项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-19 · 当前星标 ★ 5014
使用教程
环境要求
- 已安装 Node.js(可用 npx 命令)
- 一个支持 skills 的编码代理环境(如 DeepSeek Harness、Claude Code、Codex 等)
- 可选:免费的 Gemini API Key,或其他 OpenAI 兼容平台的 Key
- 可选:Antigravity CLI(不想注册任何账号时使用)
安装与启动步骤
-
1安装 modlens 技能
用 skills.sh 把 modlens 技能装到用户级别(--global),安装后该技能对所有项目生效,无需手动 clone。
npx -y skills add liustack/modlens --skill modlens --global -
2重启代理
安装完成后必须重启你使用的编码代理(harness),让新技能被加载识别。
-
3配置并健康检查
重启后让 AI 按官方 INSTALL.md 完成配置并执行健康检查;它会先检测本机已有的登录环境。
-
4配置免费视觉引擎
仅当健康检查结果为空时需要:推荐去 Google AI Studio 申请免费 Gemini API Key,约三分钟且无需信用卡,配置后每次读图约 5-10 秒。
-
5或用 Antigravity CLI
不想注册任何账号时,改为安装 Antigravity CLI 并登录一次作为视觉引擎,登录后即可退出。
curl -fsSL https://antigravity.google/cli/install.sh | bash agy -
6粘贴图片使用
直接在对话中粘贴图片或给出路径并提问,技能会自动触发把图片送往视觉引擎,回答基于实际读到的内容。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
Gemini API Key | 否 | 推荐的免费视觉引擎凭据,缺失且健康检查为空时才需要配置 | AIzaSyxxxxxxxxxxxxxxxx |
Settings → Plugins → Plugin config 中的 Mo | 否 | DeepSeek Harness 图形界面入口,可在此切换引擎、勾选 auto 模式可复用的本地 CLI | 引擎切换 / 勾选 Codex、OpenCode、Pi |
如何确认成功
向 AI 索要健康检查结果,能看到可用视觉引擎即配置成功;再粘贴一张图片提问,回答确实基于图中内容。
常见问题
Q:健康检查结果为空怎么办?
A:说明没找到可用视觉引擎。配置一个免费的 Gemini API Key(Google AI Studio 获取,无需信用卡),或安装 Antigravity CLI 登录,然后重新跑健康检查。
Q:需要先把图片保存成文件再传路径吗?
A:不需要。ModLens 直接读取粘贴进对话的图片,无需存盘再传路径。
Q:会偷偷用我已有的 Claude Code / Codex 登录吗?
A:不会。它会先询问是否允许复用,逐个 harness 确认;被复用的读取会标明消耗了谁的配额。
Q:同一张图再问一次要重新粘贴吗?
A:不用。粘贴一次后,基于同一张图的后续提问无需重复粘贴。
注意事项
- DeepSeek 旗舰对话模型和 GLM-5.3 本身是纯文本,无法直接读图,必须搭配 ModLens 提供的视觉引擎。
- 除了命令行安装,DeepSeek Harness 还能在 Settings → Plugins → Plugin config 的 ModLens 卡片里图形化配置。
- 也可以把安装整件事交给 AI:让它按官方 INSTALL.md 安装配置并回报健康检查结果。
- 未配置任何引擎时无法读图,务必以健康检查结果为准,不要凭安装成功就认为可用。
核心亮点
- 直接为 DeepSeek/GLM 等纯文本模型补充视觉能力,无需重新训练,集成成本低
- 输出结构化 JSON(OCR、版面、语义),方便下游代理程序化处理,而非简单文本描述
- 兼容多种主流代理框架(claude-code、codex 等),插件化设计易于扩展和定制
不足之处
- 依赖外部视觉模型或 API,可能增加额外调用延迟和成本
- 文档/社区待观察
适用场景
- 在编码代理中处理 UI 截图、设计稿,自动提取界面元素和文本
- 对文档扫描件、PDF 截图进行 OCR 和版面分析,辅助数据录入
- 为纯文本聊天机器人提供图像理解能力,实现多模态对话
替代项目
LLaVA、CogVLM、Qwen-VL
上一篇:DEIMv2
下一篇:OpenCVTutorials
同类项目推荐
gen-cv
开源
用自然语言搞定视觉任务,快速搭建生成式视觉应用
Vision AI Solution Accelerator
textsnap
开源
截图图片一键变纯文本,本地跑不用 GPU
Snap any image, screenshot, or webpage into plaintext. No GPU. No cloud. One command···
scanbot-sdk-example-flutter
开源
Flutter 里几行代码接入文档扫描与 MRZ 识别
Easy-to-use Flutter document scanner and data extraction plugin
Lifelong-nnUNet
开源
让医学分割模型持续学习不遗忘,多数据集顺序训练不掉点
ax-samples
开源
在爱芯 NPU 板子上快速跑通 YOLO 等视觉模型
Samples code for world class Artificial Intelligence SoCs for computer vision applic···
tessera
开源
让卫星影像按时间流动,一键提取地表变化规律
[CVPR26] TESSERA is a foundation model that can process time-series satellite imager···
face-emotion-recognition
开源
摄像头前做表情,AI陪你聊情绪
Real-time Face & emotion recognition system using a lightweight CNN, with OpenCV web···
CLOUDS
开源
多模型协作,让语义分割在陌生场景下依然稳准狠
[CVPR 2024] Official Implementation of Collaborating Foundation models for Domain Ge···
yolov5
开源
用 PyTorch 快速训练和部署目标检测模型,开箱即用。
Ultralytics YOLOv5 in PyTorch for object detection, instance segmentation, classific···
