Plugins

Bild-„Lesen“ für reine Textmodelle: Herunterskalieren + Reduzierung der Farbtiefe + Struktur-/Farb-Fingerabdrücke werden in Textraster umgewandelt und in das Gespräch zurückgespeist, sodass das Modell wie ein multimodales Modell autonom zoomen, sampeln und OCR durchführen kann; vollständig lokal ohne Abhängigkeit von externen Modellen, enthält einen Skill zur Bild-Lese-Methodik sowie optional PaddleOCR.

Listet in der DSH-Seitenleiste alle Markdown-Dokumente, Bilder und Videos des Session-Workspace auf, nach Relevanz für die aktuelle Konversation geordnet: aktuelle Nachrichten werden lokal mit IDF-Gewichtung gegen Titel, Zusammenfassung und Text der Dokumente abgeglichen — ohne Modellaufrufe und Netzwerk. Da sie aus dem Workspace gescannt statt erinnert wird, bleibt die Liste nach DSH-Neustart oder neuer Session erhalten. Bilder und Videos werden an Ort und Stelle angezeigt, relative Bildpfade aufgelöst, Videos per HTTP Range gestreamt. Eine Referenzleiste unter dem Vorschaukopf zeigt zitierende und zitierte Dokumente, mit Klick zum Wechseln. Dieselbe Rangfolge steht dem Agenten als Tool knit_docs bereit, das relevanteste Dokumente samt passender Passage zurückgibt, sofern gefunden.

Mobile Web-Shell für die DSH Web GUI: Overlay-Schubladen, ziehbarer FAB, mobile Composer-Korrekturen und ein schwebender Bild-Upload-Button oberhalb des Composers (native Galerie/Kamera, integriert in die validierte add-images-Pipeline), ohne Desktop-Regression. Auf npm als dsh-webui-mobile veröffentlicht.

Erzeugt Game-Art aus Referenzbildern mit Seedream-Bildgenerierung und MiniMax Image-to-Video und baut Acht-Richtungs-Sprites, Sequenzframes und Skelettanimationen mit lokalem Green-Screen-Keying zusammen.

Arbeitsplatzsichere Office-Tools für Agenten: Word erstellen/lesen, Excel erstellen/lesen/aktualisieren, und PowerPoint-Präsentationen mit PNG/JPG/GIF-Bildplatzierung erstellen/lesen.

Nahezu native Bildverständnis-Funktionen für DeepSeek Harness.

Verleiht einem Text-only-Modell Bildverständnis über ein Vision-Language-Modell, bereitgestellt als `describe_image`-Werkzeug.

Kostenlose Vision-Bridge und Bildgenerierung für reine Textmodelle: Lesen eingefügter Bilder, Failover zwischen GLM-4V-Flash- und Gemini-Engine, strukturierte Evidenz im ModLens-Stil und eine vorbelegte kostenlose Vision-Modell-Route.

HarmonyOS-Geräte-Brücke: hdc-Loop für Screenshot/Installation/Log/Crash/UI-Automatisierung mit read_image, offiziell-vorrangiges versioniertes API-Wissen (SDK .d.ts + gebündelte Offline-Docs) und eine DevEco-CLI-Strecke für Build/Sign/Lint.

Token-Kosten-Pipeline für DeepSeek Harness: druckabhängige, geschichtete Kompaktierung (verlustfreie Projektion unter 40 % Kontextdruck, darüber LLM-Zusammenfassung), Tool-Allowlisting pro Agent, Langtext-zu-Bild mit Vision-Zusammenfassung und ein /token-status-Befehl, der Druck, Stufen und eingesparte Tokens verfolgt.

Fügt eine inoffizielle, per Antigravity-OAuth abgesicherte LLM-Route, Websuche, Bilderzeugung und -bearbeitung, Videoverständnis, Kontingentstatus und DSH-Web-Einstellungskontrollen hinzu.

Verleiht reinen Textmodellen Sehvermögen: leitet Benutzerbilder an ein OpenAI-kompatibles Vision-Modell weiter und zeigt die Beschreibungen in einem rechten Panel der Web-UI an.

DeepSeek-Gehirn + automatische Bildtranskription: Bilder in der GUI anhängen und jedes wird standardmäßig über das offizielle deepseek-v4-flash-vision-exp transkribiert (ein reines Text-V4-Pro-Gehirn kann Bilder sehen), mit jeder OpenAI-kompatiblen VLM oder lokalem Ollama als Alternative.

Nutzt ein ChatGPT/Codex-Abonnement in DeepSeek Harness mit GPT-Modellen, Bildgenerierung, Websuche, Abo-Kontingentberichten, Modell- und Funktionssteuerung sowie OAuth-Anmeldung per Browser oder Gerätecode.

Fügt reinen Text-Hauptmodellen ein konfigurierbares Vision-Modell hinzu: ein vision_read_image-Tool, einen Vision-Modell-Selektor in der Composer-Leiste und automatische Bild-zu-Text-Konvertierung für reine Textrouten.

KI-Bild- und -Video-Studio als schwebendes DSH-Panel, damit die Erstellung parallel zum Gespräch läuft statt es zu ersetzen: Text-zu-Bild, Bild-zu-Bild und Multi-Bild-Komposition in 1K–4K über acht Seitenverhältnisse; Text-zu-Video und Bild-zu-Video mit Steuerung des ersten Frames bei 4–12 Sekunden; Kurzdrama-Modus, der ein Skript (.txt/.md/.json) importiert und in Storyboard-Shots für Vorschau und Stapelgenerierung zerlegt; dazu ein Prompt-Experten-Workspace. Keine Laufzeitabhängigkeiten.

Rollenspiel-Konversationen mit Charakterkarten, In-Chat-Autorenschaft und -Bearbeitung von Charakterkarten sowie Bildgenerierung über konfigurierbare Backends.

Sprach-IA-Freundin für die Web-UI: FunASR-Mikrofoneingabe, Qwen3-TTS gesprochene Antworten, Animationsfenster für den Begleiter und Zwei-Wege-QQ-Chat (Text/Sprache/Bild-Push) via NapCat.

Dedizierte Modellrouten, Tools und Systemanleitungen für Vision, Compaction, Reviews, Subagenten, Titel und Bildgenerierung.

Skin-Plugin für die DSH-Web-UI: 4 integrierte Skins sowie individuelle Bild-Skins, bei denen das Foto als Hintergrund der gesamten Oberfläche dient und sich die Farbpalette an dessen dominantem Farbton orientiert.

Rechte Seitenleiste der DSH-Web-GUI: Dateiexplorer im VS-Code-Stil plus Versionskontrolle (git status, stage/unstage/discard, commit, diff, Commit-Graph, fetch/pull/push-Sync, Branch- und Remote-Verwaltung, git init, Wechsel zwischen mehreren Repos, farbcodierter Dateistatus, Dateityp-Symbole), eine Editoransicht, die jede aus dem Chat, dem Dateibaum oder der Versionskontrolle erreichte Datei öffnet (Markdown/HTML/PDF/Bild-Vorschau, Syntaxhervorhebung für 15 Sprachen, Diff-Bearbeitung auf Hunk-Ebene, Speichern mit Ctrl+S), Dateioperationen (neu/verschieben/kopieren/löschen, im Explorer anzeigen), eine einklappbare Icon-Leiste, ein unteres Terminal mit mehreren Tabs (ConPTY) und Commit-Nachrichten, die aus dem bereitgestellten Diff von einem host-konfigurierten Modell erzeugt werden.

MCP-Brücke zu gemini.google.com: Bild- und Videovisionsanalyse, Imagen-Bild- und Veo-Videoerzeugung sowie Gesprächsverwaltung über die bereits angemeldete Browser-Sitzung, ganz ohne API-Schlüssel.

Verwenden Sie in Wallpaper Engine heruntergeladene Hintergrundbilder als Web-Hintergrund von DeepSeek Harness: Video-Hintergründe werden direkt abgespielt, Bild-Hintergründe verwenden das eigenständige Artwork mit der höchsten Auflösung, mit Cover/Contain-Anpassungsmodi und einem 0–100 Panel-Dimmer.

Vom Chat zur Leinwand zum Werk: steuere ComfyUI als visuelle Workflow-IDE in DSH. Bette ComfyUI (lokal oder Cloud) als geteilte Leinwand in DSH Web ein: Der Agent schreibt Prompts und Skripte im Chat, wendet sie live an und erzeugt Bilder, Musik, Video und 3D. Operationen: Pipelines bauen, Workflows lesen/schreiben, Knoten bearbeiten, Links verdrahten, ausführen, justieren und debuggen. Produktion: Batch-Parameter-Sweeps (batch_run) und automatischer Abruf der Ausgaben in den Chat (get_outputs). Pflege: Ein-Klick-Start und -Upgrade von ComfyUI, Kern und Custom Nodes. Dieses Paket ist das DSH-seitige Plugin und liefert den ComfyUI-seitigen Brückenknoten mit.