Plugins

Medien- und Vision-Workspace für DeepSeek Harness: Erzeugung von Bildern, Videos und Sprache, Fragen und Antworten zu Bildern sowie Lokalisierung von Elementen, OCR für lange Bilder, Pixel-Diff, Verifikation von HTML-Screenshots und Zusammenfassung von Videos, mit DashScope- und OpenAI-kompatiblen Anbietern, Modellpools und einem Workbench-Client.

Eine Vision-Language-Gateway-Provider-Route: Eingefügte Bilder werden von einem konfigurierbaren VL-Modell (standardmäßig Qwen-VL) beschrieben, bevor sie an DeepSeek gesendet werden.

Vision für das reine Text-DeepSeek standardmäßig über Doubao Web (kostenlos, kein API-Schlüssel nötig – steuert Ihr angemeldetes Chrome über eine Windows-CDP-Brücke), mit Antigravity-IDE-Kontingent (flash/pro) oder Gemini als Fallback; automatische Detail-Eskalation, Vision-Beleg-Speicher mit Rehydrierung nach Kompaktierung, Content-Hash-Cache und ein zweisprachiges Client-Panel.

Multi-Account Google Gemini-Provider: wählt den Account mit dem größten verbleibenden Kontingent, Failover bei 429 mit exponentiellem Cooldown, prüft deaktivierte Accounts im Hintergrund und liefert eine chinesisch/englische Einstellungsseite.

Lässt reine Textmodelle Bilder sehen: Trifft ein Bild mit einem Platzhalter wie \[image omitted because this model accepts text only] ein, ruft das Modell das Werkzeug vision_describe auf, und das Plugin leitet die Bildreferenz samt Frage an ein multimodales Modell weiter und wiederholt bei Fehlschlag mit einem Ausweichmodell. Konfiguriert wird auf der Einstellungsseite, gespeichert über die offizielle Settings-API.

Steuert angemeldetes Chrome: echte Tabs, Iframes gleicher Herkunft. macOS/Windows/Linux; Chrome 116+, Node 18+. Native messaging + `chrome.debugger`, kein Port; 12 `browser_*`, CLI `cb`. `browser_download`: Link/Ziel/URL mit Anmelde-Cookies; Downloads/Arbeitsordner, folgt Weiterleitungen, erhält Servernamen. Fremdherkunft-Iframes nur gelistet, ohne Zugriff. Paket mit nativem Host + MV3; Erststart kopiert/installiert und registriert native messaging. Kein Klonen, `install.sh`, `python3`. DSH Bridge hinzufügen: Chrome Web Store (https://chromewebstore.google.com/detail/bippcbbbipppmhjkjomgdnjbooecbimo, kein Developer mode) oder entpackte Kopie via `chrome://extensions`; bis dahin Tools mit Fehlerhinweis. Windows: Chrome/Edge-Registrierung, benannte Pipe.

Omnimodale Workstation für DSH: analyze_image über eine geordnete Failover-Kette aus mehreren VLM-Karten, ein Bildwerkzeugkasten mit sechs Werkzeugen (Zoom, Farbabtastung, Pixel-Diff, OCR, Elementerkennung, Anzeige im Chat), die denselben Bildauflöser nutzen, generate_image über die Protokolle OpenAI/DashScope/ComfyUI, asynchrones generate_video mit mehreren Karten samt Builder /build-video-tool und speak/clone_voice für Sprachausgabe über sieben Anbieter – alles gesteuert von einer selbst speichernden Einstellungsseite.

On-Demand-Vision für reine Text-DSH-Sitzungen: Bilder werden zu Markern, und ein vision_describe-Tool sendet nur das Bild und die Frage an ein OpenAI-kompatibles Vision-Modell

Aufziehspiel im Digimon-Stil: Lass ein Ei schlüpfen, das sich von echter Arbeit ernährt (Züge, Tool-Aufrufe, Fehler) und sich entlang vier verzweigender Linien entwickelt, je nachdem wie du arbeitest; null Tokens, für das Modell unsichtbar.

MiniMax-betriebenes multimodales Plugin: Echtzeit-Sprachanrufmodus (Streaming-Gespräch, schwebende Dock-UI), Sprachmodus und Mikrofon-Spracheingabe, sowie Bild-/Video-/Musik-/Sprachgenerierung und visuelle Inspektionstools.

Ermöglicht Ziehen und Ablegen, Einfügen und Hochladen von Dateien und Bildern. Bei nicht multimodalen Modellen beschreibt ein konfiguriertes VLM die Bilder automatisch.

LLM-Adapter-Plugin für lokal betriebene Qwen-Modelle hinter einem zu OpenAI kompatiblen Endpunkt von vLLM, mit Umschaltung der Multimodalität je Modell, vollständig konfigurierbarem Reasoning-Aufwand und einer Web-Einstellungsseite zum Bearbeiten der Bereitstellung aus dem Frontend.

Fügt den Einstellungen benutzerdefinierter Modelle in der DeepSeek-Harness-Web-UI einen Selektor für Eingabemodalitäten hinzu.

DeepSeek Harness natives Vision-Bundle: Bilder einfügen oder hineinziehen, über das gehostete deepseek-vision-mcp OpenAI-kompatible Vision-Modelle aufrufen.

Zeigt eingefügte oder hochgeladene Bilder direkt im DSH-Web-Chat an und gibt reinen Textmodellen Sehkraft: Das vom Modell aufrufbare Tool visual_review nutzt zuerst eine OpenAI-kompatible multimodale API und fällt bei einem Fehler auf einen lokalen Qwen3-VL-Worker zurück.

Vision-MCP- und DSH-Bundle für textbasiertes DeepSeek: analyze_image-, analyze_clipboard-, compare_images- und vision_status-Werkzeuge, eine visuelle Einstellungsseite, standardmäßig kostenloses GLM-4.6V-Flash, Ergebnis-Caching und Rate-Limit-Toleranz; Schlüssel erscheinen nicht in Logs.

DeepEye-Vision-Plugin für DeepSeek Harness (DSH): Bildbeschreibung, OCR, VQA, UI-Layout und Zwischenablage-Analyse.

Ein dsh-Plugin, mit dem die KI automatisch VLMs (multimodale Modelle) für die visuelle Analyse aufrufen kann.

Inoffizieller Fork von dougen/dsh-deepseek-usage (Basis v0.16.0). Karte für Guthaben und Kontingent des aktiven Modellanbieters —DeepSeek, Moonshot, Z.ai, OpenRouter, Kimi, MiniMax und OpenCode—, dazu Alibaba-Cloud-Gutscheinguthaben für qwen-token-plan (BSS OpenAPI mit AccessKey) und Xiaomi-MiMo-Guthaben sowie Tokenplan-Nutzung per Konsolen-Cookie. Mit Anbieter-Abfragestatusseite und Tokenpreisen. Nicht zusammen mit Upstream installieren: Beide zeigen dieselbe Seitenleistenkarte.

Lokale Medien (Video/Audio/Bild) für Zeitlinie/Transkript/Bereiche. Fallback je Medium in meta.attempts (nie still): Host-Multimodal→OpenAI-kompatibel/Schlüsselrotation→lokales ffmpeg/ASR→Metadaten. Cooldown nur bei Auth/Quota; Kandidat bleibt, wandert ans Ende (nicht verworfen). Fehler vor Kürzung schwärzen; Magic Bytes statt Endung. Optionales vision-bridge; Modellregistrierung/Inline-AV (video_url/input_audio) braucht optionale Peers dsh-thinking-levels und dsh-llm-openai-completions; sonst fehlerfreie Degradation. Standard remote; strictLocalOnly lokal. ffmpeg/ffprobe und lokales ASR-CLI nicht enthalten, nur für lokalen Fallback nötig; fehlen sie, Rückfall auf Metadaten. Hosts 0.1.7/0.2.0/0.2.1 (6 rc, engines.dsh enum); npm dsh-media-lens.

Glasartige Karte für Kontingente und Guthaben mehrerer Anbieter im Fußbereich der DSH-Seitenleiste. Unterstützt 11 Anbieter, darunter StepFun, Xiaomi MiMo und Claude, mit Browser-Anmeldung per Klick sowie Step-Plan-Guthaben. Installation über den dsh-plugin-Marktplatz (GitHub-Topic „dsh-plugin“).

Inoffizielles FreeCodeGo für DeepSeek Harness: DeepSeek-, Codex- und Claude-Engines in einer Sitzung und Toolchain. Kostenloser Zugang mit 0 Tokens zu deepseek-v4.1-flash, deepseek-v4-pro, deepseek-v4-flash-free, glm-5.3-flash, grok-4.6, kimi-k3, nemotron-3-ultra-free, muse-spark-1.3, Qwen 3.8 Flash und mimo-v2.6-flash-free sowie ein schlüsselloses private-key-Gateway.

Wettbewerbsmathematik (IMO/Putnam/USAMO/AIME) gelöst durch einen reinen Reasoning-Durchlauf, einen adversen Verifier in einem frischen Subagent-Kontext und kalibrierte Konfidenzausgabe (hoch / mittel / ehrliches „keine sichere Lösung“); optionales LaTeX-zu-PDF-Rendering.

Analysiert Konversationsbilder durch modusspezifische Prompts (caption, UI, document, grounding, topology usw.) und fügt strukturierte Belege mit Koordinaten-Primitiven (Boxen, Punkte, Referenzen) als Text ein, mit Caching auf Sitzungsebene zur Wiederverwendung bei Replay und Compaction.