@liustack/modlens

dsh plugin --profile web add @liustack/modlens

<p align="center">

<img src="https://raw.githubusercontent.com/liustack/modlens/main/assets/banner.jpg" width="100%" alt="ModLens" />

</p>

<h1 align="center">ModLens</h1>

<p align="center"><b>为纯文本模型补上视觉能力，直接粘贴图片就能识别。</b></p>

<p align="center">🥇 <b>全网最强的 DeepSeek Harness（dsh）视觉插件</b> 🥇</p>

<p align="center">

<a href="./README.md">English</a> ·

<a href="skills/modlens/references/configure.zh-CN.md">配置</a> ·

<a href="docs/troubleshooting.zh-CN.md">故障排查</a> ·

<a href="docs/security.zh-CN.md">安全</a> ·

<a href="https://github.com/liustack/modsearch"><b>🔍 ModSearch（DSH 最强免费联网搜索插件）</b></a>

</p>

<p align="center">

<a href="https://x.com/liustack"><img src="https://img.shields.io/badge/follow-%40liustack-black?style=flat-square&logo=x&logoColor=white" alt="Follow @liustack on X"></a>

<a href="https://www.npmjs.com/package/@liustack/modlens"><img src="https://img.shields.io/npm/v/@liustack/modlens?style=flat-square&label=npm&color=cb3837" alt="npm"></a>

<a href="https://nodejs.org"><img src="https://img.shields.io/node/v/@liustack/modlens?style=flat-square" alt="Node.js"></a>

<a href="LICENSE"><img src="https://img.shields.io/badge/license-MIT-blue?style=flat-square" alt="License"></a>

<img src="https://img.shields.io/badge/Not%20backed%20by-Y%20Combinator-FF6600?style=flat-square&logo=ycombinator&logoColor=white" alt="Not backed by Y Combinator">

<img src="https://img.shields.io/badge/users-unknown-lightgrey?style=flat-square" alt="Users unknown">

</p>

DeepSeek 的主力对话模型和 GLM-5.3 本体仍是纯文本，无法读图。GLM-5.3-Flash 已是原生多模态。ModLens 借助外挂视觉引擎，为纯文本模型补上视觉能力。ModLens 支持直接粘贴图片识别，无需先保存成文件再提供路径。

交流

有问题随时提issue。推荐你关注公众号 liustack，也欢迎你来 X 上聊：@liustack。你用它做了什么、在哪个 harness 上跑、接下来该做什么，都会在公众号和 X 同步更新。社群正在筹备中。

亮点

🥇 全网最强的 DeepSeek Harness（dsh）外挂视觉识别插件：一条命令即刻安装 npx -y @deepseek-ai/dsh plugin --profile web add @liustack/modlens@3.27.2。更多安装与更新细节参考 [配置手册](docs/harness-setup.zh-CN.md) 。如果用不惯命令行，也想想玩玩 DSH，推荐食用全网最轻量级的 DeepSeek Harness 桌面版封装 <a href="https://github.com/liustack/aimanager"><b> AIManager</b></a>，零代码零配置起手，一键帮你安装所有依赖环境。

DeepSeek Harness 粘贴识图有两种玩法。

① 直接粘贴 贴进来的图片自主转换成文件路径进输入框（与 OpenCode、Pi 同款交互），modlens_read_image 工具接手读图。

② 切到带 (modlens vision) 后缀的模型变体（选择器有记忆，选一次就行）再粘贴：缩略图直接可见、所见即所得，体验更接近 Codex App。变体由插件自动发现生成：每条承载纯文本 DeepSeek 或 GLM 模型的 provider 路由各得一组包装条目（默认安装下就是 DeepSeek-V4-Flash (modlens vision) 和 DeepSeek-V4-Pro (modlens vision)，装了 opencode-go、zai 等额外路由的机器会各自多出一组），两家自己的视觉型号（含 GLM-5.3-Flash）自动排除。走哪条通路由 host 依据真实模型元数据逐个裁决：只有被元数据确认纯文本的模型才会被接管，确认不了的一律不动，视觉模型因此保留原生贴图（[细节](docs/harness-setup.zh-CN.md)）。

所有 Harness 直接粘贴图片识别 无需先保存成文件再提供路径。

需要快捷键把屏幕截进 DeepSeek Harness 时，用独立插件 dsh-screenshot。

• 全网最轻量。 不用 hook，不套壳，不跑本地代理进程，不改任何 harness 配置的一行字：在 skill 类 harness 里它就是一个 skill 文件夹，在 dsh 里就是一个插件。卸载等于删个文件夹，你的 agent 立刻回到原样。
• 零配置起手。 复用 Claude Code、Codex、OpenCode、Pi 已有配置，直接复用你本机的其他多模态模型。如果你本机什么都没安装？Antigravity CLI 是免 key 的免费通道，配一个免费 Gemini key 可将识别耗时降至 5 到 10 秒。也支持所有主流的 OpenAI 兼容格式 API key。
• 多个密钥用英文逗号分隔，鉴权、限流或配额失败时自动轮换。 其他失败会跳过剩余密钥，并继续走现有的 provider 故障转移。
• 基于证据，而非想象。 全文转录、按阅读顺序划分的版面区块、实体与关系列表，模型引用的是具体内容。
• 一次安装，多端可用。 Claude Code、Codex、Pi、OpenCode 均经真机验证。

在其他 Harness 中安装

方式一，通过 skills.sh 一条命令安装：

npx -y skills add liustack/modlens --skill modlens --global

这会把 modlens skill 安装到用户级目录。重启 Harness 后，让 AI 配置

modlens 并运行体检即可。

方式二，把安装交给你的 AI。 把这句话发给它：

按 https://github.com/liustack/modlens 的 INSTALL.md 安装并配置 modlens skill，完成后运行体检并把结果告诉我。

安装会先盘点你机器上已有的东西。Claude Code、Codex、OpenCode 或 Pi 里任何一个已有的登录态都可能就够了：modlens 复用前一定先征得你同意，体检报告会说清现状。

两种方式完成后，只在体检两手空空时，才需要你配一个免费引擎。 推荐免费的 Gemini api key（到 Google AI Studio 领取，约三分钟，无需信用卡），配上后每次识别 5 到 10 秒。其他平台的免费 openai 兼容 key 也行。想完全免注册就装 Antigravity CLI，然后完成登录：

curl -fsSL https://antigravity.google/cli/install.sh | bash
agy                                                           # 浏览器完成登录后退出

安装还会盘点本机其他 harness CLI（Codex、OpenCode、Pi）里可触达的视觉能力，并逐个询问是否允许 modlens 复用。获准的登录态与你自己配的引擎平级入池，每次复用都会在结果里标明花的是谁的额度。

DeepSeek Harness（dsh）用户不走 skill 流程，本包就是原生 dsh 插件：

npx -y @deepseek-ai/dsh plugin --profile web add @liustack/modlens@3.27.2

装完即有 modlens_read_image 工具，选「(modlens vision)」模型变体即可直接粘贴识图。引擎配置同样在 ~/.modlens，详见[宿主接入](docs/harness-setup.zh-CN.md)。

命令行不是唯一入口。dsh 设置页的「插件 → 插件配置」里有一张 ModLens 卡片（dsh 0.1.7 起改到侧栏的「插件」页，在「已安装」里点开 @liustack/modlens）：切换引擎，勾选 auto 模式可以复用本机哪些 CLI，在网页上点几下保存就生效。

用法

装好之后不需要记任何命令。正常聊天，粘贴图片或给出图片路径，提问即可，skill 自动触发：图片交给视觉引擎，答案基于读到的内容返回。贴一次，后面追问同一张图不用再贴。

视觉引擎：六个内置 provider，四家可复用 CLI，一条故障转移链

ModLens 不绑定任何单一视觉服务。视觉来源一共十个：六个内置 provider（配好任意一个就能用），加四家本机 agent CLI 的登录可以复用。先看内置的：

Provider · 需要什么 · 单次识别耗时 · 适合谁

gemini-api · 免费 Gemini key（三分钟领取，无需信用卡） · 5-10 秒 · 推荐默认

openai · 任意 OpenAI 兼容端点（key + baseUrl + model） · 5-10 秒 · qwen-vl、GLM、自建网关

anthropic · Anthropic API key · 5-10 秒 · 手上已有 key 的机器

antigravity-cli · 免费的 agy CLI，浏览器登录一次，无需 key · 15-45 秒 · 完全免注册起步

claude-cli · 已登录的 Claude Code · 20-45 秒 · 复用现有 Claude 订阅

kimi-cli · 已登录的 Kimi Code · 20-45 秒 · 复用现有 Kimi 订阅，需显式点名

不钉死 provider 时，所有配好的引擎组成一条故障转移链：API 快车道先试，a

…(truncated)