hamliy-feng/duhai-vision0

duhai-vision

PaddleOCR-VL-first visual model adapter for Codex and DeepSeek Harness

AI 分析

核心用途是接入 PaddleOCR-VL 进行高精度的文档 OCR 与版面提取。适合需要转录复杂图片、侨批或表格的用户,依赖 Python 环境。

パッケージ
duhai-vision
バージョン
1.0.0
ライセンス
MIT
最終更新
2026/08/20

インストール

$npx -p @deepseek-ai/dsh dsh plugin --profile web add github:hamliy-feng/duhai-vision

ドキュメント

README 全文を読む ↗

可选:配置 Qwen

powershell -ExecutionPolicy Bypass -File .\install.ps1 `
  -Apply `
  -ConfigureQwen

安装器会以隐藏输入方式询问 DashScope API Key,默认提供方仍保持 Paddle。Duhai Vision 会在 UI、照片和通用视觉任务中推荐 Qwen,也可显式设置:

powershell -ExecutionPolicy Bypass -File .\install.ps1 -Apply -Provider qwen

使用方式

安装完成后,像平常一样把图片交给 Codex,或告诉 DSH 图片路径:

请转录这页侨批,保留繁体字、印章、不可读位置和推断依据。

DSH 示例:

使用 Duhai Vision 读取 C:\资料\page-001.jpg,转录正文、印章和表格,标记不确定项。

DSH 会调用:

{
  "image": "C:\\资料\\page-001.jpg",
  "question": "转录正文、印章和表格,标记不确定项",
  "provider": "auto"
}

技能应先给出类似提示:

任务属于文档 OCR 与版面提取,默认使用 PaddleOCR-VL;当前社区额度按页计,
SDK 不返回 Token usage。本次结果将由 Codex 或 DSH 继续结构化并标记不确定项。

需要手动调用时:

python .\skills\duhai-vision\scripts\paddle_extract.py `
  --image "D:\资料\page-001.jpg" `
  --out ".agent_index\page-001.json"