dsh-plugin-mm-vision
通感编码器（Synesthesia Encoder）：调用视觉模型把图片翻译成紧凑的结构化空间文字（画布/元素/百分比坐标），让纯文本 LLM 获得像素级看图能力（`mm_vision` 工具）。
Synesthesia Encoder for DSH: a vision model translates images into compact structured spatial text (canvas/elements/percentage coordinates), giving text-only LLMs pixel-level image understanding via the `mm_vision` tool.
怎么安装
dsh plugin add dsh-plugin-mm-vision 简介
dsh-plugin-mm-vision **通感编码器 (Synesthesia Encoder) · DeepSeek Harness 插件** 给任何纯文本 LLM(DeepSeek、GPT-4 base、Claude…)获得**看图能力**:调用视觉模型把图片翻译成紧凑的**结构化空间文字**(画布/元素/百分比坐标/形状/数值/关系),文本模型据此重建空间认知、推理位置关系。 移植自 Elohia/pi-mm-vision(MCP / Pi / Codex / Claude Code 多宿主通感编码器)。核心零依赖,支持任意 OpenAI 兼容视觉模型(qwen-vl / gpt-4o / glm-4v / kimi-vl / MiniMax-VL…)。 ✨ 功能 🖼️ **通感编码**:把图片变成坐标化文字描述——K线图/盘面截图/报告图表/UI 截图/自然照片都适用 📍 **像素级坐标**:所有关键元素带精确 (x%,y%) 百分比坐标(图表转折点/标注/按钮/文字块) 🔢 **可选像素网格**:prompt 含"像素/重建/还原"关键词时,输出 40×30 色块网格(RGB),供原图重建 🔄 **模式自适应**:auto 自动识别图表(坐标优先)vs 自然图(构图主体);也可手动指定 brief/full/coords/pixel 🧠 **缓存**:TTL…
推荐参考
信息
- 协议
- MIT
- 语言
- JavaScript
- GitHub 星标
- 1
- 月下载
- 240
- 最近更新
- 2026-08-14
- 创建于
- 2026-08-14
基础安全检查
- 检查结果
- 无
- 收录来源
- curated:awesome-dsh-plugin.com, curated:awesome-dsh-plugin/awesome-dsh-plugin
- 主题标签
- dsh-plugin
同类推荐
modlens
liustack/modlens
为纯文本模型架起视觉桥梁：粘贴图片，输出结构化 JSON 证据（OCR、版面、语义）。
dsh-web
zhu1090093659/dsh-web-ui/tree/main/packages/dsh-tool-describe-image
给纯文本模型补视觉：describe_image 把本地路径/URL/附件图片交给可配置的 OpenAI 兼容视觉端点，进会话的只有返回文本。
dsh-vision-router
ysr666/dsh-vision-router
为纯文本 Agent 提供视觉能力：内置免 Key 视觉链 + 像素级视觉工具（看图问答、定位、裁剪、像素对比、取色、OCR、矢量化、抠图、截图）；粘贴图片即可用。
dsh-vision-toolkit
Anionex/dsh-vision-toolkit
让纯文本模型处理视觉任务：粘贴图片后自动切换到 Vision Toolkit 变体，支持图片问答、多图比较、长截图 OCR、截图还原前端 UI、元素定位与像素对比。默认无需 API Key——图片经作者自建的免费服务处理，每台机器每天 100 张；也可改为指向自己的服务商。