agent-vision-toolkit
为纯文本模型"看图“设计更好的视觉工具箱和技能，支持多图理解，图片问答，前端UI还原、GUI 自动化等，并可选无缝接入多个主流agent，直接识别粘贴图片｜ A vision toolkit and skill designed for text-only llms — image Q&A, long-screenshot OCR, frontend UI restoration, and GUI automation, with optional seamless integration for Codex, Claude Code, Pi, Oh My Pi, and OpenCode
agentagent-skillsclaude-codecodexcomputer-usedeepseekdsh-pluginglmharness-engineeringmultimodalopencodetext-only-llmvisionvision-language-model
安装
dsh plugin add github:Anionex/agent-vision-toolkit
首次安装 GitHub 来源的包时，可能需要在 profile 的 pnpm-workspace.yaml 的 allowBuilds 中允许该包的构建脚本；也可用 github:Anionex/agent-vision-toolkit#<commit-sha> 锁定版本。详见官方文档。
还没有 DSH？两步开始 →
第一步：准备 Node.js 环境
DSH 依赖 Node.js（建议 20 LTS 或更新版本）。终端里运行 node -v 能显示版本号即已就绪。
已有 Node.js：直接进入第二步。
没有 Node.js：去 nodejs.org 下载 LTS 安装包（Windows/macOS 双击安装）；或用包管理器：
brew install nodewinget install OpenJS.NodeJS.LTS第二步：启动 DSH
无需安装，直接运行：
npx @deepseek-ai/dsh web浏览器打开 http://127.0.0.1:3080，在 Web UI 的插件市场里搜索 agent-vision-toolkit，或粘贴上面的安装命令。
