飞升在即，开源一个给无机器视觉的模型增加基础视觉能力的CLI工具

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

开源地址：GitHub链接

项目介绍：GitHub托管页

项目背景

梁先生的ds是真的很便宜啊，可惜没有视觉能力，本项目精选了一些好用的OCR和VLM小模型集成到CLI中实现一键下载和配置，电脑性能好的可以OCR+VLM，性能不太好的可以使用OCR模式，针对于Web场景还有特调，最后会输出带结构化的Json，启用视觉模型的会带一些提炼好的关键信息

功能特点

• 操作简单，已集成三到四个官方下载点支持断点续传


• AI操作友好，CLI强命令格式校验


• 支持 iOS、Linux、Windows


• 界面简洁


• 已支持纯OCR识别、VLM通用识别、OCR+VLM降低幻觉率的混合识别

写在最后

本项目经过gpt5.6-sol和deepseek-v4-flash双盲测，效果还行。

欢迎大家提issue或PR