Plugins

"Lectura" de imágenes para modelos de solo texto: reduce la escala + reduce la profundidad de color + convierte huellas de estructura/color en cuadrículas de texto que se devuelven a la conversación, permitiendo que el modelo haga zoom, muestreo y OCR de forma autónoma como un modelo multimodal; totalmente local y sin dependencia de modelos externos, incluye una skill de metodología de lectura de imágenes y PaddleOCR opcional.

Lista en la barra lateral de DSH los documentos Markdown, imágenes y vídeos existentes en el workspace de la sesión, por relevancia para la conversación: los mensajes recientes se comparan localmente con título, resumen y cuerpo del documento con ponderación IDF, sin llamadas a modelos ni red. Como se escanea desde el workspace y no se recuerda, reiniciar DSH o abrir otra sesión no la vacía. Imágenes y vídeos se previsualizan en el lugar, con rutas relativas resueltas y vídeo por HTTP Range. Una barra de referencias bajo el encabezado muestra qué documentos citan el previsualizado y a cuáles cita este, con un clic para saltar entre ellos. El mismo orden se expone al agente como herramienta knit_docs, que devuelve los documentos más relevantes y el pasaje coincidente de cada uno, si hay.

Shell web móvil para la GUI web de DSH: paneles superpuestos, FAB arrastrable, correcciones del compositor móvil y un botón flotante de carga de imágenes fijado encima del compositor (galería/cámara nativas, integrado con el pipeline validado add-images), sin regresión en escritorio. Publicado en npm como dsh-webui-mobile.

Genera arte de juego a partir de imágenes de referencia con la generación de imágenes Seedream y el image-to-video de MiniMax, montando sprites de ocho direcciones, fotogramas secuenciales y animaciones de esqueleto con chroma key local.

Herramientas de Office seguras para el espacio de trabajo para agentes: crear/leer Word, crear/leer/actualizar Excel, y crear/leer presentaciones de PowerPoint con colocación de imágenes PNG/JPG/GIF.

Comprensión de imágenes casi nativa para DeepSeek Harness

Proporciona a un modelo solo de texto comprensión de imágenes mediante un modelo de visión-lenguaje, expuesto como herramienta `describe_image`.

Puente de visión gratuito y generación de imágenes para modelos de solo texto: lectura de imágenes pegadas, conmutación por error entre los motores GLM-4V-Flash y Gemini, evidencia estructurada al estilo ModLens, y una ruta de modelo de visión gratuita preconfigurada.

Puente de dispositivos HarmonyOS: bucle de automatización de UI con hdc (capturas, instalación, logs, fallos) con read_image, conocimiento de API versionado priorizando lo oficial (SDK .d.ts + documentación sin conexión), y un carril de build/firma/lint con la CLI de DevEco.

Pipeline de coste de tokens para DeepSeek Harness: compactación por capas sensible a la presión (proyección sin pérdida por debajo del 40% de presión de contexto, resumen con LLM por encima), listas de herramientas permitidas por agente, conversión de texto largo a imagen con resumen por visión y un comando /token-status que rastrea presión, niveles y tokens ahorrados.

Agrega una ruta LLM no oficial respaldada por OAuth de Antigravity, búsqueda web, generación y edición de imágenes, comprensión de video, estado de cuota y controles de configuración de DSH Web.

Da visión a los modelos solo de texto: reenvía las imágenes del usuario a un modelo de visión compatible con OpenAI y muestra las descripciones en un panel derecho de la interfaz web.

Cerebro DeepSeek + transcripción automática de imágenes: adjunta imágenes en la GUI y cada una se transcribe mediante el modelo oficial deepseek-v4-flash-vision-exp por defecto (un cerebro V4-Pro puramente textual puede ver imágenes), con cualquier VLM compatible con OpenAI u Ollama local como alternativas.

Usa una suscripción de ChatGPT/Codex en DeepSeek Harness con modelos GPT, generación de imágenes, búsqueda web, informes de cuota de suscripción, control de modelos y funciones, e inicio de sesión OAuth mediante navegador o código de dispositivo.

Añade un modelo de visión configurable a los modelos principales solo de texto: una herramienta vision_read_image, un selector de modelo de visión en la barra del compositor, y conversión automática de imagen a texto para rutas solo de texto.

Estudio de imagen y vídeo con IA como panel flotante de DSH, para que la creación transcurra junto a la conversación en lugar de sustituirla: texto a imagen, imagen a imagen y composición multi-imagen de 1K a 4K en ocho relaciones de aspecto; texto a vídeo e imagen a vídeo con control del primer fotograma de 4 a 12 segundos; modo cortometraje que importa un guion (.txt/.md/.json) y lo divide en planos de storyboard para previsualización y generación por lotes; y un espacio de trabajo de experto en prompts. Cero dependencias en tiempo de ejecución.

Conversaciones de rol con tarjetas de personaje, creación y edición de tarjetas de personaje dentro del chat, y generación de imágenes mediante backends configurables.

Novia de IA por voz para la interfaz web: entrada de micrófono con FunASR, respuestas habladas con Qwen3-TTS, ventana de animación de compañía y chat bidireccional de QQ (texto/voz/imagen push) mediante NapCat.

Rutas de modelo, herramientas y guía de sistema dedicadas para visión, compactación, revisiones, subagentes, títulos y generación de imágenes.

Complemento de skins para la interfaz web de DSH: 4 skins integradas más skins de imagen personalizadas que usan la foto como fondo de toda la interfaz, con la paleta siguiendo su tono dominante.

Barra lateral derecha de la GUI web de DSH: explorador de archivos estilo VS Code más control de código fuente (git status, stage/unstage/discard, commit, diff, grafo de commits, fetch/pull/push, ramas y remotos, git init, cambio entre varios repos, estado de archivos con colores, iconos por tipo de archivo), una vista de editor que abre todo archivo alcanzado desde el chat, el árbol o el control de código fuente (vistas previas de Markdown/HTML/PDF/imagen, resaltado de sintaxis para 15 lenguajes, edición de diff por hunks, guardado con Ctrl+S), operaciones de archivos (crear/mover/copiar/borrar, mostrar en el explorador), un raíl de iconos plegable, una terminal inferior multipestaña (ConPTY) y mensajes de commit generados por un modelo del host a partir del diff preparado.

Puente MCP hacia gemini.google.com: análisis de visión de imágenes y vídeos, generación de imágenes con Imagen y vídeos con Veo, y gestión de conversaciones usando la sesión del navegador ya iniciada, sin clave de API.

Utiliza fondos descargados en Wallpaper Engine como fondo web de DeepSeek Harness: los fondos de video se reproducen en su lugar, los fondos de imagen usan la obra independiente de mayor resolución, con modos de ajuste cover/contain y un atenuador de panel de 0 a 100.

Del chat al lienzo y a la obra: impulsa ComfyUI como IDE visual de flujos dentro de DSH. Incrusta ComfyUI (local o nube) como lienzo en pantalla dividida en DSH Web: el agente escribe prompts y scripts en el chat, los aplica en vivo y produce imágenes, música, vídeo y 3D. Operaciones: componer pipelines, leer/escribir flujos, editar nodos, cablear enlaces, ejecutar, ajustar y depurar. Producción: barridos de parámetros por lotes (batch_run) y recuperación automática de salidas al chat (get_outputs). Mantenimiento: lanzamiento y actualización con un clic de ComfyUI, su núcleo y los nodos personalizados. Este paquete es el plugin del lado DSH e incluye el nodo puente del lado ComfyUI.