@anionex/dsh-vision-toolkit

主要功能

• 粘贴图片后自动切换为 Vision Toolkit 模型变体，无需手动切换模型或复制文件路径。
• 安装后即可使用内置免费的 Gemini 3.7 Flash 视觉服务，默认无需配置 API Key。
• 支持图片问答、多图比较、长截图 OCR、截图还原前端 UI、元素定位与像素级对比等视觉任务。
• 针对具体任务提取关键证据（如错误位置、按钮位置），而非生成泛泛的图片描述。
• 内置经过长期实践打磨的视觉任务方法论 Skill，指导 agent 选择工具、执行步骤并验证结果。
• 可将默认免费视觉服务替换为自定义模型服务商，突破每日额度限制。

适合什么时候用

• 需要让纯文本模型理解截图、错误提示图或界面设计稿的内容时。
• 需要把设计稿截图还原成前端代码，或对比两张图片的像素差异时。
• 处理长截图文字提取（OCR）或多张图片间的比较分析时。

安装后会多出什么

使用前需要

• 默认无需 API Key，使用作者自建的免费视觉服务，每台机器每日限额 100 张图片。
• 如需更高额度或自定义模型，需自行提供并配置对应服务商的 API Key。
• 需在 DSH Web 或 Headless Profile 中通过 npm 安装并启用。