dsh-mac-vision

English

面向 DeepSeek Harness 的 macOS 原生视觉插件。它通过 Apple Vision 为纯文本模型提供本地图片、剪贴板、屏幕和应用窗口的 OCR 与视觉检测能力。

• 完全免费、开源：插件采用 MIT License，不收取订阅费或按次调用费。
• 完全本地处理：截图、OCR 与视觉检测均在 Mac 上完成，图片不会发送给第三方 OCR 或视觉服务。
• 无需下载第三方模型：直接使用 macOS 内置的 Apple Vision，不需要安装或维护额外的视觉模型及其权重。
• 无需第三方 API：不需要申请 OCR、Vision 或多模态模型 API Key，也不会产生这类 API 调用费用。

以上说明针对 dsh-mac-vision 的视觉能力。DeepSeek Harness 所使用的语言模型及其服务是否收费，取决于用户自己的 Harness 配置。

快速开始

1. 安装插件

dsh plugin --profile default add dsh-mac-vision

这一个命令会同时安装视觉工具及其模型使用策略。不要另外下载、复制或安装 SKILL.md。

2. 验证并启动

dsh --profile default --dump-config
dsh --profile default

首次执行视觉任务时，插件会用系统 Swift 编译器构建本地 helper 并缓存。之后可以直接对模型说：

读取这张图片中的标题和主要内容：/absolute/path/to/slide.png

或者：

看看当前前台窗口显示了什么，并区分直接看到的内容和你的推断。

安装前提

• macOS
• Node.js 22 或更高版本
• 已按照 DeepSeek Harness 入门指南安装，并可运行 dsh
• Xcode Command Line Tools，或包含 Swift 编译器的 Xcode

如果尚无 Swift 编译器，可以运行：

xcode-select --install

读取本地图片不需要屏幕录制权限。读取屏幕或应用窗口时，macOS 可能会要求在“系统设置 → 隐私与安全性 → 屏幕录制”中授权运行 DeepSeek Harness 的终端或宿主应用；授权后可能需要重启该应用。

它是一个插件

用户只需安装 dsh-mac-vision，不需要在 Plugin 和 Skill 之间做选择。

插件内部包含：

• 视觉工具：真正执行截图、OCR 和 Apple Vision 检测。
• 内置 Skill：仅用于指导模型何时调用视觉工具，以及如何表达观察、推断和不确定结果。

Skill 不能独立执行 OCR，它只是随原生插件自动加载的模型使用说明，不是第二个产品或第二个安装步骤。

能力

• 免费使用 Apple Vision，无第三方视觉模型下载、API Key 或按次调用费用。
• 读取本地图片、剪贴板图片、全屏、前台窗口或指定窗口。
• 使用 macOS Vision 在本机完成 OCR。
• 返回文本、置信度、坐标、候选结果和复检状态等结构化证据。
• 自动裁剪并放大小字号或公式区域，进行二次 OCR。
• 可选运行图片分类、条码、显著区域、人物和猫狗检测。
• 区分直接观察、语义推断、冲突 OCR 和未运行的检测器。
• 支持 Harness 取消信号、超时和输出大小限制。