free-vision-skill
by niyongsheng
基于 macOS Vision Framework 的全本地识图插件：`ocr_image`（文字提取，表格结构+坐标）与 `view_image`（场景/人脸/二维码）；web 输入框可直接粘贴多张图片，图片永不离开你的 Mac。
Fully-local image understanding & OCR via macOS Vision Framework: `ocr_image` (text, table layout + coordinates) and `view_image` (scene, faces, QR) — paste multiple images into the web input box or pass path/URL/base64; images never leave your Mac.
安装
dsh plugin --profile web add github:niyongsheng/free-vision-skillGitHub 源码安装：首次需按提示配置 allowBuilds 构建授权后重试
安装与环境配置指引、插件开发教程见 DSH 中文社区文档 ↗
安装即在你的机器上以你的权限运行第三方代码——它可读写文件、使用凭据、访问网络，DSH 的工具审批不会为插件代码加沙箱。「检测到 manifest」仅代表发现 dsh.bundle / dsh.plugin 清单，不构成兼容性或安全审查；安装前请审阅源码，不熟悉的插件先在不含密钥的环境试用。
README
Fully-local image understanding (OCR / table extraction / description) via macOS Vision. Images never leave your Mac.
Install (DSH-Plugin)
dsh plugin add @niyongsheng/free-vision-skill
Then add to cordis.patch.yml:
- insert:
- id: free-vision-skill
name: '@niyongsheng/free-vision-skill'
config:
timeout: 120000
Tools
view_image— describe image content (scene, people, QR, composition)ocr_image— extract text;layout=truefor table structure + coordinates
Input: http(s) URL / base64 / local path.
Paste-to-path (Web UI)
Paste (⌘V) an image in the DSH web input box → its local absolute path is inserted. Loopback-only upload, magic-byte checked: PNG / JPEG / GIF / WebP / HEIC / HEIF.
Usage (Claude Code Skill)
swift scripts/ocr.swift image.png # OCR
swift scripts/ocr.swift --layout image.png # table + coordinates
swift scripts/ocr.swift --describe image.png # describe image
Notes
- Requires macOS 11+ & Xcode Command Line Tools
- First run compiles ~5–10s, cached afterwards
License
MIT © 2026 Nico
原始 README： https://github.com/niyongsheng/free-vision-skill/blob/main/README.md ↗
同类插件
查看全部 →
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-vision-toolkit
让纯文本模型更好地做视觉任务：带意图的图片问答、长截图 OCR、UI 还原等。
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-complete
给 DeepSeek 补上「眼睛和耳朵」的多模态视觉插件：看图 / OCR / 物体检测 / 视频理解 / 语音转写 / 截图直读，一键安装（DSH 插件）。
dsh-media-skills
面向纯文本模型的免费视觉桥与生图：粘贴读图、GLM-4V-Flash 与 Gemini 引擎故障转移、modlens 同款结构化证据输出，并自动播种免费视觉模型路由。
dsh-vision-opencode
给纯文本主模型加可配置识图模型：vision_read_image 工具、输入框识图模型选择器，以及纯文本路由的图片自动转文字。