视觉与多模态DeepSeek Harness 插件

dsh-guide-dog

Name: dsh-guide-dog
Author: AtropinolTT

基于 MiniMax 的多模态插件：实时语音通话模式（流式对话、悬浮胶囊 UI）、语音模式与麦克风语音输入，并提供图像/视频/音乐/语音生成与视觉检查工具。

GitHub 信息

安装命令

dsh plugin --profile web add github:AtropinolTT/dsh-guide-dog

将这段 Markdown 添加到插件 README，链接到对应的详情页。

Listed onDSH Get

[![Listed on DSH Get](https://img.shields.io/badge/Listed_on-DSH_Get-1677ff?style=flat-square)](https://dshget.com/plugins/AtropinolTT/dsh-guide-dog)

为纯文本模型架起视觉桥梁：粘贴图片，输出结构化 JSON 证据（OCR、版面、语义）。

为纯文本 Agent 提供视觉能力：内置免 Key 视觉链 + 像素级视觉工具（看图问答、定位、裁剪、像素对比、取色、OCR、矢量化、抠图、截图）；粘贴图片即可用。

让纯文本模型处理视觉任务：粘贴图片后自动切换到 Vision Toolkit 变体，支持图片问答、多图比较、长截图 OCR、截图还原前端 UI、元素定位与像素对比。默认无需 API Key——图片经作者自建的免费服务处理，每台机器每天 100 张；也可改为指向自己的服务商。