最佳 DeepSeek Harness 工具插件：视觉、浏览器、搜索

DeepSeek Harness（dsh）的 agent 开箱即带 bash 和文件编辑能力，但视觉、浏览器控制、面向 agent 调优的搜索，都属于插件的地盘。FindHarness 整个 curated 索引里 star 数最高的单个插件——modlens，一款视觉桥接插件——正是出自这个分类。以下是 tools-capabilities 分类里的九款工具插件，按截至 2026 年 8 月的 GitHub star 数排序。

一览表

插件	Star 数	做什么	链接
modlens	1,320	视觉桥接：图片 → 结构化 JSON 证据	插件详情
dsh-vision-toolkit	337	图片问答、长截图 OCR、UI 复现、grounding	插件详情
notes	140	把对话导出为 PNG 图片或 Markdown 笔记	插件详情
dsh-browser	96	Chrome 侧边栏扩展，直接控制浏览器	插件详情
modsearch	94	带结构化引用的网页/X 搜索桥接	插件详情
argo	70	覆盖网页、学术、代码、金融等的多语言搜索	插件详情
dsh-vision-router	61	免费、免密钥的视觉链路加像素工具	插件详情
dsh-computer-use	18	面向可访问性的 macOS 电脑操作	插件详情
dsh-toolkit	15	十个确定性工具，零依赖	插件详情

这九款插件全部来自 FindHarness curated（source: awesome）索引下的 tools-capabilities 分类。以上没有一款经过 FindHarness 的安全评估；安装前请先读插件安全检查清单。

为什么视觉桥接类插件在这个分类里占主导

DeepSeek 自家的 chat-completions 路由是纯文本的——官方文档明确说明它"无法通过任何配置让它接收图片"。如果你跑 dsh 用的是 DeepSeek 原生 provider 而不是支持视觉的模型，这是一个硬性限制，不是配置项能解决的问题。这个事实解释了为什么这个分类里 star 数排名前五的插件中有三个（modlens、dsh-vision-toolkit、dsh-vision-router）都是视觉桥接类：它们让插件先对图片做 OCR/布局/语义提取，返还结构化文本而不是原始像素,从而让纯文本模型也能"理解"图片。

九款插件详解

1. modlens —— 视觉桥接

github.com/liustack/modlens · 1,320 star · MIT

不仅是本分类，也是 FindHarness 整个 curated 索引里 star 数最高的插件。粘贴一张图片，modlens 会返回结构化的 JSON 证据——OCR 文本、布局信息、语义描述——而不是指望模型自己"看懂"这张图。这也是我们的 dsh 插件安装指南里已经用作安装命令示例的那款插件。

dsh plugin --profile web add github:liustack/modlens

2. dsh-vision-toolkit —— 更广泛的视觉任务

github.com/anionex/dsh-vision-toolkit · 337 star · MIT

一个更广泛的文本模型视觉工具箱：意图感知的图片问答、长截图 OCR（针对一屏放不下的滚动截图）、UI 复现、grounding（按描述定位元素）、像素级 diff。如果 modlens 能覆盖你的场景，但你还需要 UI 相关的任务，比如把截图复现成代码或对比两次渲染的差异,这是范围更广的选择。

dsh plugin --profile web add github:anionex/dsh-vision-toolkit

3. notes —— 导出对话

github.com/zhaoolee/notes · 140 star · npm：@zhaoolee/dsh-notes

把 dsh 对话导出为锤子便签风格的 PNG 图片，或者在一个配置好的、按账号划分作用域的工作区里创建和更新 Markdown 笔记。如果你的工作流有一部分是要把一段 session 的产出变成可分享的成果、而不是留在 Web UI 里，这会很有用。已发布到 npm，所以这是一次预构建安装，不会触发 allowBuilds 提示。

dsh plugin --profile web add @zhaoolee/dsh-notes

4. dsh-browser —— 直接控制浏览器

github.com/lum1104/dsh-browser · 96 star · MIT

一个 Chrome 侧边栏扩展，让 dsh 直接操作你的浏览器——描述特别强调不需要视觉能力，也就是说它是围绕 DOM 级别的控制打造的，而不是靠截图解读。如果你的模型完全看不了图片（见上文关于 DeepSeek 纯文本的说明），但你又需要浏览器自动化，这个方案直接绕开了视觉问题,而不是想办法在视觉问题周围打转。

dsh plugin --profile web add github:lum1104/dsh-browser

5. modsearch —— 结构化网页搜索

github.com/liustack/modsearch · 94 star · MIT · npm：@liustack/modsearch

和 modlens 出自同一作者，思路也一样：一个面向纯文本 agent 的搜索桥接，返回结构化 JSON 证据（搜索结果、抓取内容、引用），而不是让模型自己解析原始 HTML 或纯文本摘要。注意 dsh 本身已经自带官方网页搜索 provider（web-search-exa、web-search-perplexity、web-search-deepseek）——modsearch 是一个社区替代方案，而不是补齐一个缺失能力，选之前值得两边都比一比。

dsh plugin --profile web add @liustack/modsearch

6. argo —— 多领域搜索

github.com/taxueseek/argo · 70 star · MIT

专门为 agent 打造的搜索,一个插件里覆盖网页、学术、代码、购物、金融、新闻、百科等多语言来源。范围比 modsearch 更广——modsearch 更聚焦在网页/X 搜索桥接上——如果你的 agent 任务横跨这些领域中的好几个,而不只是一般性的网页查询,argo 是更合适的选择。

dsh plugin --profile web add github:taxueseek/argo

7. dsh-vision-router —— 免费、免密钥的视觉能力

github.com/ysr666/dsh-vision-router · 61 star · MIT

又一款视觉桥接插件，特点是"免密钥"视觉链路——意味着不需要你另外配置一个视觉模型的 API key 就能用——再加一套像素工具：问答、grounding、裁剪、像素 diff、取色、OCR、SVG 描摹、抠图、截图。使用方式和 modlens 一样,粘贴图片即可。如果你在多款视觉插件里只想选一个而不是叠加使用，值得和 modlens、dsh-vision-toolkit 直接对比一下。

dsh plugin --profile web add github:ysr666/dsh-vision-router

8. dsh-computer-use —— macOS 电脑操作

github.com/anionex/dsh-computer-use · 18 star · MIT

面向可访问性优先的 macOS 电脑操作，设计上强调实时观察、拒绝过期状态（拒绝基于一个过时的屏幕视图去操作）、限定范围的权限，以及安全的输入处理。这类工具的风险等级明显高于列表里其他插件——它操作的是你真实的桌面，而不是一个沙箱化的浏览器标签页——所以描述里"可访问性优先"和"限定范围权限"这些说法，在你放开较大权限之前值得对照插件的实际权限模型去核实一遍。

dsh plugin --profile web add github:anionex/dsh-computer-use

9. dsh-toolkit —— 一套确定性工具腰带

github.com/omdsh-dev/dsh-toolkit · 15 star · MIT

一次安装带来十个体积小、行为确定性的工具，零依赖：时间、编码、JSON、计算器、CSV、正则、markdown、diff、统计、schema。这些本身都不是 AI 能力——它们是那种朴实可靠的实用工具，能省下 agent 为一次简单计算或格式转换临时写个脚本的功夫。考虑到体积小、用途广，这是个可以早期就装上的插件。

dsh plugin --profile web add github:omdsh-dev/dsh-toolkit

怎么选视觉插件：modlens vs dsh-vision-toolkit vs dsh-vision-router

三者解决的是同一个底层问题——纯文本模型看不了图片——但范围各不相同：

modlens 是采用最广、最通用的桥接方案：贴图片，返回结构化证据。
dsh-vision-toolkit 在基础的 OCR/问答模式之上,加上了 UI 相关的任务（复现、grounding、像素 diff）。
dsh-vision-router 强调不需要单独的视觉模型 API key，还带一套更广的像素处理工具（裁剪、抠图、SVG 描摹）。

同时装多个技术上可行，但很可能是冗余的——它们在基础的 OCR/问答场景上重叠度很高。考虑到 modlens 的采用度，建议先从它开始，只有在你确实需要 UI 复现或 grounding 这类额外功能时，再加装 dsh-vision-toolkit。