視覚ツール · DeepSeek Harness プラグイン — 61 ページ

Give DeepSeek Harness agents eyes: local image analysis via vision models — um_analyze_img tool + model-capability recognition + hot-switch settings UI

Vision DSH bundle: give the agent screen/window vision — see tool captures via the bundled Python cvision and returns the image natively

WaveSpeed skill for DeepSeek Harness (dsh): generate and edit AI media (image, video, audio, 3D) via the open-source wavespeed CLI.

DeepSeek Harness web background settings plugin with solid color, image, and opacity controls.

Agent-neutral Windows and Chromium computer-use runtime for Codex, Claude Code, Qoder, Pi, and DeepSeek Harness.

检测并识别图片中的鸟类。

输入一张图像，对其中的手机进行检测，输出图片中所有目标的检测框、置信度和标签。

输入一张图像，对其中的人/宠物/车/火焰/纸箱进行检测，输出图片中所有目标的检测框、置信度和标签。

输入一张图像，对其中的电动自行车进行检测，输出图片中所有目标的检测框、置信度和标签。

MCP服务器提供从本地文件、URL提取图像并转换为base64格式的功能，适用于LLM分析。

输入一张图像，对其中的手势进行检测，输出图片中所有目标的检测框、置信度和标签。

输入一张图像，对其中的人头人体进行检测，输出图片中所有目标的检测框、置信度和标签。

输入一张图像，对其中的人体、头部和安全帽进行检测，输出图片中所有目标的检测框、置信度和标签。

检测图像中的80类COCO目标（人、车、动物、日常物品等），输出边界框、置信度和类别标签。

兼顾速度与精度的文字识别。输入包含文本的图像，自动检测并识别内容。适用于各类文档、广告牌、屏幕截图等场景。

识别银行卡号、发卡银行和卡类型，使用 Luhn 算法校验卡号有效性。

识别营业执照的统一社会信用代码、名称、法定代表人、注册资本、成立日期、经营范围、登记机关和住所地址。

输入常见验证码图片，返回验证码文本内容。

识别驾驶证主页（证号、姓名、性别、国籍、住址、出生日期、准驾车型、初次领证日期、有效期限）和副页（档案编号）。

输入包含手写文本的图像，自动检测文本行并识别内容。适用于手写笔记、签名、手写表单等。

识别身份证正面（姓名、性别、民族、出生日期、住址、身份证号）和背面（签发机关、有效期限），自动判断正反面并校验身份证号有效性。

识别港澳通行证、台湾通行证的通行证号码、姓名、性别、出生日期、有效期、签发地点等信息，支持MRZ机读码解析。

识别护照号码、中文姓名、英文姓名、性别、国籍、出生日期、签发日期、有效期至、签发地点等信息，支持MRZ机读码解析。

高精度文字识别。输入包含文本的图像，自动检测并识别内容。适用于各类文档、广告牌、屏幕截图等场景。