Plugins

Visión bajo demanda para sesiones DSH solo de texto: las imágenes se convierten en marcadores, y una herramienta vision_describe envía solo la imagen y la pregunta a un modelo de visión compatible con OpenAI

Captura de pantalla sin dependencias para DSH: Lightweight — cero dependencias, cero binarios; Stage & shoot — captura en un clic de pantalla completa, disposición de ventanas y ventanas ocluidas con hover-snap; Agent self-service — entrega solo por ruta; las rutas son universales, combínalo con modlens (opcional) para evidencia estructurada en una sola llamada.

Añade una herramienta de captura de pantalla más dos puntos de captura automática opcionales, poniendo la pantalla en la conversación como un bloque de imagen; requiere un modelo con capacidad de imagen.

Caja de herramientas de visión mejorada: 14 herramientas de visión a nivel de píxel (describe, ground, detect, crop, pixel-diff, OCR, OCR de captura larga, vectorize, colors, cutout, screenshot, present, materialize, html-screenshot) impulsadas por un endpoint compatible con OpenAI, con marcadores de puente limpios [图片: path], clasificación de seguridad de contenido y auto-retry por límite de tasa.

Herramientas nativas de navegador impulsadas por CloakBrowser con sesiones aisladas por agente, instantáneas acotadas, interacción basada en referencias, capturas de pantalla y enrutamiento seguro.

Controla pestañas de Chrome autorizadas por el usuario desde DeepSeek Harness a través de un intermediario local de mensajería nativa, con lecturas semánticas de páginas, acciones, capturas de pantalla y traspaso explícito.

Ajuste preestablecido de agente de documentación técnica para DeepSeek Harness: escritura basada en plantillas con biblioteca de plantillas de autoaprendizaje, eliminación de sabor de IA para documentos técnicos y kit de herramientas de garantía de calidad (auditoría de documentos, consistencia entre documentos, renumeración, sincronización de versiones, exportación a PDF y Word, automatización de capturas de pantalla).

Permite que tu agente de IA vea y maneje un teléfono Android real: phone_look (fusión de visión y árbol de interfaz), tocar/deslizar/escribir, captura de pantalla — por adb, para cualquier cliente MCP.

Uso del equipo solo para Windows en DeepSeek Harness: captura la pantalla virtual y controla el ratón y el teclado mediante 9 herramientas basadas en PowerShell y Win32 SendInput; se combina con picturereader para que los modelos solo de texto completen el ciclo captura-analizar-actuar-verificar totalmente en local.

Complemento de DeepSeek Harness que convierte capturas de pantalla de UI en especificaciones web de grado de implementación usando OCR, geometría determinista, grafos de escena, recursos y comparación de renderizado.

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.

Controla el navegador real del usuario a través del demonio Kimi WebBridge local: herramientas de navegación, búsqueda de pestañas, snapshot, clic, relleno, evaluación, CDP, captura de pantalla, red, carga, exportación a PDF y gestión de pestañas que reutilizan las sesiones de inicio de sesión existentes.

Plugin de barra lateral derecha de DSH que compara dos commits de git, crea una lista de comprobación de pruebas manuales a partir del ámbito de impacto y admite notas de fallo, capturas de pantalla, adjuntos de tareas y envío de defectos a Yunxiao, GitHub, GitLab o un webhook.

Plugin anfitrión Kimi WebBridge para DeepSeek Harness: herramientas de modelo que manejan el navegador REAL del usuario (navegar, instantánea, clic, rellenar, evaluar, captura de pantalla, inspección de red, gestión de pestañas) mediante el demonio local kimi-webbridge

Captura de pantalla de doble motor para DSH: dentro del shell de escritorio SSiD, un atajo global o la bandeja abre una superposición de selección por recuadro a pantalla completa (todos los monitores, fotogramas píxel-perfecto por pantalla) con anotación de recuadro rojo en el lugar y una barra de herramientas estilo WeChat; en DSH sencillo (navegador), el botón de cámara del compositor captura la pantalla vía getDisplayMedia y reutiliza en la página la misma superposición de selección por recuadro + anotación en una sola fase. La imagen recortada llega al compositor de la conversación actual a través de la vía oficial de adjuntos.

Selector de contexto de UI de escritorio de Windows para Codex, DeepSeek Harness y clientes MCP: selecciona ventanas, elementos de UI o regiones de pantalla con resaltado al pasar el ratón, UI Automation, capturas de pantalla y OCR local, y luego revisa y aprueba el contexto Markdown/JSON antes de la salida.

Comentarios por captura de pantalla para DeepSeek Harness: deja que tu agente de programación VEA lo que construye.

Conecta el servidor MCP de Python harmonyos-dev-mcp a DSH: descubrimiento de dispositivos HarmonyOS, build/install/run/uninstall, automatización de UI (click/input/keys/swipe/screenshot), inspección E2E del árbol UI y análisis de logs/crashes como 18 herramientas mcp__harmonyos__*.

DSH GUI Toolkit — Windows desktop control tools for DeepSeek Harness (DSH): screen layout, annotated screenshot, single-window capture, click / drag / type / key / scroll, semantic verification, window management, and UI Automation structured queries. Thi

Shared browser panel for DeepSeek Harness via Better Sidebar, with local Chromium, human and agent mouse and keyboard control, page snapshots, screenshots, and per-chat persistent profiles.

Live Android device pane next to your DSH conversation: scrcpy-server H.264 streaming (WebCodecs, 30-60 fps), agent tap/swipe/text with auto-screenshot verification, uiautomator element tree with tap coordinates, host-managed recording + logcat debug sessions. FLAG_SECURE pages are detected automatically with a mitigation chain and a tappable text-view fallback. Emulators and USB real phones, human+agent co-operation, session-isolated, loopback-only.

Windows computer use for DeepSeek Harness agents screenshot, click, type, scroll, with an on-screen indicator the human can see

Built-in browser control for dsh (DeepSeek Harness): lets the AI agent open pages, read content, click, type, scroll and take screenshots in a real local browser (Edge/Chrome via the Chrome DevTools Protocol). Includes a docked live browser pane (CDP scre

Windows computer use forked from computer-user: 13 computer_* tools that read the screen and drive the mouse and keyboard. Image-capable routes get the screenshot as a real image with an exact image-to-screen mapping, so no external OCR; elements return as UI Automation refs so a click lands on the exact control rectangle; Ctrl+Alt+Esc stops every call.