dsh-vision

介绍

dsh-vision 是一款为 DSH 桌面助手打造的多模态视觉理解插件，它让 DSH 具备了"看懂"屏幕内容的能力。通过集成主流的视觉大模型，插件可以对截图、本地图片和剪贴板图像进行深度分析，提取其中的文本、结构和语义信息。

插件支持多种使用场景：你可以截取当前屏幕让 DSH 分析界面元素并辅助操作，可以拖拽图片让它识别图中的内容并生成描述，也可以对图表进行数据提取，将柱状图、折线图中的数值转化为结构化数据。此外，dsh-vision 还提供了 OCR 文字识别能力，支持中英文混合识别。

安装后，你可以通过 DSH 的命令面板调用视觉相关技能，或在对话中直接粘贴图片触发分析。插件采用模块化设计，支持配置不同的视觉模型后端，以适应不同的精度和速度需求。