@zenk/vision

DSH 本地视觉插件：对话框里直接粘贴截图，AI 就能看到并分析，图片不出本机。

特性

• OCR 带像素坐标（macOS Vision）：识别文字并给出位置，UI 定位直接按坐标说
• 语义理解（ollama + qwen3-vl）：看懂画面布局、元素与异常区域
• 零配置：自动检测环境、按内存选模型（8G→2b / 16~32G→4b / 32G+→8b）、缺 ollama 自动安装
• 渐进可用：模型后台下载（1.8~5.7GB）期间 OCR 已可用
• 全本地：免费、离线、图片不出 Mac

安装

dsh plugin --profile web add "github:kaaaaahn/dsh-vision#v0.3.1"

重启 DSH 生效。桌面端把 --profile web 换成 --profile desktop。

插件市场条目（添加来源 https://kaaaaahn.github.io/dsh-vision/catalog/source.json）依赖 npm 发布，目前暂未上线，请使用上方 GitHub 命令安装。

首次使用会自动下载模型（后台进行），期间 OCR 已可用；环境细节见 docs/ollama-setup.md。

使用

• 直接粘贴图片发送，AI 自动分析并回复
• 或让 AI 调用 vision_analyze(file_path=..., describe=true) 分析本地文件（describe 开启语义描述）

文档

• 环境准备与模型选型
• 常见问题（22 条 FAQ）

仓库结构

├── lib/
│   ├── index.js              # 插件入口：vision_analyze + vision_setup + 图片桥接 + guard
│   └── vision_analyze.swift  # OCR + ollama 语义描述脚本（随包分发）
├── catalog/                  # DSH Community Market 目录源
├── docs/
│   ├── ollama-setup.md       # 环境准备参考
│   ├── troubleshooting.md    # 常见问题 FAQ
│   └── PUBLISHING.md         # 维护者内部文档（发布流程）
└── package.json

License

MIT