅读全文Duhai Vision：DeepSeek Harness 的通用视觉模型适配器
`duhai-vision` 是一个适配 Codex 和 DSH 的通用视觉模型插件，旨在为长文档、表格及复杂版面提供可审计的视觉处理能力。其默认优先使用 PaddleOCR-VL，Qwen 作为后备，支持返回结构化数据。 安装需配置 Paddle Token 并通过命令行添加插件。图片处理流程为：保存图片哈希路径 -> PaddleOCR-VL 提取结构 -> DeepSeek 推理。该插件提供 3000 页免费额度，但需注意远程服务的隐私风险。
阅读全文dsh-image-bridge：让 DeepSeek Harness 中的文本模型支持图片输入
`dsh-image-bridge` 是一个 DeepSeek Harness (DSH) 插件，旨在解决纯文本模型在 DSH 中无法处理图片的限制。它通过包装接口和利用 DSH 的 surface replace 机制，允许文本模型接收图片，将图片落盘并转化为文本格式供模型调用视觉或 MCP 工具。该插件支持图片缩略图展示，安装简便，但需注意命令与图片混用以及历史图片的处理限制。
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-image-vision-bridge：把图片转成文本描述喂给 DSH 主模型
# 前言 在 DeepSeek Harness（DSH）里做智能体开发，常会遇到一个别扭的问题：主模型是纯文本模型，用户却往对话里发截图。dsh 0.1.1+ 对这种情况做了内置降级——请求不会报错，但模型只能看到一个图片占位，实际看不到图片内容。想让模型真正基于图片回答，要么换主模型，要么自己写一层转发逻辑。 dsh-image-vision-bridge 解决的就是这个问题：它把用户消息中的图片自动发给视觉模型（默认是 opencode-go 路由上的 mimo-v2.5），把返回的文本描述喂给主文本模型，聊天记录保持原图显示。DSH 的理念是「一切
阅读全文dsh-plugin-mm-vision：给纯文本 LLM 增加结构化看图能力
dsh-plugin-mm-vision 是一款 DeepSeek Harness (DSH) 插件，旨在为纯文本 LLM 提供图片理解能力。该插件注册 `mm_vision` 工具，调用外部视觉模型将图片转化为包含精确百分比坐标的结构化空间文字描述，使文本模型无需直接处理图像即可分析空间关系。 核心功能包括“通感编码”，适用于 K 线图、UI 截图及自然照片等；支持像素级坐标定位和可选的 40×30 像素色块网格重建；具备自动模式，能根据图表或自然图特征自适应调整输出细节。插件支持配置任意 OpenAI 兼容视觉模型，并提供 TTL 缓存机制以提升响应速度。 安装需 DSH 环境及 Node
阅读全文dsh-vision-provider：在 DeepSeek Harness Web UI 中选择视觉模型组合
dsh-vision-provider 是 DeepSeek Harness (DSH) 的社区插件，旨在实现“视觉模型分析 + DeepSeek 推理回答”的双模型桥接。它并非原生像素输入，而是将 Settings 中声明了图像输入能力的第三方视觉模型暴露为可选组合。当用户发送含图请求时，由选定的视觉模型处理图像，结果替换原图后交由 DeepSeek 负责推理、工具调用及最终回答；纯文本请求则直接由 DeepSeek 处理。 该插件支持通过 Web UI 配置第三方视觉模型或直连 OpenAI-compatible 端点。安装需 Node.js >=22.19.0 及 DSH 兼容版本，使用
阅读全文dsh-vision-opencode：为纯文本主模型配置可切换的识图模型
dsh-vision-opencode 是 DSH Web 端插件，通过可配置的视觉模型将聊天图片转为文字，供 DeepSeek 等纯文本主模型继续推理，无需切换主模型。支持输入框识图模型选择、Vision 设置、vision_read_image 工具与 vision-image-analysis skill，含 60s 超时与失败重试兜底。安装：dsh plugin --profile web add -w github:poiuyjie/dsh-vision-opencode。MIT 许可证，维护者 poiuyjie。
阅读全文使用dsh-vision给纯文本DeepSeek Harness加上view_image识图能力
william-jin-cmu 维护的 dsh-vision 给纯文本 DeepSeek 注册 view_image 工具，把本地图片或 URL 转发给任意 OpenAI 兼容 VLM，答案以文本返回。默认智谱免费档 glm-4.6v-flash，可换成百炼、方舟或本机 Ollama。社区目录安装命令为 dsh plugin add github:william-jin-cmu/dsh-vision。插件以当前 dsh 进程权限运行，云端路径会把图片发到第三方端点，装前需检查源码与许可证。
阅读全文用 dsh-vision-proxy 让 DeepSeek Harness 里的纯文本对话也能识图
dsh-vision-proxy 是 Flyvhidbwo 维护的 DeepSeek Harness 界面增强插件（MIT）。它注册 deepseek-vision 路由，把 GUI 附加图片经 OpenAI 兼容 VLM 转成文字后再交给纯文本 DeepSeek 作答，默认百炼 qwen3.7-flash，无密钥时可自动探测本地 Ollama。本文按社区目录页与 GitHub README / package.json 核对安装命令、配置方式和隐私边界。
阅读全文