Plugins

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.

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.

Steuert das Composer-Modellmenü: Schalter je Modell/Provider, Gruppen, Suche Name/ID, Filter Typ, multimodal/Reasoning, Mindestkontext 128K/256K/512K/1M; aktives Sitzungsmodell bleibt. Zeilen: Typ; Chatmodelle auch Reasoning/Adapterstufen, Kontext, Eingabemodalitäten. Quellenrangfolge: manuell > Einstellungsdokument > Adapter > Relay GET /models > pi-ai-/models.dev-Katalog > Namensableitung > Herstellerkorrektur; Hover zeigt Quelle, gestrichelt = abgeleitet. Typ/Kontext/Modalitäten/Aufwand editierbar, außerhalb Profil gespeichert, in Provider-Einstellungen schreibbar. Hartes Neuladen löscht Caches und fragt Adapter/Relays neu ab. Standardmäßig an: Text-only-Relay-Routen nehmen Bilder im Speicher an, ohne Konfigurationsdateien zu ändern. Ausblendliste im Profil-Patch und $DSH_HOME-Spiegel.

Registriert native Agent-Tools doubao_generate_image und doubao_image_status zur Automatisierung von Doubao Web (doubao.com) über Tabbit Browser und extrahiert automatisch wasserzeichenfreie 2,7K-wm0-Originalbilder in lokale Dateien und multimodale Chat-Anhänge.

Ergänzt DeepSeek-Harness-Model-Channels automatisch: contextWindow, maxTokens, multimodale Eingabe [text, image] und Reasoning-Effort-Stufen {low, high, max} müssen nach einem Provider-Channel nicht je Modell manuell gesetzt werden. Ergänzung beim Speichern, Settings-UI-Seite und zeitgestempelte Backups.

Weiß-goldenes Genshin-Impact-Skin für die DSH-Web-GUI: zufällige Ingame-Landschaft bei jedem Laden, Genshin-UI-Schrift global, Paimon-Menü, Laufstatus-Ring und wechselbare Paimon-/Phanes-Assistentenpersona. Das Repo enthält 262 Hintergründe aus acht Regionen in 1920x1080.

Agnes-AI-Provider für llm-pi-ai: deklariert vier multimodale Chatmodelle im Bundle-Patch und ergänzt Tools zur Bild- und Videogenerierung.

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

Erstellt, testet, archiviert und startet iOS-/macOS-Xcode-Projekte oder Workspaces mit xcodebuild. Mit live filterbarem Build-Log, aus dem Projekt gelesenen scheme/destination-Auswahlen und Log-Streaming für Simulatoren und USB-Geräte. Unterstützt über libimobiledevice auch iOS 16 und älter; App-Logs bleiben bei gesperrtem Gerät lesbar. Nur macOS.

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.

Modellfähigkeitseditor: Bearbeitet reasoning-effort-Stufen und Bild-/Multimodal-Eingaben inline auf der offiziellen Modellseite und schreibt die gesamte Gruppe nach settings.yaml zurück. Bei defektem Anker gibt es einen schwebenden Ausweichzugang.

Sprachanruf-Assistent für DSH Desktop und Web GUI (gleiches Plugin, nur der profile-Name unterscheidet sich): verschiebbarer Anrufball und Browser-VAD, das Äußerungen nach einer Pause sendet. Nutzt das lokale SenseVoice-Modell erneut, das das offizielle voice-input-Plugin bereits heruntergeladen hat; kein zweites Modell. Unterstützt FunASR HTTP/Streaming, cloudkompatible API, MiniMax / MiMo-V2.5-TTS (director mode und voice clone) sowie OpenAI-kompatible TTS-Antworten. Optional wake-word/auto-sleep; Aufgaben an separate Sitzungen mit Fortschritt, Stopp und gesprochenem Abschlussbericht.

Macht aus einem Screenshot oder kopierten Bild eine Obsidian-Notiz mit Kommentaren und markierten Schlüsselpunkten. Sofort-OCR mit dem multimodalen Host-DSH-Modell (kein zusätzlicher API-Schlüssel, Tongyi Qianwen als Fallback), Duplikatschutz, tägliche Zusammenführung und optionale KI-Sortierung am Abend.

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.

Chat-Bildanhang-Brücke mit einem view_image-Werkzeug für jedes OpenAI-kompatible VLM (lokales Ollama oder Cloud): eingefügte/abgelegte Bilder werden zu view_image-Pfadmarkern, bevor sie Text-only-DeepSeek-Modelle erreichen.

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.

Qwen-Medienwerkzeuge über Alibaba Cloud DashScope: multimodales Verständnis von Video und Audio, Text-zu-Sprache mit Preset-Stimmen und Generierung von Szenen-Audio.

Multimodale Decision-3.0-Modelle für DeepSeek Harness mit kalibrierten Wahrscheinlichkeits-Tools, Settings-Seite und Wahrscheinlichkeitsbalken-Karte.

Fünf agentgesteuerte Audio-Tools: anyaudio_music rendert offline Notenpartituren aus lokalen SoundFont-Banken; anyaudio_sfx bietet 52 SoundFont-Presets und 15 prozedurale Generatoren; anyaudio_tts spricht über Edge oder MiMo; anyaudio_mix wendet Ducking an und normalisiert den Peak; anyaudio_sources verwaltet die gemeinsame SoundFont-Bibliothek.

Ergänzt den DeepSeek-Harness-Agenten um adressierbares visuelles Gedächtnis: beliebige Bilder erneut aufrufen, Bereiche untersuchen und exakte Pixelwerte lesen.