xuhengjs
V2EX  ›  DeepSeek

deepseek harness 自己做插件能力还挺强的

  •  
  •   xuhengjs · 6 days ago · 899 views

    本来 harness 是没有识图能力的,然后我让他自己搞个插件看图,给他硅基流动和阿里云的,最后测下来用了阿里云的 qwen3.7-flash 来识图。

    中间有两个坑,一个是 input 不支持图片,然后他自己会通过修改配置把 image 支持加上去。然后就是每次输入会把缓存的图片重新识别,这个提醒之后他改成重用识图结果的模式,然后就交流飞快了。

    都弄好了之后,现在可以直接题图加文字扔给 harness 处理了,不过识图速度还是不够快。

    虽然没有大的测试,但从这点东西来看,自由度还是很高的。随时可以自己加能力,如果缺的话。估计再过一两周应该就会看到一些实用的专门产品出来了。

    2 replies    2026-08-18 15:13:19 +08:00
    win8en
        1
    win8en  
       6 days ago via Android
    追更,mark 一下
    gangoogle
        2
    gangoogle  
       3 days ago
    我用的也是 3.7-flash,我公司做的发票识别 视觉模型基本都是用的 qwen,昨天才更新到 3.7-flash 真是强到飞起 -复杂扫描件 5S 就出
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Solana   ·   909 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 30ms · UTC 20:16 · PVG 04:16 · LAX 13:16 · JFK 16:16
    ♥ Do have faith in what you're doing.