niyongsheng/free-vision-skill

Local‑only vision skill for macOS 本地化识图技能

Bundle 已验证 MIT TypeScript v0.3.1
Bundle 已验证

已收录

3

Vision

Bundle 已验证

★ 3 在 GitHub 查看
版本v0.3.1
语言TypeScript
许可证MIT
在 GitHub 查看

功能介绍

基于 macOS Vision Framework 的全本地识图插件：`ocr_image`（文字提取，表格结构+坐标）与 `view_image`（场景/人脸/二维码）；web 输入框可直接粘贴多张图片，图片永不离开你的 Mac。

适合

  • 需要全本地、注重隐私的 OCR 与图像理解的 macOS 用户
  • 需要从截图或扫描文档中提取表格结构与坐标的工作流
  • 需要处理粘贴图片、本地文件、URL 或 base64 输入且不上传图像数据的用户

不适合

  • Windows 或 Linux 环境，因为插件依赖 macOS Vision Framework
  • 低于 macOS 11 或未安装 Xcode Command Line Tools 的 Mac
  • 无法接受首次运行约 5-10 秒编译时间的低延迟工作流

README

free-vision-skill

License Platform Framework Privacy

Fully-local image understanding (OCR / table extraction / description) via macOS Vision. Images never leave your Mac.

Install (DSH-Plugin)

dsh plugin add @niyongsheng/free-vision-skill

Then add to cordis.patch.yml:

- insert:
    - id: free-vision-skill
      name: '@niyongsheng/free-vision-skill'
      config:
        timeout: 120000

Tools

  • view_image — describe image content (scene, people, QR, composition)
  • ocr_image — extract text; layout=true for table structure + coordinates

Input: http(s) URL / base64 / local path.

Paste-to-path (Web UI)

Paste (⌘V) an image in the DSH web input box → its local absolute path is inserted. Loopback-only upload, magic-byte checked: PNG / JPEG / GIF / WebP / HEIC / HEIF.

Usage (Claude Code Skill)

swift scripts/ocr.swift image.png          # OCR
swift scripts/ocr.swift --layout image.png # table + coordinates
swift scripts/ocr.swift --describe image.png # describe image

Notes

  • Requires macOS 11+ & Xcode Command Line Tools
  • First run compiles ~5–10s, cached afterwards

License

MIT © 2026 Nico

常见问题常见问题

在启用了 DSH 的终端中执行已验证命令 dsh plugin --profile default add github:niyongsheng/free-vision-skill。命令会解析公开 package 元数据，并保持插件与本页展示的目录身份一致。

tt-a1i/archify · integrations/deepseek-harness★ 14,012

从仓库或系统描述生成经过校验的自包含交互式架构图、流程图、时序图、数据流图和生命周期图。

MIT
liustack/modlens★ 2,925

为纯文本模型架起视觉桥梁：粘贴图片，输出结构化 JSON 证据（OCR、版面、语义）。

MIT
GanyuanRan/Aegis★ 1,048

面向编码 Agent 的软件工程方法包，提供基线优先规划、系统化调试、提示词卫生、完成前验证，以及修复/退役双轨跟踪技能。

MIT
ysr666/dsh-vision-router★ 680

为纯文本 Agent 提供视觉能力：内置免 Key 视觉链 + 像素级视觉工具（看图问答、定位、裁剪、像素对比、取色、OCR、矢量化、抠图、截图）；粘贴图片即可用。

MIT