ModLens — 給純文本模型（DeepSeek）外掛視覺能力的 CLI 插件

• URL: https://www.threads.com/share/BATtMPWXs6/
• Date Saved: 2026-08-16
• Source: Threads (@xiaoxiunique)
• Tags: ai-tools, ai-engineering
• Repo: https://github.com/liustack/modlens

Summary

@xiaoxiunique 分享 ModLens：給 DeepSeek 等純文本模型裝上「眼睛」。

問題： DeepSeek 便宜但看不了圖，餵給 coding agent 一張截圖就卡住。

解法： 把圖片轉成 OCR + 布局 + 語義三合一的結構化 JSON，再交給模型。

特點：

• 不用為看圖去開 GPT-4o / Gemini 的 API
• 一條命令裝進 dsh，Claude Code / Codex / Pi 也能用
• 一個 skill 文件夾即裝即用，隨手刪
• GitHub 2.0K stars（當日漲 0.6K）

適用場景： 截圖、UI 報錯圖直接變結構化 JSON，讓純文本 coding agent 也能處理視覺信息。