DeepSee

{"translation":"大多数人在使用纯文本模型时都会撞上这堵墙：DeepSeek 和本地 GGUF 版本在代码和推理方面表现出色，但只要涉及截图，它们立刻就"失明"了。视觉模型虽然能"看见"，但会略过细节，还会消耗大量显存。所以我反其道而行，构建了 DeepSee：不是让模型去"观察"屏幕，而是通过确定性像素分析加上两个轻量级设备端模型，将截图转化为精确文本——每一个字、每一个坐标、每一种颜色、每一处间距。同一张截图，每次都产出完全相同的转录文本。零显存占用，零上传，既可在浏览器中运行，也可作为免费开源的 MCP 服务器使用。我已经用纯文本代理测试过，它对屏幕内容的读取比那些略掉一半细节的视觉模型更完整。对于搭配 DeepSeek 调试 UI 来说价值巨大——希望它对你也能像对我一样有用。"}