modlens 插件：为 DeepSeek Harness 纯文本模型提供视觉能力

为 DeepSeek Harness 与纯文本编程智能体提供视觉能力，从图片生成结构化 OCR、布局与语义证据。

这个插件能做什么

modlens 插件是 DeepSeek Harness 的视觉桥梁，使纯文本模型能够读取直接粘贴到聊天中的图片。它将图片转换为结构化 JSON 证据，包括 OCR、布局区域和语义细节，无需文件路径。

modlens 插件是 DeepSeek Harness 的首个视觉插件，旨在为纯文本模型提供视觉能力。它读取直接粘贴到聊天中的图片，将其转换为结构化 JSON 证据，包括完整转录、阅读顺序布局区域以及实体和关系列表。该插件复用 Claude Code、Codex、OpenCode 或 Pi 等工具中已有的多模态模型设置，也可使用 Antigravity CLI 或 Gemini 密钥等免费选项。modlens 插件已在多个 harness 的真实机器上验证，并为 DeepSeek 路由添加视觉模型选择项。

文档记录的能力

图片转 JSON 证据

modlens 插件将粘贴的图片转换为结构化 JSON 证据，包括 OCR 转录、布局区域和语义细节，使纯文本模型能够基于视觉内容进行回答。

零配置集成

modlens 插件复用 Claude Code、Codex、OpenCode 或 Pi 中已有的多模态模型配置，如果这些工具已配置，则无需额外设置。

多 Harness 支持

modlens已在 Claude Code、Codex、Pi 和 OpenCode 的真实机器上验证，可在不同 harness 环境中使用相同的视觉能力。

实际使用场景

读取截图

用户可以将截图粘贴到 DeepSeek Harness 中，modlens会转录内容，包括 UI 元素、文本和布局，供纯文本模型分析。

分析图表

modlens可以读取密集图表，如散点图，提取轴标签、刻度和高亮区域，这些通常对视觉桥梁具有挑战性。

处理多张图片

用户可以一次粘贴多张图片，modlens会依次读取，识别视觉家族并描述每张图片的内容和风格。

安装前先审查

信任第三方插件前，请阅读源码、近期发布、所需权限、网络访问范围与维护者历史。

常见问题

modlens如何处理粘贴的图片？

modlens直接读取粘贴到聊天中的图片，在请求时将其转换为结构化 JSON 证据。原始缩略图保留，模型基于提取的证据进行回答。

modlens支持哪些视觉引擎？

modlens复用 Claude Code、Codex、OpenCode 或 Pi 中的多模态模型（如果可用）。它还支持 Antigravity CLI 和 Gemini API 密钥等免费选项，以加快读取速度。

modlens是否兼容所有 DeepSeek 模型？

modlens包装 DeepSeek 和 GLM 纯文本模型。DeepSeek 自己的视觉模型会自动排除在包装之外，因为它们已经具备视觉能力。