Plugins

Kostenlose Vision für reine Textagenten: integrierte, schlüssellose Vision-Chain plus Pixel-Tools (Q&A, Grounding, Zuschneiden, Pixel-Diff, Farben, OCR, SVG-Trace, Freistellen, Screenshots); Bild einfügen zur Nutzung.

Vision für reine Textmodelle: Fügen Sie ein Bild ein und das Modell wechselt zur Vision-Toolkit-Variante für Bild-Q&A, Mehrbildvergleich, Lang-Screenshot-OCR, Screenshot-zu-UI-Reproduktion, Element-Grounding und Pixel-Diff. Standardmäßig kein API-Key erforderlich — Bilder werden vom kostenlosen, vom Autor gehosteten Dienst verarbeitet, 100 pro Maschine pro Tag; konfigurierbar auf Ihren eigenen Anbieter.

Nahezu native Bildverständnis-Funktionen für DeepSeek Harness.

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.

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

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-Plugin, das Bilder und Dateien als Workspace-Pfade an reine Textmodelle liefert: Bilder behalten die native Anhang-Oberfläche, andere Dateien erscheinen als quadratische Chips in der Leiste, Pfade werden beim Senden angehängt — passt zu dsh-vision-toolkit.

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

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.

Gehosteter, kostenloser Vision-Sidecar für DeepSeek Harness mit dauerhaften Sitzungsbelegen.

Verbindet Sitzungsbilder mit konfigurierbaren Vision-Anbietern und gibt rein textbasierte Analysen an berechtigte DeepSeek Harness-Modellrouten zurück.

Multimodell-Routing-Plugin für DeepSeek Harness: Überlassen Sie fachliche Aufgaben fachlichen Agenten — passen Sie professionelle Agenten (Vision/Übersetzung/Sprache/Sub-Agent usw.) an und binden Sie sie an unabhängige Modelle; Ein-Klick-Login für multimodale Konten, Gesundheits-Routing des Kontopools und Echtzeit-Nutzungsstatistiken.

Agentenaufrufbares Vision-Tool, das lokale Bilder über einen von dir konfigurierten, OpenAI-kompatiblen Vision-Endpunkt beschreibt, mit optionalem Multi-Modell-Gegencheck und ohne integrierte Schlüssel.

Komplettes Vision-Funktionspaket für DeepSeek Harness: ein vision_understand-Tool (OpenAI-kompatible Vision-APIs, standardmäßig kostenloses Zhipu GLM-4V-Flash) sowie Einfüge-/Drag-and-Drop-/Button-Einstiegspunkte für die Bilderkennung.

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.

Installiert ein Bild-Eingabe-Kontrollkästchen in den Models-Katalog, damit ein benutzerdefiniertes Modell Bildeingabe deklarieren und Bilder direkt empfangen kann; enthält ein optionales BYO-Vision-Relay.

Konfigurierbare Bilderkennung für textbasierte DSH-Modelle: Bildnachrichten werden zunächst von einem OpenAI-kompatiblen Vision-Modell transkribiert (Basis-URL, Modell-ID und API-Schlüssel in einem Einstellungsbereich festgelegt) und dann als Text an das Hauptmodell weitergegeben, während die Unterstützung für Bildeingaben angekündigt wird. Das API-Schlüssel-Authentifizierungsschema ist wählbar (OpenAI-, Anthropic-, Gemini- oder Azure-Stil-Anfrage-Header) und ein fehlender Schlüssel wird vor jedem Versand einer Anfrage gemeldet.

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.

Native Erweiterung der Bildfunktion, die entweder Zhipu (kostenlos) oder Qwen-VL (lokal) verwendet.

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

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.