dsh-macos-vision-ocr
English | 简体中文
这是一个基于 Apple macOS Vision 框架的 DeepSeek Harness 离线 OCR 插件。它新增 ocr_image 工具，让任何文本模型都能从截图、扫描件和文档图片中提取文字，无需 API Key，也不会由插件发起网络请求。
功能
- 使用
VNRecognizeTextRequest的精准识别级别在本机运行。 - 支持 PNG、JPEG、WebP、GIF、TIFF、BMP、HEIC 和 HEIF。
- 每次调用可指定 BCP-47 识别语言。
- 首次使用时编译内嵌的小型 Swift 辅助程序，之后复用内容寻址缓存。
- 对返回文本设置字节上限，并明确返回是否发生截断。
- 子进程始终使用固定参数向量，不把图片路径拼进 shell 命令。
运行要求
- macOS 13 或更高版本。
- 已安装 Xcode Command Line Tools，并能从
PATH找到swiftc。 - DeepSeek Harness
0.1.0-rc.5或兼容的开发者预览版。
Apple Vision 不存在于 Linux 和 Windows，因此本插件会在这些平台上明确失败。
安装
把插件从 GitHub 安装到需要 OCR 的 profile：
dsh plugin --profile web add github:leozou320-ai/dsh-macos-vision-ocr安装后重启对应 profile。卸载命令：
dsh plugin --profile web remove dsh-macos-vision-ocr使用
可以直接让智能体读取图片，也可以显式调用工具：
{
"file_path": "./scan.png",
"languages": ["zh-Hans", "en-US"]
}结果包含图片规范路径、识别文字、实际语言列表和 truncated 截断标记。
配置
如需修改默认值，可在更后面的 Harness patch 层覆盖本插件行：
- id: dsh-macos-vision-ocr
config:
cacheDir: /absolute/path/to/cache
languages: [en-US]
maxOutputBytes: 2000000| 配置项 | 默认值 | 说明 |
|---|---|---|
cacheDir | $DSH_HOME/cache/ocr | Swift 源码和已编译辅助程序的缓存目录。 |
languages | zh-Hans、zh-Hant、en-US | 工具调用未指定语言时使用的默认值。 |
maxOutputBytes | 1000000 | 单次 OCR 捕获的 stdout 最大字节数。 |
权限、隐私与安全
- OCR 在本机完成，插件本身不发起网络请求。
- 原生辅助程序运行前，图片路径会先通过 Harness 文件系统服务检查，仍受当前文件访问策略约束。
- 插件首次运行时通过 Harness 子进程服务调用一次
swiftc，之后执行缓存的原生辅助程序。 - 识别出的文字会成为工具结果，进入当前会话记录和模型上下文。不要识别你不愿发送给当前模型提供方的材料。
- 敏感环境安装第三方插件前应检查源码，并固定到具体 commit。
已知局限
- OCR 只识别文字，不理解对象、人脸或场景。
- 阅读顺序按几何位置近似，多栏和复杂版式可能不准确。
- 首次调用需要编译 Swift 辅助程序，延迟会更高。
- 手写识别效果取决于语言、图片质量和 macOS Vision 版本。
开发与验证
node --check host.mjs
node --test
npm pack --dry-run本地安装测试：
dsh plugin --profile web add ./path/to/dsh-macos-vision-ocr许可证
[MIT](LICENSE)