Plugins

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.

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.

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

Computer-Nutzung über ein externes USB-HID-Gerät: Benennen Sie ein Ziel in natürlicher Sprache, ein Vision-Modell lokalisiert es in einem zugeschnittenen Fensterscreenshot, und ein Raspberry Pi Pico 2 bewegt die echte Maus und tippt auf der echten Tastatur. 7 Tools. Windows bietet Fensterauflistung, pro Fenster zugeschnittene Ausschnitte und automatisches Fensteranheben; macOS benötigt pyobjc und bietet nichts davon; Linux wird nicht unterstützt.

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.

Eine Upload-Schaltfläche plus Drag-and-Drop von Dateien in die Konversation als lokale Pfade: Speicherung in uploads/ des Projekts, Einfügen des Pfadtexts in das Eingabefeld, funktioniert mit jedem Vision-Tool.

Echte Maus und Tastatur für einen DeepSeek Harness-Agenten: in Worten beschreiben, was angeklickt werden soll, ein Vision-Modell findet es, ein USB-HID-Gerät klickt darauf.

MiniMax-Multimodal-Bridge: Ein einziges Tool `mmx_bridge` deckt Bildverständnis/-generierung, Video, TTS, Musik, Cover, Websuche und Kontingent ab; optionale Übernahme von `web_search`/`read_image`; eingebettete Player/Bildvorschauen direkt in der Web-GUI (npm: `dsh-mmx-bridge`).

GitHub Copilot LLM-Adapter: OAuth-Device-Flow-Anmeldung, Live-Modellentdeckung über die Copilot-API, Vision-Unterstützung für bildfähige Modelle (gpt-4.1, gpt-4o) und zwei Wire-Protokolle (Chat Completions und Responses API) mit automatischem Endpoint-Routing pro Modell.

Seitenleisten-Xiangqi-Brett für DSH: spiele Rot, während das aktuelle DSH-Modell die schwarzen Züge wählt, mit hostseitigen Regel- und Revisionsprüfungen.

Analysiert die Nutzung über Modelle, Anbieter, Arbeitsbereiche und Zeiträume — mit eigenen Start-/Enddaten über die gesamte Historie — inkl. Cache-Hit-Einblick und Aufschlüsselung nach Modell und Anbieter. Enthält stündliche/tägliche Trends, 53-Wochen-Heatmap im GitHub-Stil, Serien, Token-Quota-Ringe pro Modell und Arbeitsbereich (Tokens, Kosten, %), kombinierbare Filter, Cache-Effizienz, DeepSeek-Guthaben, Bereichs-Aliase, CSV-Export und ein dauerhaftes Journal, das Nutzung nach Sitzungs- oder Bereichslöschung bewahrt (Deleted-Zeile) und inkrementell neu aufbaut. Die Bereichs-Registry wird über die DSH-domain/changed-Sonde frisch gehalten; nur registrierte Bereiche zählen. Getrennte Buchhaltung für Eingabe, Cache und Reasoning. Chinesisch: Ortszeit; Englisch: UTC; API nur Loopback.

KI-unterstütztes Minecraft für DeepSeek Harness: Steuern Sie einen autonomen Mineflayer-Agenten (Überleben, Bergbau, Chat, Live-Karte) mit Vision-/Steuerungstools, plus einem integrierten Launcher (Microsoft-Anmeldung, Versions-Download, Spielstart).

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

Bilibili-Video-Analyse: Metadaten, Transkript (ASR-Fallback über Bijian/sherpa-onnx/whisper.cpp), Kommentare, Danmaku und scharfe Keyframes mit optionalen lokalen Vision-Beschreibungen.

Externes Vision-Plugin für DeepSeek Harness: Konfigurationspanel über den Whale-Button, Bilderkennung mit automatischer Antwort sowie Agent-Tools für Screenshot und Erkennung.

Für das native Vision-Modell deepseek-v4-flash-vision-exp von DeepSeek Harness erhöht er die Bildzulassungsgrenzen auf 32 MiB / 8192 px / 600 Bilder und fügt ein highres_read-Werkzeug hinzu, das große Bilder in Kacheln zerlegt und dann das Gesamtbild plus 800x800-Kacheln über das Host-Werkzeug read_image zurückgibt.

Ruft eine beliebige http/https-Seite ab und gibt Titel, Beschreibung, Haupttext, Überschriften-Gliederung und Links zurück, mit Statistiken (Zeichen-/Wortanzahl, Lesezeit, Sprache) und Top-Keywords; kann Inhaltsbilder in den Sitzungsarbeitsbereich für die Bildanalyse herunterladen und sie über den scrape.imageAnalyzer-Dienst an registrierte Analyser verteilen.

Kostenlose Vision-Brücke für reine Textmodelle: Bildverständnis, OCR, UI- und Debug-Analyse über kostenlose Anbieter (Qwen3-VL-Flash, Doubao, DeepSeek-OCR) mit einer Einstellungs-GUI.

Sendet lokale Bilder oder HTTP(S)-Bild-URLs an einen konfigurierten OpenAI-kompatiblen Vision-Endpunkt mit dem inspect_image-Tool und gibt dessen Textantwort an die Unterhaltung zurück.

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.

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.

DSH Director Toolkit ist ein DeepSeek-Harness-Plugin für 3D-Artists, technische Designer und Creative Coder. Eine halbfertige Idee, eine Referenznotiz oder eine Portfolio-Bildunterschrift einfügen und ein kompaktes Direction-Pack für Blender, Three.js, Houdini oder C4D erhalten.

Eine Roman-Schreibwerkbank für DeepSeek Harness: du gibst Kandidatenpassagen Daumen hoch oder runter, und das Modell destilliert daraus ein kurzes Präferenzprofil, das in spätere Drafting-Aufrufe mitgeht, während das Manuskript aus dem Drafting-Kontext bleibt. Dazu ein Kapitelboard, Schreibpakete pro Kapitel, annotationsbezogene Überarbeitung, die nur den annotierten Absatz neu schreibt und den Rest byteweise verifiziert, ein Projektjournal und lokale Pacing-Prüfungen.

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.