智能体视觉工具箱
Anionex/dsh-vision-toolkit · 技能
让纯文本模型更好地做视觉任务的DeepSeek Harness插件：带意图的图片问答、长截图 OCR、UI 还原等｜DeepSeek Harness-native integration for agent-vision-toolkit: image Q&A, long-screenshot OCR, UI restoration, grounding, pixel diff, Artifacts, and Web UI.
★ 391GitHub 星标
18分支
2026-08-15最近更新
TypeScript开发语言
MIT许可证
项目简介
让纯文本 DSH Agent 真正看见，并知道当前任务应该看哪里：通过带意图的图片问答、OCR、原图像素定位、UI 还原、像素验证、托管产物和 Web Settings 完成视觉闭环。10 个独立工具以结构化 schema 和 Agent 级渐进暴露取代 Shell 拼接。 上游工具箱： Anionex/agent-vision-toolkit · 项目网站： agent-vision.anionex.me
agent-vision-toolkit 把视觉视为 Agent 可调用的能力，而不是基础模型自带的天赋。它会把“为什么要看这张图”带入视觉请求，从全局逐步收敛到目标区域，并用专用工具验证坐标、颜色、轮廓和差异，不把泛化描述直接当成证据。
本包完整交付已承诺的 P0 与 P1 产品范围。P2 的稳定 ctx.visionToolkit 服务会等到独立插件成为真实消费方后再发布；内部运行时不会把未经验证的生态接口伪装为稳定契约。 agent-vision-toolkit 已验证的真实用例
安装命令
dsh plugin --profile web add github:Anionex/dsh-vision-toolkit