modlens

给纯文本模型装上眼睛：聊天里直接粘贴图片，它就能像有视觉一样读给你听。

解决什么问题

DeepSeek、GLM 等主力聊天模型是纯文本的，看不懂图片。要在对话里”读”一张截图、报错或图表，以往要么换多模态模型，要么先把图存成文件再传路径。ModLens 把这件事变成”直接粘贴”：它是一个插件式视觉引擎，给纯文本模型装上视觉——无需保存文件，也无需单独配置视觉模型或 API key。

它对外暴露一个原生 modlens_read_image 工具，并自动发现 profile 里所有承载纯文本 DeepSeek / GLM 模型的路由，为每条路由包装一个 (modlens vision) 模型入口（选一次后记得住）。粘贴有两种方式：直接粘贴（图片作为私有临时文件进入输入框），或选 (modlens vision) 入口再粘贴（缩略图留在消息里，接近 Codex 体验）；图片按需转成结构化证据，由同一底层路由作答。

核心功能

• 直接粘贴读图：图片粘贴即读，不必先存成文件再传路径
• 原生工具与路由：暴露 modlens_read_image 工具，自动为每条纯文本 DeepSeek / GLM 路由添加 (modlens vision) 入口，视觉模型自动排除
• 六个内置引擎 + 故障切换：gemini-api、openai、anthropic、antigravity-cli、claude-cli、kimi-cli 组成故障切换链，meta.attempts 记录每次尝试、切换从不静默
• 零配置起步：复用 Claude Code、Codex、OpenCode、Pi 已有的多模态登录；什么都没配时，Antigravity CLI 是免 key 的免费通道
• 证据而非想象：完整转录、阅读顺序布局区域、实体与关系列表，模型引用的是具体内容
• openai 万能插槽：任何 OpenAI 兼容端点（qwen-vl、GLM、SiliconFlow、OpenRouter、自托管 vLLM / Ollama）都能接入

快速上手

一条命令安装（版本号显式命名，便于 pnpm 11 正确解析）：

npx -y @deepseek-ai/dsh plugin —profile web add @liustack/modlens@3.22.0

装好后直接聊天即可：粘贴图片或丢一个路径，插件自动触发，图片交给视觉引擎，回答建立在真实读取之上。引擎配置用 modlens config set provider <name> 设偏好、-p <name> 固定单一引擎，走代理可设 modlens config set proxy <url>。

适合谁

• 在 DSH 上使用纯文本模型、却经常需要看图（截图、报错、图表）的用户
• 不想为”读图”单独配置视觉模型或 API key 的开发者
• 希望读图结果可验证、引用具体证据而非泛泛而谈的用户