Plugins

Vision-Anbieter-Route, die angehängte Bilder über ein konfigurierbares Modell (über 15 OpenAI-kompatible und Anthropic-Anbieter) in Text transkribiert, während DeepSeek weiterhin antwortet.

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.

Ein sub2api-Gateway mit DeepSeek Harness verbinden: OpenAI-kompatible Multi-Provider-Routen (OpenAI / Claude / Grok / Gemini) hinter einer Basis-URL, mit Modellerkennung pro Schlüssel, Nutzungsabfrage und globalen Vision-/Bild-Tools.

Im Composer angehängte Bilder werden von einem OpenAI-kompatiblen Vision-Modell in Text umgewandelt, bevor sie textbasierte DeepSeek-Modelle erreichen.

只填 Key 的服务商预设：50 家渠道为 DSH 一键写入官方 llm-pi-ai 路由与凭据（插件），并可写入腾讯 WorkBuddy、OpenCode（Key 走其 auth.json）与 cc-switch 的配置（CLI）；核心为纯 JS，可被更多应用的外壳复用。

Drive DSH from anything that speaks HTTP: 47 routes (REST + SSE) for workspaces, sessions (create/prompt, live SSE generation, history, stats, todos, cancel, ask-user Q&A), models and the global default model, providers, agent presets, settings namespaces, skills, and workspace files including resumable chunked upload — plus an OpenAI-compatible /chat/completions, a built-in OpenAPI 3.0 spec and an interactive request page. It only injects the host webServer and tools, so it rides on the DSH webserver (default prefix /api/v1) or its own port with optional API-key auth, and it ships a skill that teaches the DSH agent to call the API.

OpenAI-compatible vLLM client (default :8000).

OpenAI-compatible client for llama.cpp / Unsloth Desktop (default :8080).

Registers the imagegen skill on the skill registry, so generating and editing raster images needs no hand-copied files under $DSH_HOME/skills. The agent drives a bundled image_gen.py CLI against any OpenAI-compatible GPT Image endpoint for text-to-image, reference-image editing, and transparent-background cutouts.

Per-reply read-aloud with a multi-provider settings page — MiniMax or any OpenAI-compatible /audio/speech endpoint, with voice, emotion, speed and model selection plus an auto-read toggle.

Standards-based OIDC identity, enterprise API-key binding, declarative branding, and OpenAI-compatible model integration for DeepSeek Harness

Image generation workbench and agent tool for DSH: one tool (ark9_generate_image) paints text-to-image and image-to-image via any OpenAI-compatible API. Channels are entirely user-configured - no bundled endpoint, you bring your own baseURL, key and model name (manual input supported). Agent-initiated generations are approval-gated by default: requests queue in the floating panel and nothing bills until you approve; approval is non-blocking (the agent replies "awaiting your approval" immediately, and results, denials or timeouts are injected back so the agent reports them in the next turn). Floating glass workbench with five tabs (Generate / Approvals / Prompts / History / About), aspect-ratio grid with quality-budget + 16px-alignment sizing, transparent background, batch up to 10 images as aggregated sub-tasks, prompt library with custom JSON sources fetched through a host proxy, persistent generation logs with one-click retry, multi-channel aggregation with per-channel model fetching, bilingual UI (zh/en), stroke-SVG icon set, config import/export. Registers as a Better Sidebar tab when dsh-better-sidebar is installed; stacks above the dsh-cua FAB when both are present.

Neutralize tool calls with invalid JSON arguments on the wire so one malformed model generation cannot brick a session against strict OpenAI-compatible servers.

Optimized fork of dsh-image-gen with batch generation (count), gallery pagination, lazy loading, fetch retry/timeout, and 7 providers: Gemini/OpenAI/Seedream/DashScope/Agnes/GLM-Image/Stability AI.

Routes the harness through the OpenLLM gateway: a pure-config Cordis patch that adds an `openllm` provider to the in-box pi-ai adapter pointed at the local daemon (`127.0.0.1:8787/v1`, no API key held by dsh) and registers the `openllm mcp` stdio server (openllm, claude-context, supermemory tool groups).

Text-to-image and image-to-image generation inside DSH through OpenAI-compatible endpoints, with an agent tool, multi-provider fallback, and a side-panel workspace with history.

Audio Copilot for DeepSeek Harness: transcribe audio (ASR) and synthesize speech (TTS) — gives text-only agents ears and a voice. Windows-local SAPI TTS out of the box; OpenAI-compatible ASR/TTS endpoints configurable. Includes an in-composer voice-input

Multimodales Plugin für DeepSeek Harness: Bilder verstehen und Bilder generieren über konfigurierbare OpenAI-kompatible oder DashScope-Endpunkte.

DIT.ai-Provider-Bundle für DeepSeek Harness: installiert 29 OpenAI-Chat-Completions-Modelle und 10 Anthropic-Messages-Modelle aus einem DIT_API_KEY, mit protokollspezifischer Thinking-Konfiguration.

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.

Modellseitiges image_describe-Werkzeug (识图) über die OpenAI-kompatible DashScope-API (qwen3.7-flash), plus eine Einfüge-Brücke: In Text-only-Sitzungen werden eingefügte Bilder beim Senden automatisch in Dateipfade umgewandelt und im Transkript zurückgerendert, sodass sie nie an der Bildannahme scheitern. Eigenen DASHSCOPE_API_KEY mitbringen; Endpunkt/Modell/Budgets konfigurierbar, redirect-fester HTTP-Client, funktioniert in jedem agent preset.

Bedarfsgesteuertes Sehen für reine Textmodelle von DeepSeek: Bilder hochladen, und das Modell ruft ein view_image-Tool auf, das auf jedem OpenAI-kompatiblen Vision-Endpunkt basiert (standardmäßig Qwen/DashScope).

Lokales, strukturiertes Sehen für reine Textagenten: Bilder gehen an ein lokales OpenAI-kompatibles VLM und kommen als JSON-Belege zurück (Zusammenfassung, wörtliche OCR, Layoutregionen, Entitäten/Relationen, Farben, ausdrückliche Unsicherheit), mit Anti-Halluzinations-Fallback und optionaler Einfüge-/Upload-Brücke; keine Cloud-Kosten, Bilder verlassen nie den Rechner.

Leitet Chat-Bilder an ein festes OpenAI-kompatibles Vision-Modell und gibt sachliche Beobachtungen an das gewählte Hauptmodell zurück; sitzungsbezogene Beobachtungen werden über Replays, Kompaktierung und Neustarts hinweg wiederverwendet.