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。
- GitHub 星标
- 917
- 版本
- v2.0.1
- 许可证
- MIT
- 收录日期
- 2026-08-14
GitHub 信息
- GitHub 星标
- 917
- 许可证
- MIT
- 主要语言
- JavaScript
- 最近推送
- 2026年8月21日 05:54
- 维护者
- ysr666
- 收录日期
- 2026-08-14
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）。
Demo: paste an image, the agent locates the send button with vision_ground / vision_crop / vision_pixel_diff and answers with coordinates
https://raw.githubusercontent.com/ysr666/dsh-vision-router/main/assets/vision-demo.gif
Reference design and final agent rebuild, verified with vision_pixel_diff at 2.54% final difference.
https://raw.githubusercontent.com/ysr666/dsh-vision-router/main/assets/pixel-loop.png
安装
dsh plugin --profile web add dsh-vision-router标签
README 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/ysr666/dsh-vision-router)相关插件
视觉与多模态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。
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）。
picturereader
★ 35给纯文本模型的"读图"能力：图片降分辨率+降色深+结构/色彩指纹渲染成文本网格喂回对话，模型像多模态一样自主缩放、取样、OCR 读图；纯本地零外部模型依赖，附读图方法论 skill 与可选 PaddleOCR。