Plugins

Großbild-Erkennung für vision-exp-Modelle: verlustfreie 800×800-Kachel-Erkennung (smart/pipeline/full), lokales OCR mit Vorverarbeitung und Handschriftrouting, optionale Multi-Vendor-GPU (DirectML/CUDA/OpenVINO) mit automatischem CPU-Fallback.

Lokale OCR für DeepSeek Harness: Bild einfügen/anfügen, Text über PP-OCRv5 + ONNX Runtime erhalten, vollständig offline. TUI (cc-tui) und Web.

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

Lokale Bildgenerierungs-Werkbank, ohne Abo: Eigene API für die Bildgenerierung nutzen (jede OpenAI-kompatible Schnittstelle, null Abo), Canvas-Layout + Retusche/Löschen/Hintergrund entfernen/OCR/Vektorisierung, bearbeitbare PSD/AI-Ausgabe, bidirektionale Photoshop/Illustrator-Ebenen-Bridge

DeepSeek-Harness-Webplugin — PDF-Text-Layer und Scanned-PDF-OCR, Office docx/xlsx/pptx zu Markdown, TIFF/epub und Index-Cards für lange Dokumente.

Erweiterte Vision-Toolbox: 14 Pixel-Level-Vision-Tools (describe, ground, detect, crop, pixel-diff, OCR, long-screenshot OCR, vectorize, colors, cutout, screenshot, present, materialize, html-screenshot), gesteuert von einem OpenAI-kompatiblen Endpoint, mit sauberen [图片: path]-Bridge-Markern, Content-Safety-Klassifikation und Auto-Retry bei Rate-Limits.

Drag-and-Dose-Upload für PDF, Word, Excel und Bilder: abgelegte Dateien werden in einem lokalen Verzeichnis gespeichert und per Pfad referenziert, kein Base64-Bloat im Chat.

Inline-Vorschau für [图片: path]-Bild-Bridge-Marker: nachdem der Marker gerendert ist, erscheint das Bild automatisch im Chat, sodass lange Anweisungen aus der Konversation herausgehalten werden.

Offizielles DSH-Plugin für nuphus-mcp (von den nuphus-mcp-Maintainern): Desktop- und Browser-Automatisierung (38 Tools) mit PaddleOCR-Elementerkennung und Chrome-CDP-Browsing, über einen persistenten stdio-MCP-Kindprozess.

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

Völlig lokale Bildverarbeitung und OCR über das macOS Vision Framework: `ocr_image` (Text, Tabellenlayout + Koordinaten) und `view_image` (Szene, Gesichter, QR) — fügen Sie mehrere Bilder in das Web-Eingabefeld ein oder übergeben Sie Pfad/URL/base64; Bilder verlassen Ihren Mac nie.

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.

Learning Mode Agent-Preset: ein Coding-Agent, der beim Coden lehrt — konkrete szenariobasierte Erklärungen, sokratische Anleitung und TODO(你)-Übungsblanks, modelliert nach Claude Codes Learning-Ausgabestil; installierbar via dsh plugin add (dsh-learning-mode auf npm).

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

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.

Bildverständnis für jedes DSH-Modell: Vision-, OCR-, Grounding- und Zuschneide-Tools mit Domänen-Presets für Histopathologie, Zellbiologie, Anatomie, klinische Bilder und wissenschaftliche Abbildungen.

DeepSeek Harness-Plugin, das UI-Screenshots mithilfe von OCR, deterministischer Geometrie, Szenengraphen, Assets und Render-Vergleich in implementierungsreife Web-Spezifikationen umwandelt.

Content-Studio für WeChat Official Accounts: Rotationsschreiben gegen Vereinheitlichung, Playbook zur Behebung schwacher Kreativität, visueller Baseline für Segensbilder, gpt-image-Pipeline mit OCR-Abnahme und die gemessene xiaolvshu-Entwurfs-Web-API.

Konvertiert Office-Dokumente und PDFs (einschließlich gescannter) über eine CPU-zentrierte Routing-OCR-Pipeline (RapidOCR/SLANet/FormulaNet) in strukturell formatiertes Markdown.

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

Windows-Desktop-UI-Kontextauswahl für Codex, DeepSeek Harness und MCP-Clients: Fenster, UI-Elemente oder Bildschirmbereiche mit Hover-Hervorhebung, UI Automation, Screenshots und lokalem OCR auswählen und den Markdown/JSON-Kontext vor der Ausgabe prüfen und genehmigen.

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.

Modellaufrufbares `vision`-Tool für DeepSeek Harness: Beschreibt und OCRt Bilddateien, indem es direkt die kostenlose Zhipu-GLM-Vision-API aufruft (glm-4v-flash-Fallback-Kette), kein externes CLI erforderlich.