dsh-quicksight

DeepSeek Harness 双层图片识别插件：为纯文本模型补上识图能力，本地图片识别 + 模型识别双通道。

┌─────────────────────────────────────────────────────────┐
│  本地图片识别（Local OCR）       模型识别（Vision Model） │
│  Tier-1  快速本地 OCR           Tier-2  视觉模型兜底     │
│  RapidOCR / PP-OCR / ONNX       modlens + 任意视觉引擎   │
│  约 2-3 秒 · 完全离线 · 不上传   约 20 秒 · 结构化证据    │
│  中文/英文准确 · 零 API 成本     summary/OCR/版面/语义    │
└─────────────────────────────────────────────────────────┘

规则：能用本地 OCR 快速拿到文字就先 OCR（本地图片识别）；OCR 不行（空/过短/乱码）或需要视觉理解时，才回落模型识别（视觉模型）。

特性

• 注册 quicksight_ocr 工具，自动执行双层策略（模型无需选择，直接调用）
• Tier-1 完全本地离线：图片与文字不上传任何服务器，零 API 成本
• Tier-2 复用 modlens 生态：任何已配置的视觉引擎（Nvidia NIM / Gemini / OpenAI 兼容端点 / Anthropic）
• 零运行时依赖（Node 内置 API），纯服务端插件，不监听任何端口
• 全路径可配置（插件配置或环境变量），无硬编码凭据

架构

粘贴图片 / 图片路径 / 图片 URL
        │
        ▼
quicksight_ocr 工具
        ├─ Tier-1: python ocr.py <图> → RapidOCR（本地，2-3s）
        │      └─ 文本 ≥ minChars(默认20) → 直接返回 ✅
        └─ Tier-2: modlens CLI analyze <图>（~20s）
               └─ 结构化证据：summary / OCR / 版面 / 不确定性

依赖

安装

1. 安装插件

# 已发布到 npm 后：
npx -y @deepseek-ai/dsh plugin --profile web add dsh-quicksight
# 或直接从本仓库安装：
npx -y @deepseek-ai/dsh plugin --profile web add github:Isanti2016/dsh-quicksight

安装后重启 dsh web 服务（dsh restart）并新建会话，quicksight_ocr 工具即注册到模型。

2. 准备 Tier-1（快速本地 OCR，推荐）

在标准目录建 Python 虚拟环境并安装 RapidOCR：

python -m venv ~/.dsh/tools/ocr-venv
~/.dsh/tools/ocr-venv/Scripts/pip install rapidocr_onnxruntime   # Windows
~/.dsh/tools/ocr-venv/bin/pip install rapidocr_onnxruntime       # macOS/Linux

也可用任意已装 rapidocr_onnxruntime 的 Python，通过配置 ocrPython 指向它。

3. 准备 Tier-2（视觉兜底，可选但推荐）

按 modlens 文档 安装并配置至少一个视觉引擎，配置写入 ~/.modlens/config.json（例如 Nvidia NIM / 免费 Gemini key / 任意 OpenAI 兼容端点）。示例：

npx -y @liustack/modlens config set openai.baseUrl <https://.../v1>
npx -y @liustack/modlens config set openai.apiKey <你的 key>      # 仅存本机
npx -y @liustack/modlens config set openai.model <视觉模型>
npx -y @liustack/modlens config set provider openai

配置

插件配置项（在 profile 的 cordis.patch.yml 里给插件传参，或通过环境变量）：

本地目录与端口（接入必读）

• 本插件不监听任何端口，纯工具型插件，无 HTTP/WS 服务。
• Tier-1：完全本地，不产生任何网络请求。
• Tier-2：发起出站 HTTPS 请求到所配置的视觉引擎（默认示例为 Nvidia NIM https://integrate.api.nvidia.com:443；也可指向任何 OpenAI 兼容端点）。不开放任何入站端口。
• 若同时使用 modlens 的粘贴接管（/modlens/paste），它走 dsh web 服务默认监听 127.0.0.1:3080（本地回环）——与本插件无关，但注意 dsh web 需要常驻。
• 标准目录约定：~/.dsh/tools/ocr-venv（Python 环境）、modlens 插件在 ~/.dsh/profiles/<profile>/node_modules/。全部可用配置覆盖。

隐私与安全

• 本仓库不含任何 API key / 令牌 / 个人路径。
• Tier-1 图片不出机器；Tier-2 图片会发送到你自选的视觉引擎（如 Nvidia/Gemini），敏感图片请优先 Tier-1 或自建本地视觉引擎。
• 凭据只存本机：modlens 的 key 在 ~/.modlens/config.json，不入库、不入会话日志。

致谢（引用的开源项目）

dsh-quicksight 站在以下优秀开源项目之上，特此致谢：

• RapidOCR（RapidAI）— Tier-1 本地 OCR 引擎（rapidocr_onnxruntime，PP-OCR 模型 + ONNX Runtime），中文/英文识别准确、CPU 秒级、跨平台。
• PaddleOCR / PP-OCR（PaddlePaddle）— RapidOCR 所承载的 OCR 检测/识别模型（PP-OCRv3+）的原始出处。
• modlens（@liustack）— Tier-2 视觉桥接：dsh-quicksight 复用其 CLI 与 ~/.modlens/config.json 配置，接入任意 OpenAI 兼容/Anthropic 视觉引擎。
• Nvidia NIM / Gemini / 其他 OpenAI 兼容端点 — Tier-2 可选的上游视觉引擎示例（由用户自行配置）。
• DeepSeek Harness（dsh）— 插件宿主框架。

说明：dsh-quicksight 不包含上述项目的代码，仅按各自开源协议调用/复用；Tier-1 使用 RapidOCR 需在其许可范围内，Tier-2 使用 modlens 与其所选引擎受各自条款与额度约束。

已知限制

• 免费视觉引擎（如 Nvidia 免费额度）存在速率限制：连续调用可能返回 429/404，稍后自动恢复；Tier-2 失败时工具会降级报错并提示配置。
• Tier-1（RapidOCR）只提取文字，不分析颜色/布局/图表/人脸；此类需求由 Tier-2 视觉模型处理。
• 支持常见图片格式（PNG/JPG/BMP/TIFF/WebP）；不支持 PDF（需先逐页转图）。

卸载

npx -y @deepseek-ai/dsh plugin --profile web remove dsh-quicksight

License

MIT