liustack/modlens

ModLens 给 DeepSeek、GLM 等纯文本 agent 增加视觉桥接：粘贴图片后借外部视觉引擎生成全文转录、阅读顺序、实体和关系等结构化证据。它内置 6 类 provider、可复用 4 种本地 agent CLI 登录，所有回退写入 `meta.attempts`；API 通道通常 5 - 10 秒，CLI 约 15 - 45 秒。其工程重点是显式路由、授权和可见回退，让文本模型依据证据答题，而不是假装获得原生视觉能力。