功能说明
Vision Router 给纯文本 agent 的是一套像素级工具,而不是一个简单的“描述这张图”调用。它内置一条免费、无需密钥的视觉链路,并在此基础上提供问答、定位、裁剪、像素 diff、取色、OCR、SVG 描摹、抠图和截图捕获,让图像处理发生在普通的工具调用回合中。
主要特性
- 内置免费的视觉链路,无需 API key
- 定位功能,返回所描述元素的坐标
- 裁剪与放大,让细节保持可读
- 像素 diff,比较两张截图之间的视觉回归
- 截图捕获可直接送入下一次工具调用
安装
dsh plugin --profile web add dsh-vision-router
兼容性说明
不依赖 Python,因此在全新的机器上安装更简单。