把文本、识图和生图 API 组合成一个 Mix 模型并按对话内容自动路由：纯文本走聊天模型，用户图片和 Agent 截图走识图模型，后续可继续追问同一张图；还支持图片生成与编辑及会话级调用记录。
- GitHub 星标
- 2
- 许可证
- MIT
- 收录日期
- 2026-08-16
GitHub 信息
- GitHub 星标
- 2
- 许可证
- MIT
- 主要语言
- TypeScript
- 最近推送
- 2026年8月16日 06:56
- 维护者
- haiziyao
- 收录日期
- 2026-08-16
README 演示图
从仓库 README 提取的截图/GIF（已过滤徽章、头像等装饰图）。
Mix 生成的 LumaBoard 页面
https://raw.githubusercontent.com/haiziyao/dsh-vision-mix/main/docs/benchmark-mix.png
LumaBoard 参考设计稿
https://raw.githubusercontent.com/haiziyao/dsh-vision-mix/main/docs/benchmark-reference.png
Vision Mix 生图设置页面
https://raw.githubusercontent.com/haiziyao/dsh-vision-mix/main/docs/generation-routing.png
Vision Mix 基础路由与模型图片能力设置
https://raw.githubusercontent.com/haiziyao/dsh-vision-mix/main/docs/settings-routing.png
会话级生图记录
https://raw.githubusercontent.com/haiziyao/dsh-vision-mix/main/docs/generation-history.png
会话级识图记录
https://raw.githubusercontent.com/haiziyao/dsh-vision-mix/main/docs/vision-history.png
安装
dsh plugin --profile web add dsh-vision-mixREADME 徽章
将这段 Markdown 添加到插件 README，链接到对应的详情页。
[](https://dshget.com/plugins/haiziyao/dsh-vision-mix)相关插件
视觉与多模态modlens
★ 3768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）。
dsh-vision-router
★ 1030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。
dsh-vision-toolkit
★ 842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。