为何视觉插件重要
大多数 DSH 插件设计上仅处理文本——运行时将文本传给文本模型。但实际工作涉及截图、UI 设计和图片。视觉插件填补了这一空白，让你的代理能粘贴图片并获得结构化 JSON 返回。本文从功能和使用便捷性对比 Top 3 DSH 视觉插件。
三位竞争者
| 插件 | 星数 | 核心功能 | 多图支持 | 定价 |
|---|---|---|---|---|
| dsh-vision-router | 929 | 内置免费视觉链 | 支持 | 免费 |
| agent-vision-toolkit | 1,091 | 粘贴图片→结构化JSON | 支持 | 免费 |
| modlens | 3,499 | DSH 首个视觉插件 | 有限 | 免费 |
dsh-vision-router：一体化选择
该插件自带内置免费视觉链——无需 API 密钥。支持像素级视觉工具，包括问答、定位、裁剪、像素差异、颜色提取、OCR、SVG 追踪和抠图。一条命令安装，无 Python 依赖。最适合希望开箱即用的零配置视觉用户。
agent-vision-toolkit：高级用户之选
专为纯文本 LLM 设计，该工具包支持多图理解、图片问答、前端 UI 还原和 GUI 自动化。集成 Codex、Claude Code、Pi、Oh My Pi 和 OpenCode。权衡点是学习曲线稍陡，但在复杂视觉任务上提供无与伦比的灵活性。
modlens：先驱者
DSH 首个视觉插件，modlens 确立了粘贴图片获取结构化 JSON 证据的模式。覆盖 OCR、版面分析和语义提取。虽然新竞争对手提供更多功能，modlens 仍是基础图片转文本工作流的最简单选项。
你应该选哪个？
- 初学者：dsh-vision-router（零配置，免费）
- 高级用户：agent-vision-toolkit（灵活，多代理支持）
- 简单 OCR 需求：modlens（最小设置）
安全考量
视觉插件在本地或通过 API 处理图片。上传敏感截图前检查每个插件的隐私政策。我们测试的三个插件都没有危险安装脚本——在安全扫描中均获得 A 级。