pi-vision-struct 1.0.0 — Linux 正式版

给纯文本模型的像素级精确视觉通道

DeepSeek 等纯文本模型经本扩展获得视觉能力：输出数字/坐标/hex（可复算、可审计），而非自然语言转述。

亮点

• 单端口工具 vs：20 个 action 覆盖截屏/OCR/像素测量/DOM/PPTX/PDF/无障碍树/开放词表检测/图表转数据/融合审计/VLM 复核/CLIP 聚类；上下文注入仅 ~700 tokens
• 分层无损架构：L0 源码 → L1 确定性测量 → L2 opt-in 本地 VLM，一切输出可复算
• 自稳定层：调用前两级预检、常驻服务自动拉起与自愈、git 完整性可见化
• 安全：bwrap 内核沙箱零网络 + 系统根只读 + unix socket IPC，依赖版本冻结
• 坐标原语记法：所有异常带 [bbox: x1,y1,x2,y2]，下游推理免疫指代歧义

安装

Linux only。手把手教程见 README（七步，每步带验证命令）；或 Docker 零安装：

docker pull ghcr.io/moritz230127/pi-vision-struct:latest

验证

• 客户视角全功能 19 例零报错一次通过（含沙箱路径）
• 安装教程成功/失败路径均经纯净容器实测
• 回归 25 断言全绿；基准卡 ΔE=0.0 / OCR CER=0.0 / diff recall=1.0

平台

仅 Linux x86_64。macOS / Windows 不支持。