@zenk/vision

Vision

DSH local vision capabilities: macOS Vision OCR (text + pixel coordinates + bounding boxes) + ollama qwen3-vl semantic descriptions + an upload bridge that automatically switches based on model capabilities (models supporting image use the native channel; text-only channels convert to text)

Target profile

The plugin will be installed here. Keep web if you are unsure.

npx -y @deepseek-ai/dsh plugin --profile web add github:kaaaaahn/dsh-vision#fc9bcbe94f823c86c67949ac4a96f5e03cec3807

Compatibility and provenance

Vision is published as @zenk/vision and currently resolves to version 0.5.0. The Hub verifies its manifest and preserves the exact installation source for reproducible installs.

DSH compatibility: *
Runtime surfaces: any
Release source: github
Registry updated: 9/30/2026

Versions

0.5.0stable

9/30/2026

0.3.1stable

8/24/2026

README

@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
两阶段读图：先定位标注区域（文本/框线），再裁剪放大细看，标注内容读得准
自适应上传：按当前模型的图片能力自动切换——支持 image 直接看见图，纯文本通道走本地视觉（不改写你的任何配置）
规范合规：工具声明超时预算、并发安全与 UI 卡片（图片路径可被编辑器跟随），符合 DSH 0.2 工具规范
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、Swift 工具自动预编译
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#v0.5.0"

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并预编译 Swift 工具（均后台进行），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 开启语义描述与区域放大）

文档

环境准备与模型选型
常见问题（22 条 FAQ）
图片上传设计依据（原生通道 vs 桥接、能力判定、预编译）

仓库结构

├── lib/
│   ├── index.js              # 插件入口：vision_analyze + vision_setup + 能力自适应桥接 + guard
│   └── vision_analyze.swift  # OCR + 区域定位 + ollama 语义描述（swiftc 预编译）
├── catalog/                  # DSH Community Market 目录源
├── docs/
│   ├── ollama-setup.md       # 环境准备参考
│   ├── troubleshooting.md    # 常见问题 FAQ
│   ├── native-upload.md      # 图片上传设计依据（能力判定/桥接/预编译）
│   └── PUBLISHING.md         # 维护者内部文档（发布流程）
└── package.json

License

MIT

README

@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
两阶段读图：先定位标注区域（文本/框线），再裁剪放大细看，标注内容读得准
自适应上传：按当前模型的图片能力自动切换——支持 image 直接看见图，纯文本通道走本地视觉（不改写你的任何配置）
规范合规：工具声明超时预算、并发安全与 UI 卡片（图片路径可被编辑器跟随），符合 DSH 0.2 工具规范
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、Swift 工具自动预编译
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#v0.5.0"

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并预编译 Swift 工具（均后台进行），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 开启语义描述与区域放大）

文档

环境准备与模型选型
常见问题（22 条 FAQ）
图片上传设计依据（原生通道 vs 桥接、能力判定、预编译）

仓库结构

├── lib/
│   ├── index.js              # 插件入口：vision_analyze + vision_setup + 能力自适应桥接 + guard
│   └── vision_analyze.swift  # OCR + 区域定位 + ollama 语义描述（swiftc 预编译）
├── catalog/                  # DSH Community Market 目录源
├── docs/
│   ├── ollama-setup.md       # 环境准备参考
│   ├── troubleshooting.md    # 常见问题 FAQ
│   ├── native-upload.md      # 图片上传设计依据（能力判定/桥接/预编译）
│   └── PUBLISHING.md         # 维护者内部文档（发布流程）
└── package.json

License

MIT

Vision

Compatibility and provenance

Versions

Related plugins

Vision

README

@zenk/vision

特性

安装

使用

文档

仓库结构

License

Compatibility and provenance

Versions

Related plugins

Related plugins

Related plugins

README

@zenk/vision

特性

安装

使用

文档

仓库结构

License