Plugins

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.

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

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.

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.

DSV4.1-Reasoning-Support mit multimodalem Kontext und begrenzter Artifact-Akzeptanz für DeepSeek Harness

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.

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

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

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.

Leitet Bilder an ein Vision-Modell deiner Wahl weiter – automatisches Umschreiben, explizite Tools oder hybrid –, damit ein reines Text-Chatmodell nicht an einer Runde mit Bild scheitert.

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.

Model capability editor: edit each model reasoning-effort levels and image-input (multimodal) declarations inline in the official model page, written back to settings.yaml as a whole group, with a floating entry as fallback when the anchor breaks.

Point-and-shoot screenshot capture: a system floating window turns a new screenshot (or copied image) into an Obsidian note with comments and key-point marking, instant Tongyi Qianwen OCR, per-day merging, and an optional evening AI organization pass.

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