Plugins

Vision-Brücke für reine Textmodelle: Bild einfügen, strukturierte JSON-Belege erhalten (OCR, Layout, Semantik).

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.

Lokaler IMAP-Rechnungsdownload, OCR, Archiv und Excel-Spesenabrechnungs-Zusammenfassungen für DeepSeek Harness.

Die Funktionen von DeepWatch, installierbar in ein bestehendes DeepSeek Harness-Profil

Ein live iOS-Simulator oder per USB verbundenes iPhone innerhalb der Unterhaltung: 22 Agententools zum Starten, Bauen und Steuern der UI über Accessibility-Identität oder OCR-Text, List-Row-Aktionen und SwiftUI-Preview-Hot-Reload sowie ein streamendes Seitenleistenpanel, das du antippen und ziehen kannst.

Ein live Android-Gerät innerhalb der Unterhaltung — Emulator oder USB-Telefon, vollständig über adb gesteuert: 20 Agententools für Streaming, Gradle-Build und -Run, UI-Tree- oder OCR-Interaktion, logcat, Prozesse und Speicher sowie ein Drei-Tasten-Navigationspanel.

Lokales IMAP-Rechnungsdownload, OCR, Archivierung und Excel-Zusammenfassungspaket für DeepSeek Harness

OpenMAIC: Klassenzimmer, Folien, interaktive Widgets und sokratisches Lehren.

OpenBiliClaw-Verbraucher-Panel für DSH: Empfehlungen, gespeicherte Listen, sokratischer Dialog, Profilansichten und Agent-Bridge-Tools.

Bild-„Lesen“ für reine Textmodelle: Herunterskalieren + Reduzierung der Farbtiefe + Struktur-/Farb-Fingerabdrücke werden in Textraster umgewandelt und in das Gespräch zurückgespeist, sodass das Modell wie ein multimodales Modell autonom zoomen, sampeln und OCR durchführen kann; vollständig lokal ohne Abhängigkeit von externen Modellen, enthält einen Skill zur Bild-Lese-Methodik sowie optional PaddleOCR.

Windows-Computer-Use für DeepSeek Harness: ein MCP-stdio-Server über ein PowerShell-UIA-Backend, der 22 Desktop-Tools (UIA-Tree, Screenshots, Tastatureingabe, OCR, Fenstermanagement, Failsafe) bereitstellt.

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.

Anbieterunabhängige DSH-Dokumentenparserung, angetrieben von MinerU, mit nativen Hintergrundjobs, unveränderlichen Ergebnissen und sicherer Zusammenführung von Anfragen.

Lokale Dokumentenintelligenz für PDF, Office, Bilder und OCR für DeepSeek Harness.

FormatForge: schmiedet 30+ Dateiformate (PDF, DOCX, PPTX, XLSX, EML, EPUB, TOML, Archive) über einen Drag-and-Drop-Eingang, die Tools ff_translate/ff_formats/ff_result und eine CLI in KI-lesbaren Text; gescannte PDFs greifen auf lokales OCR zurück oder auf einen Enhance-Hinweis für das Sitzungsmodell.

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

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.

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.

Learning-Mode-Agent-Preset: ein Coding-Agent, der beim Coden lehrt — konkrete szenariengestützte Erklärungen, sokratische Anleitung und TODO(你)-Übungs-Lücken, modelliert nach Claude Codes Learning-Output-Stil; installierbar über dsh plugin add (dsh-learning-mode auf npm).

AX-first Computer-Nutzung unter macOS für DeepSeek Harness: Barrierefreiheits-Snapshots mit stabilen Referenzen, Hintergrundeingabe, Unicode-Tippen, Menüs, Apps, Set-of-Mark-Screenshots, OCR auf dem Gerät, verifizierte Aktionen und optionale semantische Jev-(TypeSafe-System-One-)Wächter – 1

AX-first Computer Use für macOS in DeepSeek Harness: Accessibility-Snapshots mit stabilen Refs, Hintergrund-Eingabe, Unicode-Tippen, Menüs und Apps, Set-of-Mark-Screenshots, On-Device-OCR und verifizierte Aktionen — 11 Tools, angebunden an die macos-cu CLI.

Lokaler OCR-Fallback für reine Textrouten: Wenn das Sitzungsmodell erklärt, dass es keine Bilder akzeptieren kann, wird das angehängte Bild lokal zwischengespeichert und sein Pfad injiziert, damit das Modell ocr_image aufrufen kann — PP-OCRv5 + ONNX Runtime auf der CPU, kein API-Schlüssel erforderlich, Bilder verlassen die Maschine nie. Still, wenn das Modell Bilder sehen kann.