ModLens 视觉引擎全解析6 大 Provider 4 个可复用 CLI免费通道到企业网关怎么选【免费下载链接】modlensThe first vision plugin for DeepSeek Harness, and the vision bridge for every text-only coding agent. Paste an image, get structured JSON evidence (OCR, layout, semantics). | 全网最强 DeepSeek Harness 外挂视觉插件为 DeepSeek、GLM 等纯文本模型外挂视觉能力粘贴图片即得结构化 JSON 证据OCR、版面、语义。项目地址: https://gitcode.com/gh_mirrors/mo/modlensModLens 是 DeepSeek Harnessdsh生态中首个外挂视觉插件也是所有纯文本编码 Agent 的视觉桥把图片直接粘贴进对话框它就能调用视觉引擎返回结构化 JSON 证据OCR 全文、版面区块、语义实体。本文带你一次看懂它的视觉引擎架构——6 大内置 Provider 与 4 个可复用 CLI 各适合谁从免费通道到企业网关该怎么选。一句话理解 ModLensDeepSeek 主力对话模型和 GLM-5.3 本体都是纯文本的看不懂图。ModLens 的思路很直接给模型补上一副眼睛——你粘贴图片它把图片交给某个视觉引擎读图再把 OCR、版面、语义整理成 JSON 交还给模型让回答基于证据而非想象。它不绑定任何单一视觉服务视觉来源一共10 个6 个内置 Provider配好任意一个就能独立工作4 个可复用 CLI复用你本机已有 Agent 的登录态零新密钥1 条故障转移链所有可用引擎自动组成回退队列第一个成功者胜出Provider 的注册表在 src/providers/index.ts每个引擎都实现了统一的VisionProvider接口这也是它即插即用的根本原因。6 大内置 Provider 全解析Provider需要什么单次识别耗时适合谁gemini-api免费 Gemini API key约 3 分钟领取无需信用卡5-10 秒 推荐默认openai任意 OpenAI 兼容端点key baseUrl model5-10 秒qwen-vl、GLM、企业自建网关anthropicAnthropic API key5-10 秒手上已有 key 的机器antigravity-cli免费agyCLI浏览器登录一次即可15-45 秒完全免注册起步claude-cli已登录的 Claude Code20-45 秒复用现有 Claude 订阅kimi-cli已登录的 Kimi Code需显式点名20-45 秒复用现有 Kimi 订阅免费通道档零注册或三分钟拿 keyantigravity-cli是什么都不想注册时的首选安装agyCLI、浏览器登录一次无需任何 key 就能读图默认模型为gemini-3.6-flash-low代价是单次 15-45 秒。gemini-api则是官方推荐的默认引擎到 Google AI Studio 领一个免费 key约 3 分钟、不用信用卡识别耗时直接降到 5-10 秒。实现见 src/providers/geminiApi.ts。万能插座档openai 兼容端点openai这个 Provider 名字叫 OpenAI实际是万能插座——任何讲 OpenAI chat-completions 协议、支持图片输入的端点都能插上qwen-vl通义视觉、GLM 开放平台、SiliconFlow、OpenRouter甚至你公司自建的 vLLM/Ollama 网关。配置只有三个键baseUrl、apiKey、modelapiKey还支持英文逗号分隔多个密钥鉴权/限流/配额失败时自动轮换到下一把。实现见 src/providers/openaiCompat.ts配置键全表见 skills/modlens/references/configure.zh-CN.md。订阅复用档借已有账号的额度如果你已经在用 Claude Code 或 Kimi Codeclaude-cli和kimi-cli可以直接借它们的登录态读图不产生额外费用但单次 20-45 秒。注意kimi-cli只在你显式点名时运行永不作为自动回退成员——避免偷偷花掉你的额度。4 个可复用 CLI零新密钥扩展视觉来源除了 6 个内置 ProviderModLens 还能发现本机其他 Agent CLI 里现成的视觉能力按家授权、平级入链、不插队复用来源需要什么授权方式通道Codex已登录且有视觉模型的 Codex CLIconfig set reuse.codex trueAgent 通道15-45 秒OpenCodeOpenCode 里配好的视觉模型config set reuse.opencode trueAgent 通道15-45 秒PiPi 持有的模型凭据config set reuse.pi trueAPI key 可升级到 5-10 秒快车道Grok已登录的 Grok CLISuperGrokconfig set reuse.grok trueAgent 通道15-45 秒关键设计每次复用都会在结果的meta.warnings里标明花的是谁的额度绝不无声扣费。授权前会先征得同意授权状态记录在配置文件里详见 docs/security.zh-CN.md。免费通道到企业网关一张速查表怎么选你的场景推荐选择理由新手首次使用什么都不想注册antigravity-cli浏览器登录一次即可免 key 免费想要最快响应5-10 秒gemini-api免费 key官方推荐默认公司内网 / 企业网关openai指向自建端点数据不出内网走代理或直连皆可已有 Claude / Kimi 订阅claude-cli/kimi-cli复用现有订阅零额外成本想全部兜底、永不失联不钉死 provider所有引擎自动组成故障转移链配置路由只有两个旋钮modlens config set provider name表达偏好链条继续兜底-p name钉死单一引擎不回退。内网环境设HTTPS_PROXY或modlens config set proxy url即可单个端点还能用openai.proxy 强制直连。完整参数见 docs/cli.zh-CN.md。故障转移链回退永远不是无声的这是 ModLens 视觉引擎最扎实的部分。不钉死 provider 时所有已配置的引擎组成一条链API 快车道5-10 秒先试Agent CLI15-45 秒兜底第一个成功结果胜出结果里的meta.attempts按顺序记录每一次尝试和失败原因所以任何一次回退你都能查到。还有两层细节冷却机制配额耗尽的引擎自动冷却被挪到所在区域快车道/Agent 通道末尾恢复后自动回到正常优先级状态在 src/cooldown.ts 管理借用路由插队保护从其他 harness 借来的引擎插入链条时会尊重你显式点名的引擎永远排最前的规则合并逻辑见 src/analyzer.ts 与 src/providers/availability.ts上图就是在 DeepSeek Harness 中选中DeepSeek-V4-Flash (modlens vision)变体后直接粘贴截图的效果轨迹里可以看到图片抵达时已由 modlens 视觉桥转写回答逐个 UI 元素地还原了界面。实测密集图表也能读对压力测试场景是 128 个 AI 模型的对比散点图——双轴定义、对数刻度、按厂商的配色、高亮区域、虚线标注的每个 DeepSeek 型号全部识别。密集图表正是视觉桥最容易出错的场景。输出的固定 JSON 契约包含summary摘要、ocr全文与逐行、layout按阅读顺序的版面区块、semantics场景、实体、关系、uncertainty不确定清单下游想解析可以直接对着契约写详见 docs/output-schema.zh-CN.md。快速上手三步配好你的视觉引擎安装DeepSeek Harness 用户一条命令装插件其他 harness 用 skills 安装 skill细节见 INSTALL.md 与 docs/harness-setup.zh-CN.md配置modlens doctor先体检——它会盘点 Node 环境、每个 Provider 的就绪状态、本机的故障转移链、复用授权情况且不花一分钱额度粘贴装好后不需要记任何命令直接粘贴图片或给路径skill 自动触发dsh 用户还有网页入口设置页的插件配置里有一张 ModLens 卡片切换引擎、勾选 auto 模式可复用的本机 CLI点几下保存即生效。延伸阅读文档什么时候看docs/cli.zh-CN.md手动跑 CLI参数、默认模型、子命令skills/modlens/references/configure.zh-CN.md全部配置键key、切换 provider、代理docs/output-schema.zh-CN.md解析 JSON 或基于它做二次开发docs/troubleshooting.zh-CN.md命令报错查成因和解法docs/security.zh-CN.md文件权限、图片内容作为不可信输入一句话总结选型想省心选gemini-api想完全免注册选antigravity-cli企业内网选openai指向你自己的网关什么都不想配就全都不用配——ModLens 会把所有可用引擎自动串成一条可靠的故障转移链。【免费下载链接】modlensThe first vision plugin for DeepSeek Harness, and the vision bridge for every text-only coding agent. Paste an image, get structured JSON evidence (OCR, layout, semantics). | 全网最强 DeepSeek Harness 外挂视觉插件为 DeepSeek、GLM 等纯文本模型外挂视觉能力粘贴图片即得结构化 JSON 证据OCR、版面、语义。项目地址: https://gitcode.com/gh_mirrors/mo/modlens创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 ModLens 视觉引擎全解析：6 大 Provider + 4 个可复用 CLI，免费通道到企业网关怎么选
ModLens 视觉引擎全解析6 大 Provider 4 个可复用 CLI免费通道到企业网关怎么选【免费下载链接】modlensThe first vision plugin for DeepSeek Harness, and the vision bridge for every text-only coding agent. Paste an image, get structured JSON evidence (OCR, layout, semantics). | 全网最强 DeepSeek Harness 外挂视觉插件为 DeepSeek、GLM 等纯文本模型外挂视觉能力粘贴图片即得结构化 JSON 证据OCR、版面、语义。项目地址: https://gitcode.com/gh_mirrors/mo/modlensModLens 是 DeepSeek Harnessdsh生态中首个外挂视觉插件也是所有纯文本编码 Agent 的视觉桥把图片直接粘贴进对话框它就能调用视觉引擎返回结构化 JSON 证据OCR 全文、版面区块、语义实体。本文带你一次看懂它的视觉引擎架构——6 大内置 Provider 与 4 个可复用 CLI 各适合谁从免费通道到企业网关该怎么选。一句话理解 ModLensDeepSeek 主力对话模型和 GLM-5.3 本体都是纯文本的看不懂图。ModLens 的思路很直接给模型补上一副眼睛——你粘贴图片它把图片交给某个视觉引擎读图再把 OCR、版面、语义整理成 JSON 交还给模型让回答基于证据而非想象。它不绑定任何单一视觉服务视觉来源一共10 个6 个内置 Provider配好任意一个就能独立工作4 个可复用 CLI复用你本机已有 Agent 的登录态零新密钥1 条故障转移链所有可用引擎自动组成回退队列第一个成功者胜出Provider 的注册表在 src/providers/index.ts每个引擎都实现了统一的VisionProvider接口这也是它即插即用的根本原因。6 大内置 Provider 全解析Provider需要什么单次识别耗时适合谁gemini-api免费 Gemini API key约 3 分钟领取无需信用卡5-10 秒 推荐默认openai任意 OpenAI 兼容端点key baseUrl model5-10 秒qwen-vl、GLM、企业自建网关anthropicAnthropic API key5-10 秒手上已有 key 的机器antigravity-cli免费agyCLI浏览器登录一次即可15-45 秒完全免注册起步claude-cli已登录的 Claude Code20-45 秒复用现有 Claude 订阅kimi-cli已登录的 Kimi Code需显式点名20-45 秒复用现有 Kimi 订阅免费通道档零注册或三分钟拿 keyantigravity-cli是什么都不想注册时的首选安装agyCLI、浏览器登录一次无需任何 key 就能读图默认模型为gemini-3.6-flash-low代价是单次 15-45 秒。gemini-api则是官方推荐的默认引擎到 Google AI Studio 领一个免费 key约 3 分钟、不用信用卡识别耗时直接降到 5-10 秒。实现见 src/providers/geminiApi.ts。万能插座档openai 兼容端点openai这个 Provider 名字叫 OpenAI实际是万能插座——任何讲 OpenAI chat-completions 协议、支持图片输入的端点都能插上qwen-vl通义视觉、GLM 开放平台、SiliconFlow、OpenRouter甚至你公司自建的 vLLM/Ollama 网关。配置只有三个键baseUrl、apiKey、modelapiKey还支持英文逗号分隔多个密钥鉴权/限流/配额失败时自动轮换到下一把。实现见 src/providers/openaiCompat.ts配置键全表见 skills/modlens/references/configure.zh-CN.md。订阅复用档借已有账号的额度如果你已经在用 Claude Code 或 Kimi Codeclaude-cli和kimi-cli可以直接借它们的登录态读图不产生额外费用但单次 20-45 秒。注意kimi-cli只在你显式点名时运行永不作为自动回退成员——避免偷偷花掉你的额度。4 个可复用 CLI零新密钥扩展视觉来源除了 6 个内置 ProviderModLens 还能发现本机其他 Agent CLI 里现成的视觉能力按家授权、平级入链、不插队复用来源需要什么授权方式通道Codex已登录且有视觉模型的 Codex CLIconfig set reuse.codex trueAgent 通道15-45 秒OpenCodeOpenCode 里配好的视觉模型config set reuse.opencode trueAgent 通道15-45 秒PiPi 持有的模型凭据config set reuse.pi trueAPI key 可升级到 5-10 秒快车道Grok已登录的 Grok CLISuperGrokconfig set reuse.grok trueAgent 通道15-45 秒关键设计每次复用都会在结果的meta.warnings里标明花的是谁的额度绝不无声扣费。授权前会先征得同意授权状态记录在配置文件里详见 docs/security.zh-CN.md。免费通道到企业网关一张速查表怎么选你的场景推荐选择理由新手首次使用什么都不想注册antigravity-cli浏览器登录一次即可免 key 免费想要最快响应5-10 秒gemini-api免费 key官方推荐默认公司内网 / 企业网关openai指向自建端点数据不出内网走代理或直连皆可已有 Claude / Kimi 订阅claude-cli/kimi-cli复用现有订阅零额外成本想全部兜底、永不失联不钉死 provider所有引擎自动组成故障转移链配置路由只有两个旋钮modlens config set provider name表达偏好链条继续兜底-p name钉死单一引擎不回退。内网环境设HTTPS_PROXY或modlens config set proxy url即可单个端点还能用openai.proxy 强制直连。完整参数见 docs/cli.zh-CN.md。故障转移链回退永远不是无声的这是 ModLens 视觉引擎最扎实的部分。不钉死 provider 时所有已配置的引擎组成一条链API 快车道5-10 秒先试Agent CLI15-45 秒兜底第一个成功结果胜出结果里的meta.attempts按顺序记录每一次尝试和失败原因所以任何一次回退你都能查到。还有两层细节冷却机制配额耗尽的引擎自动冷却被挪到所在区域快车道/Agent 通道末尾恢复后自动回到正常优先级状态在 src/cooldown.ts 管理借用路由插队保护从其他 harness 借来的引擎插入链条时会尊重你显式点名的引擎永远排最前的规则合并逻辑见 src/analyzer.ts 与 src/providers/availability.ts上图就是在 DeepSeek Harness 中选中DeepSeek-V4-Flash (modlens vision)变体后直接粘贴截图的效果轨迹里可以看到图片抵达时已由 modlens 视觉桥转写回答逐个 UI 元素地还原了界面。实测密集图表也能读对压力测试场景是 128 个 AI 模型的对比散点图——双轴定义、对数刻度、按厂商的配色、高亮区域、虚线标注的每个 DeepSeek 型号全部识别。密集图表正是视觉桥最容易出错的场景。输出的固定 JSON 契约包含summary摘要、ocr全文与逐行、layout按阅读顺序的版面区块、semantics场景、实体、关系、uncertainty不确定清单下游想解析可以直接对着契约写详见 docs/output-schema.zh-CN.md。快速上手三步配好你的视觉引擎安装DeepSeek Harness 用户一条命令装插件其他 harness 用 skills 安装 skill细节见 INSTALL.md 与 docs/harness-setup.zh-CN.md配置modlens doctor先体检——它会盘点 Node 环境、每个 Provider 的就绪状态、本机的故障转移链、复用授权情况且不花一分钱额度粘贴装好后不需要记任何命令直接粘贴图片或给路径skill 自动触发dsh 用户还有网页入口设置页的插件配置里有一张 ModLens 卡片切换引擎、勾选 auto 模式可复用的本机 CLI点几下保存即生效。延伸阅读文档什么时候看docs/cli.zh-CN.md手动跑 CLI参数、默认模型、子命令skills/modlens/references/configure.zh-CN.md全部配置键key、切换 provider、代理docs/output-schema.zh-CN.md解析 JSON 或基于它做二次开发docs/troubleshooting.zh-CN.md命令报错查成因和解法docs/security.zh-CN.md文件权限、图片内容作为不可信输入一句话总结选型想省心选gemini-api想完全免注册选antigravity-cli企业内网选openai指向你自己的网关什么都不想配就全都不用配——ModLens 会把所有可用引擎自动串成一条可靠的故障转移链。【免费下载链接】modlensThe first vision plugin for DeepSeek Harness, and the vision bridge for every text-only coding agent. Paste an image, get structured JSON evidence (OCR, layout, semantics). | 全网最强 DeepSeek Harness 外挂视觉插件为 DeepSeek、GLM 等纯文本模型外挂视觉能力粘贴图片即得结构化 JSON 证据OCR、版面、语义。项目地址: https://gitcode.com/gh_mirrors/mo/modlens创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考