Plugins

Plugin adaptador de LLM para modelos Qwen desplegados localmente detrás de un punto de conexión vLLM compatible con OpenAI, con conmutador multimodal por modelo, esfuerzos de razonamiento totalmente configurables y una página de ajustes web para editar el despliegue desde el frontend.

Bundle de visión nativo de DeepSeek Harness: pega o arrastra imágenes, invoca modelos de visión compatibles con OpenAI mediante el deepseek-vision-mcp alojado.

Bundle MCP de visión y DSH para DeepSeek solo de texto: herramientas analyze_image, analyze_clipboard, compare_images y vision_status, una página de configuración visual, GLM-4.6V-Flash gratuito por defecto, almacenamiento en caché de resultados y tolerancia al límite de tasa; las claves no aparecen en los registros.

Plugin de visión DeepEye para DeepSeek Harness (DSH): descripción de imágenes, OCR, VQA, diseño de UI y análisis del portapapeles.

Un plugin de dsh que permite a la IA invocar automáticamente VLM (modelos multimodales) para el análisis visual.

Estación de trabajo omnimodal para DSH: analyze_image sobre una cadena ordenada de conmutación por error VLM de varias tarjetas, un conjunto de seis herramientas de visión (zoom, muestreo de color, diferencia de píxeles, OCR, detección de elementos y visualización en línea) que comparten el mismo resolutor de imágenes, generate_image mediante los protocolos OpenAI/DashScope/ComfyUI, generate_video asíncrono con varias tarjetas y un constructor /build-video-tool, y speak/clone_voice TTS en siete proveedores, todo gobernado por una única página de ajustes con autoguardado.

Añade un selector de modalidad de entrada a la configuración de modelos personalizados en la interfaz web de DeepSeek Harness.

Renderiza en línea las imágenes pegadas o subidas dentro del chat de DSH Web y da visión a los modelos solo de texto: la herramienta visual_review, invocable por el modelo, llama primero a cualquier API multimodal compatible con OpenAI y, si falla, recurre a un worker local de Qwen3-VL.

Anuncia el pegado de imágenes en rutas de DeepSeek solo de texto, describe los archivos adjuntos con un sidecar de visión y deja intactos los modelos de visión nativos.

Combina APIs de texto, visión y generación de imágenes en un único modelo Mix con enrutamiento automático: las solicitudes de solo texto van al modelo de chat, las imágenes del usuario y las capturas del agente van al modelo de visión, los seguimientos siguen usando la misma imagen de sesión, y los agentes pueden generar o editar imágenes con un historial de llamadas con alcance de sesión.

Soporte de razonamiento DSV4.1 con contexto multimodal y aceptación acotada de artefactos para DeepSeek Harness

Proveedor Google Gemini multi-cuenta: elige la cuenta con más cuota restante, conmuta ante 429 con cooldown exponencial, sondea cuentas deshabilitadas en segundo plano e incluye una página de settings en chino/inglés.

Puente de visión para rutas de DeepSeek solo texto que analiza imágenes adjuntas y locales mediante endpoints configurables de OpenAI Responses, Chat Completions o Anthropic Messages, dejando nativas las rutas con capacidad de imagen.

Evidencia visual estructurada (OCR/distribución/semántica) además de una herramienta de captura con cámara USB para un bucle de depuración «disparar-mirar-ajustar»; backends: Ollama, DeepSeek, Xiaomi.

Para DeepSeek Harness: registra modelos, ayuda con los retratos y selecciona el modelo de Agent desde un catálogo sin secretos.

Suite de colaboración multiagente: roster de especialistas configurado por el usuario, despacho persistente bajo demanda (team_call/team_message/team_status/team_close), instancias clonadas, relé de topología en estrella, comparación de modelos y un puente de visión multimodal.

Analiza imágenes de conversación mediante prompts específicos por modo (caption, UI, documento, grounding, topología, etc.) e inyecta evidencia estructurada con primitivas de coordenadas (cajas, puntos, referencias) como texto, con caché a nivel de sesión para reutilización entre replay y compaction.

Enruta imágenes a un modelo de visión de tu elección — reescritura automática, herramientas explícitas o híbrido — para que un modelo de chat solo texto no falle un turno que contiene una imagen.

Puente de visión para rutas de DeepSeek solo de texto que analiza imágenes adjuntas y locales mediante endpoints configurables de OpenAI Responses, Chat Completions o Anthropic Messages, mientras deja nativas las rutas con capacidad de imagen.

Kit de visión para DeepSeek solo de texto: herramienta `vision` invocable por el modelo, adaptadores contenedores para deepseek/opencode-go (v4 flash/pro), cuota de Antigravity IDE (default, flash/pro) / cualquier VLM compatible con OpenAI / Gemini / canales locales de Ollama, memoria de evidencias con rehidratación por compactación, caché de hash de contenido y un panel de cliente bilingüe.

Model capability editor: edit each model reasoning-effort levels and image-input (multimodal) declarations inline in the official model page, written back to settings.yaml as a whole group, with a floating entry as fallback when the anchor breaks.

Point-and-shoot screenshot capture: a system floating window turns a new screenshot (or copied image) into an Obsidian note with comments and key-point marking, instant Tongyi Qianwen OCR, per-day merging, and an optional evening AI organization pass.

Drag-and-drop / paste / upload files and images; on non-multimodal models images are auto-described by a configured VLM.

DeepSeek Harness plugin: Bilibili keyword video search, video metadata, subtitle transcripts, direct play URLs, and multimodal frame viewing (bilibili_search / bilibili_video / bilibili_subtitles / bilibili_playurl / bilibili_frames). Anonymous by default