DSH Vision Toolkit
DSH Vision Toolkit 插件提供10个工具，可单独调用，也可组合成工作流。
核验日期
核心信息
以下信息由程序从官方接口读取，不经模型改写。
- 许可证
- MIT
- 语言
- TypeScript
- 维护方
- Anionex
- 核验日期
它是什么
DSH Vision Toolkit 插件提供10个工具，这些工具可单独调用，也可组合成工作流。该插件把图像理解和确定性的本地图像处理放在同一个 Agent 工作流中。其视觉能力来自一个打包并固定版本的 agent-vision-toolkit 快照。DSH 插件负责安装、会话级工具暴露、凭据、路径检查、取消、超时、结果文件和 Web 展示。
主要能力
对于 DSH 明确识别为纯文本的路线，插件会注册一个同级的 (Vision Toolkit) 变体。
默认情况下，在 DSH Web 中粘贴图片会切换到该变体，并向模型提供可复用的工作区路径和围绕当前任务的视觉描述。
随附的 Skill 会告诉智能体针对不同视觉任务应看什么、选择哪个工具、如何推进以及如何验证结果。
随附的 vision-skills Skill 包含完整的上游操作手册，说明何时使用各工作流、按什么顺序调用工具以及如何验证结果。
坐标始终使用原图像素，格式为 x1,y1,x2,y2，因此定位输出可以直接用于裁剪、描摹或后续自动化。
Web 设置面板提供完整的服务商、运行时、超时、图像限制和图像输入变体配置。
怎么上手
项目称大多数用户无需配置 Python 运行时：插件优先使用系统 Python 3.11+，否则会自动从国内镜像下载固定版本的独立 Python，镜像不可达时回退到 GitHub。
正常安装不需要 agent-vision-toolkit 源码检出，也不需要本地路径设置。
使用 DSH Desktop 时，它自带 dsh 命令行工具，并且有意不把它加入系统 PATH。
设置会保存凭据引用，并且从不把已保存的密钥读回浏览器。
支持兼容 OpenAI Chat Completions 的端点、OpenAI Responses 和 Anthropic Messages。
dsh plugin --profile web add @anionex/dsh-vision-toolkitdsh plugin --profile headless add @anionex/dsh-vision-toolkitdsh plugin --profile desktop add @anionex/dsh-vision-toolkit- id: vision-toolkit
config:
provider:
baseUrl: https://api.example.com/v1
credential: MY_VISION_KEY
model: your-vision-model
protocol: openai适合谁
原生支持图像的模型以及输入模态未知的模型不会被包装。不要把 API 密钥、bearer 令牌、cookie 或其他机密放进 provider.headers，视觉 API 密钥应继续使用 provider.credential。请求头只会注入到位于已配置服务商来源及其基础路径之下的 URL。
已有配置继续使用 Chat Completions。Responses 请求设置了 store 为 false，但该标志不能代替对服务商自身数据保留政策的审查。reasoningEffort 留空时使用模型或代理的默认值，较高的 reasoningEffort 可能消耗更多推理令牌并耗时更长。
timeoutMs 默认为30000，可接受1000到600000。排队等待和执行各自获得该 timeoutMs 预算，因此排队的调用总耗时可能超过 timeoutMs。日志区分 queueMs 与 upstreamMs。
在 Windows 上，已配置的共享根目录目前会被拒绝，原因是其所有权和访问控制列表尚无法被安全验证。每次检查都是单独的多模态请求，包含必要的意图和图像，上下文不会在多次调用之间累积。一次更新把默认模型切换为 Gemini 3.7 Flash，并修复了 Qwen/Gemini 边界框坐标顺序。
相关工具
本站已收录的相关工具。
CleverSee
阿里云面向企业的 AI 搜索与问答平台，官网介绍联网检索、多模态私有数据搜问与可配置应用。
01Agent
面向营销内容团队的 AI 创作工作空间。官网介绍从需求生成文章、图文、海报、PPT、报告、电商素材和视频，在无限画布中继续编辑，并通过技能模板复用流程。
魔珐星云
数字人与具身交互智能开放平台，官网介绍感知、知识、语音动作表达、端侧渲染与实时交互 SDK。
Vivix
实时交互多模态平台，官网介绍可响应的角色、场景与世界，提供模型、研究和开发者入口。
LightX2V Studio
LightX2V Studio 的公开页面将其定位为 AI 数字人视频与多模态内容平台，介绍从人物素材、口播脚本和 AI 声音开始创作，并通过项目、Canvas 和可复用流程组织内容。
MiniMax
多模态基础模型公司，官网介绍文本、视频、语音与音乐模型，以及 MiniMax Code、Design、Audio、Talkie 等产品和 API 入口。
百灵大模型
语言与多模态模型家族。官方文档介绍在线多轮对话、文本生成与内容创作，以及 API 接入和跨模态理解/生成用途。
天工AI
天工 AI 当前官网简介介绍具备 DeepResearch 方向的办公智能体，列出文档、PPT、表格及网页、图像、视频、有声书等创作产物。
WorkBuddy
腾讯云 CodeBuddy 推出的 AI 办公 Agent，围绕复杂任务的规划与多模态结果交付提供工作入口。
QwenWork
千问办公（QwenWork）是 AI 办公平台。中文官网介绍企业协作、Office 成品生成编辑、多模态创作、全栈网页交付、数据聚合和技能市场。
BigModel
智谱大模型开放平台，官网简介介绍通用语言模型、多模态视觉模型和面向行业应用的 AI 开发服务。
SiliconFlow
SiliconFlow（硅基流动）提供模型 API 与 AI 云服务，帮助开发者接入文本、语音、图片和视频模型。
相关教程
- skill-creator：写、改、评估技能的官方技能Anthropic 官方 skill-creator 技能：带你起草技能、跑评估、改写并优化触发描述。未实测，请以官方原文和文档为准。
- webapp-testing Skill：用 Playwright 操作本地网页应用Anthropic 官方 webapp-testing Skill：用 Python Playwright 脚本验证本地网页，未实测
- frontend-design：让界面设计避开模板默认Anthropic 官方 frontend-design 技能：做界面前先出设计方案并对照需求自查，避开模板化默认。未实测，以官方原文为准。
- gh-address-comments：逐条处理 GitHub PR 评审评论OpenAI 官方 Codex 技能：用 gh CLI 拉取当前分支 PR 的评论，编号后由你挑选再修改，未实测。
- security-best-practices：按语言与框架做安全审查OpenAI 官方 Codex 技能：识别项目语言和框架，读取对应安全参考文档，写安全默认代码或出报告，未实测。
来源
本页内容整理自以下官方来源，点击可核对原文。
- GitHub READMEhttps://github.com/Anionex/dsh-vision-toolkit抓取于
核验日期 ·
本页由 AI 依据上述官方来源整理，并经自动核对，未经本站实测。 发现错误？告诉我们。