Plugins

Native konversationelle Bildgenerierung für DeepSeek Harness: Bitten Sie den Agenten, ein Bild zu erstellen, und er übernimmt die Generierung und behält das Ergebnis direkt in der Konversation.

ChatGPT-OAuth-Provider für Codex-Modelle mit Abonnement-Websuche, Kontingent und sicherem Reset, Bildtools, Fast-Modus und modellbewusstem Kontext; kein API-Schlüssel oder Codex CLI erforderlich

Erzeugt Game-Art aus Referenzbildern mit Seedream-Bildgenerierung und MiniMax Image-to-Video und baut Acht-Richtungs-Sprites, Sequenzframes und Skelettanimationen mit lokalem Green-Screen-Keying zusammen.

Kostenlose Vision-Bridge und Bildgenerierung für reine Textmodelle: Lesen eingefügter Bilder, Failover zwischen GLM-4V-Flash- und Gemini-Engine, strukturierte Evidenz im ModLens-Stil und eine vorbelegte kostenlose Vision-Modell-Route.

KI-Bild- und -Video-Studio als schwebendes DSH-Panel, damit die Erstellung parallel zum Gespräch läuft statt es zu ersetzen: Text-zu-Bild, Bild-zu-Bild und Multi-Bild-Komposition in 1K–4K über acht Seitenverhältnisse; Text-zu-Video und Bild-zu-Video mit Steuerung des ersten Frames bei 4–12 Sekunden; Kurzdrama-Modus, der ein Skript (.txt/.md/.json) importiert und in Storyboard-Shots für Vorschau und Stapelgenerierung zerlegt; dazu ein Prompt-Experten-Workspace. Keine Laufzeitabhängigkeiten.

Vom Chat zur Leinwand zum Werk: steuere ComfyUI als visuelle Workflow-IDE in DSH. Bette ComfyUI (lokal oder Cloud) als geteilte Leinwand in DSH Web ein: Der Agent schreibt Prompts und Skripte im Chat, wendet sie live an und erzeugt Bilder, Musik, Video und 3D. Operationen: Pipelines bauen, Workflows lesen/schreiben, Knoten bearbeiten, Links verdrahten, ausführen, justieren und debuggen. Produktion: Batch-Parameter-Sweeps (batch_run) und automatischer Abruf der Ausgaben in den Chat (get_outputs). Pflege: Ein-Klick-Start und -Upgrade von ComfyUI, Kern und Custom Nodes. Dieses Paket ist das DSH-seitige Plugin und liefert den ComfyUI-seitigen Brückenknoten mit.

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`).

Multi-Engine-Text-zu-Bild-Generierung (OpenAI Images und Zhipu-CogView-Presets) mit Quotenverfolgung pro Sitzung, Engine-Failover, credential-sicherer Konfiguration und einer Ergebniskarte mit erneuter Generierung.

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.

Fügt ein generate_image-Tool hinzu, das durch die FAL-Warteschlange, eine beliebige OpenAI-kompatible Images-API oder ein ChatGPT-/Grok-Abonnement unterstützt wird, und zeigt das Ergebnis direkt im Gespräch an.

Einheitlicher Router für Bilderzeugung für DeepSeek Harness (DSH): entdeckt Bildmodelle automatisch von jedem OpenAI-kompatiblen Endpunkt, stellt die Tools draw_image und draw_list_sources bereit und unterstützt SenseNova, StepFun, Agnes, Qwen, Flux, SD, Imagen und mehr.

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.

Agnes-AI-Plugin zur Bild- und Videoerzeugung für DeepSeek Harness.

Lokale Erzeugung von Bildern, Stimmen, Musik und Soundeffekten sowie Transkription, mit fixierter Identität: Charaktere, Tiere, Objekte und Schauspielernstimmen werden einmal definiert und bei jedem späteren Aufruf wiederverwendet; degenerierte Ausgaben (nahezu flaches Bild, stilles Audio) werden abgelehnt statt als Erfolg zurückgegeben, und eine erzeugte Zeile kann als Text zurückgelesen werden, sodass ein Klon, der sein Ende verschluckt hat, sichtbar wird. Die Engines entladen sich im Leerlauf, und Bildgenerierung und Transkription können jeweils auf eine OpenAI-kompatible API statt auf das lokale Vulkan-Backend zeigen.

Erzeugt und bearbeitet KI-Medien (Bild, Video, Audio, 3D) mit WaveSpeed-Modellen über die Open-Source-wavespeed-CLI: Live-Katalogsuche, Inspektion des Eingabeschemas je Modell, Upload lokaler Dateien mit @path-Markierungen und Preisprüfung vor der Ausführung.

GPT Image 2 `image_gen` mit standardmäßigem Codex-Abonnement-OAuth oder explizitem API-Schlüsselmodus: Entwicklungskarte, bis zu drei Live-API-Teilstücke, persistente Anhangs-Wiedergabe / Lightbox / Download, reiner Textmodell-Ausgabe und begrenzten, credential-sicheren Anfragen.

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.

Multi-Account Google Gemini-Provider: wählt den Account mit dem größten verbleibenden Kontingent, Failover bei 429 mit exponentiellem Cooldown, prüft deaktivierte Accounts im Hintergrund und liefert eine chinesisch/englische Einstellungsseite.

Consumer des ui_mockup-Tools: erzeugt in der Diskussionsphase UI-Wireframes bzw. High-Fidelity-Skizzen, legt den Entwurf auf der Platte ab, bittet um Bestätigung und sperrt danach die Design-Spezifikation; enthält Client-Karten, Bild-Routing und i18n.

Erzeugt UI-Wireframes und hochauflösende Mockups in DeepSeek Harness mit auswählbaren DashScope- und Volcengine-Bildanbietern.

Inoffizielle Grok-Integration für berechtigte SuperGrok- oder X-Premium-Abos: grok-4.6-Chat mit web/X-Suche in der Hauptschleife, gemeinsames Grok-CLI-OAuth, konfigurierbare Modellsichtbarkeit und Imagine-Bilder, die in einem Anhang oder einem gewählten Pfad gespeichert werden.

Labnana-Bildgenerierung für DeepSeek Harness: Text zu Bild / Bild zu Bild / präzise Bearbeitung mit Credits-Schätzung, Abo-Guthaben und Web-Einstellungs-UI.

Modellseitiges `generate_image`-Tool für reine Textmodelle: Das Modell bittet in natürlicher Sprache um ein Bild, Gemini zeichnet es über die Antigravity-CLI, das Bild wird in einem konfigurierbaren Ausgabeverzeichnis gespeichert, und das Tool gibt die Dateipfade zurück, die das Modell in seiner Arbeit nutzen kann.

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.