liustack/modlens

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-only coding agent. Paste an image, get structured JSON evidence (OCR, layout, semantics). | 全网最强 DeepSeek Harness 外挂视觉插件，为 DeepSeek、GLM 等纯文本模型外挂视觉能力，粘贴图片即得结构化 JSON 证据（OCR、版面、语义）。

ModLens – DeepSeek Harness 的视觉插件

这是什么 – ModLens 是一个插件，让仅限文本的 LLM（例如 DeepSeek-V4-Flash、GLM-5.3）具备“视觉”能力。它让您能直接将图片粘贴到对话中，将图片发送至可配置的视觉引擎，并返回结构化描述，供语言模型在回复中使用。

主要功能

一键安装 DeepSeek Harness (dsh) 可通过 npx @deepseek-ai/dsh plugin … @liustack/modlens@<version> 或通用的 skills.sh 命令完成。
零配置启动 – 重复使用您已有的任何视觉服务（Claude Code、Codex、OpenCode、Pi 等），并在需要时回退至内置提供商。
六个内置视觉提供商（Gemini、OpenAI 兼容、Anthropic、Antigravity-CLI、Claude-CLI、Kimi-CLI），另有四个可重复使用的本地 CLI。
故障转移链 – 如果主要提供商失败（认证、速率限制、网络），ModLens 会自动尝试下一个，并记录每次尝试。
直接粘贴 – 图片会从幕后创建的临时文件处理；无需手动处理文件路径。
结构化输出 – 返回完整转录、布局区域、实体关系列表和置信度注释，让模型能引用确切细节而非幻觉。
轻量级 – 无需本地代理守护进程或配置修改；卸载只需删除插件文件夹。

安装

DeepSeek Harness：npx -y @deepseek-ai/dsh plugin --profile web add @liustack/modlens@3.26.6（或最新版本）。
其他 Harness：npx -y skills add liustack/modlens --skill modlens --global。
运行内置健康检查（modlens doctor），并按照提示配置视觉引擎（免费 Gemini 密钥、Antigravity CLI 或任何 OpenAI 兼容端点）。

使用方法

安装后，只需将图片粘贴到仅限文本模型的对话窗口中。modlens_read_image 工具会自动触发，将图片发送至选定的视觉引擎，模型会以有根据的描述回复。
后续关于同一张图片的问题无需再次粘贴。
您可以固定特定提供商（modlens config set provider gemini-api）或让故障转移链决定。

生态系统与相关工具

ModSearch – 同系列插件，为缺乏互联网访问权限的模型新增网页搜索能力。
DeepSeek Harness Desktop – Harness 服务的图形化前端。
dsh-market – 插件市场，ModLens 与 800 多个社区插件并列。

许可证 – MIT（请参阅 LICENSE）。

结论 – ModLens 以最少的设置，将任何仅限文本的 DeepSeek 或兼容 LLM 转变为多模态助手，利用灵活的视觉后端和无缝的粘贴到对话工作流程。