配置驱动设计，将 OpenAI Images、智谱 CogView 等引擎统一为标准 image_generate 接口。一套参数即可切换不同生成服务，简化集成流程，支持自定义引擎扩展。
支持截图粘贴、拖拽与浏览上传文件，以引用芯片形式浮于输入框上方，发送消息时自动附带文件路径，让多文件引用与携带一气呵成，省去手动输入路径的繁琐操作。
支持本地图片文字识别，将图像转换为文本输入，纯文本生成模型无需视觉能力也能处理图片。自带预处理与格式优化，离线运行不泄露数据，轻量易接入。
deepseek-vision-mcp 给 DeepSeek（及其他纯文本大模型）装上「眼睛」 的开源 MCP Server。 DeepSeek 系列模型是纯文本模型，无法直接识别图片。本项目的思路是： 通过 MCP Serv...
自动管理多任务辅助模型调度，支持按任务设定模型、超时与并发限制，失败冷却后自动切换主模型，并提供视觉分析与网页提取功能。
支持多文件上传与流式下载，内置缩略图生成与MIME类型校验，同时提供简洁的API和可插拔存储层，让附件操作一两行代码就能跑通。
完全在本地设备解析PDF、Office、图片及扫描文档，内置离线OCR引擎精准识别文字，无需联网上传，保障隐私数据安全，安装即用，体验流畅。
外挂式识图插件，圆形鲸鱼按钮一键触发，发送图片自动回传识别结果；支持模型自主截图与识图工具联动，多协议自动适配环境，未装Node.js也能一键安装。
集成 SearXNG 元搜索与 Crawl4AI 智能爬取，提供可插拔的搜索和抓取提供者。自动处理查询合并、结果解析与网页内容提取，支持自定义参数，接入后即可获得稳定高效的网页数据采集能力。
视觉理解MCP基于GLM-4.6V模型，支持图像识别、OCR文字提取与图表数据解析，通过标准MCP协议桥接主流AI客户端，开箱即用并输出结构化结果。
通过LM Studio或Ollama调用本地视觉模型，自动完成OCR、版面与语义分析，生成可校验的结构化JSON证据。全程零API费用，图片数据不出本机，适合隐私敏感的资料归档与自动化流水线直接消费。
Literature research for DeepSeek Harness — dblp + arXiv search, authoritative BibTeX, and full-text download.