multimodal-bridge
multimodal-bridge 是一个多模态能力桥：把 Qwen 的视觉理解（Qwen-VL）与图像生成（Qwen-Image）带给没有原生多模态能力的纯文本模型（如 DeepSeek）。它有两种形态、同一套后端： MCP Server（qwen_vision / qwen_generate 工具）：任何支持 MCP 的宿主（Claude Code、Kimi Code 等）直接挂载； DSH 插件（npm 包 dsh-multimodal-bridge，DeepSeek Harness bundle）：dsh plugin add 一行安装，含模型自动 fallback、尺寸自适应与图片结果卡片。
这是一个带 dsh-plugin 话题的 GitHub 仓库——仓库 README 才是权威安装来源。使用下面的模板，按 README 调整包名/路径：
dsh plugin --profile web add $multimodal-bridge本地开发？ 用 dsh --profile web --patch ./cordis.yml 加绝对路径插件——见插件开发。GitHub 源码？ dsh plugin --profile web add github:$Spirit4471/$multimodal-bridge——需要仓库里有 prepare 脚本（见打包发布）。
| 仓库 | Spirit4471/multimodal-bridge |
| 许可证 | MIT |
| 分类 | 工具 |
| 状态 | 未验证 |
| 最近提交 | 2026-08-13 |
| 收录时间 | 2026-08-14 |
🎨 The open-source Claude Design alternative. 🖥️ Local-first desktop app. 🖼️ Your coding agent becomes the design engine: prototypes, landing pages, dashboards, slides, images & video — real files, HTML/PDF/PPTX/MP4 export. 🤖 Claude Code / Codex / Cursor / Gemini / OpenCode / Qwen & 20+ CLIs via BYOK.
查看
The 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).
查看
为纯文本模型"看图“设计更好的视觉工具箱和技能，支持多图理解，图片问答，前端UI还原、GUI 自动化等，并可选无缝接入多个主流agent，直接识别粘贴图片｜ A vision toolkit and skill designed for text-only llms — image Q&A, long-screenshot OCR, frontend UI restoration, and GUI automation, with optional seamless integration for Codex, Claude Code, Pi, Oh My Pi, and OpenCode
查看问题或建议？官方 Discussions 是项目规范的支持渠道；Discord 里能找到活跃的社区成员。dsh.so 本身欢迎通过提交插件或反馈改进。