liustack /modlens

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-only coding agent. Paste an image, get structured JSON evidence (OCR, layout, semantics). | 全网最强 DeepSeek Harness 外挂视觉插件,为 DeepSeek、GLM 等纯文本模型外挂视觉能力,粘贴图片即得结构化 JSON 证据(OCR、版面、语义)。

★ 4,992⑂ 158👁 8⑃ 0● 118▤ 95
TypeScriptMITCreated 2026-02-22liustack.dev/tools/modlens
下载:v3.27.5v3.27.5 ↓3.27.52026-11-15
+20
日增长
4,992
stars
158
forks
8
watchers
0
prs
118
issues
95
releases

README

ModLens

为纯文本模型补上视觉能力,直接粘贴图片就能识别。

🥇 全网最强的 DeepSeek Harness(dsh)视觉插件 🥇


  English ·
  配置 ·
  故障排查 ·
  安全 ·
  🔍 ModSearch(DSH 最强免费联网搜索插件)



  
  
  
  
  
  


DeepSeek 的主力对话模型和 GLM-5.3 本体仍是纯文本,无法读图。GLM-5.3-Flash 已是原生多模态。ModLens 借助外挂视觉引擎,为纯文本模型补上视觉能力。ModLens 支持直接粘贴图片识别,无需先保存成文件再提供路径。

 交流

有问题随时提issue。推荐你关注公众号 liustack,也欢迎你来 X 上聊:@liustack。你用它做了什么、在哪个 harness 上跑、接下来该做什么,都会在公众号和 X 同步更新。社群正在筹备中。

 亮点

🥇 全网最强的 DeepSeek Harness(dsh)外挂视觉识别插件:一条命令即刻安装 npx -y @deepseek-ai/dsh plugin --profile web add @liustack/[email protected]。更多安装与更新细节参考 配置手册 。如果用不惯命令行,也想想玩玩 DSH,推荐食用全网最轻量级的 DeepSeek Harness 桌面版封装  AIManager,零代码零配置起手,一键帮你安装所有依赖环境。

DeepSeek Harness 粘贴识图有两种玩法。

① 直接粘贴 贴进来的图片自主转换成文件路径进输入框(与 OpenCode、Pi 同款交互),modlens_read_image 工具接手读图。

② 切到带 (modlens vision) 后缀的模型变体(选择器有记忆,选一次就行)再粘贴:缩略图直接可见、所见即所得,体验更接近 Codex App。变体由插件自动发现生成:每条承载纯文本 DeepSeek 或 GLM 模型的 provider 路由各得一组包装条目(默认安装下就是 DeepSeek-V4-Flash (modlens vision) 和 DeepSeek-V4-Pro (modlens vision),装了 opencode-go、zai 等额外路由的机器会各自多出一组),两家自己的视觉型号(含 GLM-5.3-Flash)自动排除。走哪条通路由 host 依据真实模型元数据逐个裁决:只有被元数据确认纯文本的模型才会被接管,确认不了的一律不动,视觉模型因此保留原生贴图(细节)。

所有 Harness 直接粘贴图片识别 无需先保存成文件再提供路径。

需要快捷键把屏幕截进 DeepSeek Harness 时,用独立插件 dsh-screenshot。

- 全网最轻量。 不用 hook,不套壳,不跑本地代理进程,不改任何 harness 配置的一行字:在 skill 类 harness 里它就是一个 skill 文件夹,在 dsh 里就是一个插件。卸载等于删个文件夹,你的 agent 立刻回到原样。
- 零配置起手。 复用 Claude Code、Codex、OpenCode、Pi 已有配置,直接复用你本机的其他多模态模型。如果你本机什么都没安装?Antigravity CLI 是免 key 的免费通道,配一个免费 Gemini key 可将识别耗时降至 5 到 10 秒。也支持所有主流的 OpenAI 兼容格式 API key。
- 多个密钥用英文逗号分隔,鉴权、限流或配额失败时自动轮换。 其他失败会跳过剩余密钥,并继续走现有的 provider 故障转移。
- 基于证据,而非想象。 全文转录、按阅读顺序划分的版面区块、实体与关系列表,模型引用的是具体内容。
- 一次安装,多端可用。 Claude Code、Codex、Pi、OpenCode 均经真机验证。

 在其他 Harness 中安装

方式一,通过 skills.sh 一条命令安装:

bash
npx -y skills add liustack/modlens --skill modlens --global


这会把 modlens skill 安装到用户级目录。重启 Harness 后,让 AI 配置
modlens 并运行体检即可。

方式二,把安装交给你的 AI。 把这句话发给它:

 按 https://github.com/liustack/modlens 的 INSTALL.md 安装并配置 modlens skill,完成后运行体检并把结果告诉我。

安装会先盘点你机器上已有的东西。Claude Code、Codex、OpenCode 或 Pi 里任何一个已有的登录态都可能就够了:modlens 复用前一定先征得你同意,体检报告会说清现状。

两种方式完成后,只在体检两手空空时,才需要你配一个免费引擎。 推荐免费的 Gemini api key(到 Google AI Studio 领取,约三分钟,无需信用卡),配上后每次识别 5 到 10 秒。其他平台的免费 openai 兼容 key 也行。想完全免注册就装 Antigravity CLI,然后完成登录:

bash
curl -fsSL https://antigravity.google/cli/install.sh | bash
agy                                                            浏览器完成登录后退出


安装还会盘点本机其他 harness CLI(Codex、OpenCode、Pi)里可触达的视觉能力,并逐个询问是否允许 modlens 复用。获准的登录态与你自己配的引擎平级入池,每次复用都会在结果里标明花的是谁的额度。

DeepSeek Harness(dsh)用户不走 skill 流程,本包就是原生 dsh 插件:

sh
npx -y @deepseek-ai/dsh plugin --profile web add @liustack/[email protected]


装完即有 modlens_read_image 工具,选「(modlens vision)」模型变体即可直接粘贴识图。引擎配置同样在 ~/.modlens,详见宿主接入。

命令行不是唯一入口。dsh 设置页的「插件 → 插件配置」里有一张 ModLens 卡片(dsh 0.1.7 起改到侧栏的「插件」页,在「已安装」里点开 @liustack/modlens):切换引擎,勾选 auto 模式可以复用本机哪些 CLI,在网页上点几下保存就生效。

!dsh 设置页里的「视觉引擎(ModLens)」配置卡片:切换引擎,勾选 auto 模式复用的本机 CLI

 用法

装好之后不需要记任何命令。正常聊天,粘贴图片或给出图片路径,提问即可,skill 自动触发:图片交给视觉引擎,答案基于读到的内容返回。贴一次,后面追问同一张图不用再贴。

 视觉引擎:六个内置 provider,四家可复用 CLI,一条故障转移链

ModLen

Latest release

v3.27.5 v3.27.5 2026-11-15
- dsh: the read tool's description sends a failed read to a real read too (128). 3.27.4 changed the failed-paste message, but the modlens_read_image description still named modlens doctor as the only check, and in a live run the model ran doctor first after a dead API key. The description now says doctor checks the setup, and a read in a terminal (npx @liustack/modlens -i ) shows why each provider failed.

Snapshot: 2026-11-16T09:23:14Z · Data license Apache-2.0 · JSON