Plugins

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

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.

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.

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.

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.

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

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.

Bewirbt das Einfügen von Bildern auf reinen Text-Routen von DeepSeek, beschreibt Anhänge mit einem Vision-Sidecar und lässt native Vision-Modelle unangetastet.

Text-, Vision- und Bildgenerierungs-APIs in einem Mix-Modell mit automatischem Routing kombinieren: textonly-Anfragen gehen zum Chat-Modell, Benutzerbilder und Agent-Screenshots zum Vision-Modell, Folgeanfragen nutzen weiterhin dasselbe Sitzungsbild, und Agenten können Bilder mit sitzungsbezogener Aufrufhistorie generieren oder bearbeiten.

Strukturierte Vision-Belege (OCR/Layout/Semantik) sowie ein USB-Kamera-Capture-Tool für eine „Shoot-Look-Adjust"-Debug-Schleife; Backends: Ollama, DeepSeek, Xiaomi.

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.

Für DeepSeek Harness: Modelle registrieren, bei Porträts helfen und das Agent-Modell aus einem geheimnisfreien Katalog auswählen.

Multi-Agenten-Kollaborationssuite: benutzerkonfigurierte Spezialistenliste, dauerhaftes On-Demand-Dispatching (team_call/team_message/team_status/team_close), Kloninstanzen, Stern-Topologie-Relais, Modellvergleich und eine multimodale Visionsbrücke.

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.

Vision-Bridge für textonly-DeepSeek-Routen, der angehängte und lokale Bilder über konfigurierbare OpenAI-Responses-, Chat-Completions- oder Anthropic-Messages-Endpunkte analysiert, während bildfähige Routen nativ bleiben.

Vision-Toolkit für textonly DeepSeek: modellaufrufbares `vision`-Tool, Wrapper-Adapter für deepseek/opencode-go (v4 flash/pro), Antigravity-IDE-Kontingent (default, flash/pro) / jeden OpenAI-kompatiblen VLM / Gemini / lokale Ollama-Kanäle, Evidenzspeicher mit Kompaktierungs-Rehydration, Content-Hash-Cache und ein zweisprachiges Client-Panel.

Drag-and-drop / paste / upload files and images; on non-multimodal models images are auto-described by a configured VLM.

DeepSeek Harness plugin: Bilibili keyword video search, video metadata, subtitle transcripts, direct play URLs, and multimodal frame viewing (bilibili_search / bilibili_video / bilibili_subtitles / bilibili_playurl / bilibili_frames). Anonymous by default

Transparent multimodal routing for text-only models: every image in every model call is fully transcribed (verbatim OCR, data, uncertainty zones, injection-hardened) by your own multimodal understander, with focused re-look via vision_relook and automatic retry on image-related failures. No bundled endpoints, no borrowed logins.

DeepSeek Harness vision plugin: 8 analysis modes (describe, OCR, chart data, UI review, object detection, compare, code-gen, debug), any OpenAI- or Anthropic-compatible vision API, with a built-in free vision model and automatic rate-limit failover.

DeepSeek Harness plugin: direct multimodal image transfer declarations + per-session image clearing (surface replace), with a settings page and composer controls.

Per-file-type multimodal chains: preset processing models per wildcard convert image/video/audio files into prompt tokens before they reach the text-only session model, with per-preset fallback chains and a Multimodal settings page.