Plugins

Consola de flota para DeepSeek Harness: una página dsh local administra varias máquinas dsh remotas con estados inactivo/en ejecución, cambio en la misma vista sin abrir pestañas, iframes keep-alive, lectura de sesiones entre dispositivos, actualización/reinicio con un clic y separación de roles controlador/administrado.

Vista de lectura más tranquila para DeepSeek Harness, con procesos que se pliegan automáticamente, navegación de mensajes tipo minimapa, búsqueda en página, tarjetas de fallo unificadas y MCP Apps generativas (SEP-1865) en iframes aislados.

Plugin de DeepSeek Harness: búsqueda de vídeos de Bilibili por palabra clave, metadatos, transcripciones de subtítulos, URL de reproducción directa y visualización multimodal de fotogramas (bilibili_search / bilibili_video / bilibili_subtitles / bilibili_playurl / bilibili_frames). Anónimo de forma predeterminada.

Kit de herramientas de audio/vídeo local en el navegador para DSH: extrae fotogramas, captura miniaturas, comprime imágenes y convierte clips a GIF con FFmpeg.wasm.

Registers the video-studio skill in the DSH skill catalog. It builds a Chinese-narrated video from a script: edge-tts synthesizes the narration, the timeline is derived from each line's measured audio duration rather than estimated from text length, Pillow renders every frame deterministically and pipes the raw frames to ffmpeg as rawvideo, burned-in subtitles and SRT/ASS export come from that same timeline, physical-model sound effects and a generated score are mixed sample by sample with numpy, and QA runs in four layers: container, signal, temporal and page level (the page layer only when the browser engine is used). An optional Playwright-driven browser engine renders the whole film as Canvas2D instead, sending PNG frames through image2pipe. Needs network access for the narration, ffmpeg on PATH and Python with numpy, Pillow and edge-tts; the browser engine also needs Playwright with a local Edge/Chromium.

Drives Windows apps through accessibility controls instead of pixels, with a takeover overlay that frames the window being driven, marks each action with a ghost cursor, and stops on Esc; a browser lane adds sign-in profiles, saved state, and attach-to-my-Chrome. Windows only, and DSH must be run as Administrator for the desktop lane.

Downloads a video link, samples frames from it, and transcribes the speech with Groq Whisper so an agent can answer questions about what the video shows; long audio is split into 15-minute windows to stay under the upload limit, and frames still come back without a key, which only the transcript needs. Needs ffmpeg, ffprobe and yt-dlp on PATH.

A conversation-view tab for turning one local reference video into a human-curated shot list. ffmpeg scdet finds shot boundaries, each shot gets one timecoded thumbnail, you untick what you do not need, and the export writes frames.csv (UTF-8 BOM), shots.json, numbered JPEG frames and a labelled contact sheet. Local-only, no upload, zero runtime dependencies, 39 node --test tests including a real-ffmpeg integration case. Requires ffmpeg 5.1+ (with ffprobe) installed separately.

Pull frames and audio out of a local video with ffmpeg and hand back plain file paths, so the agent can look at the frames with its own vision. Five tools: probe, evenly spaced frames, one frame at a timestamp, scene-change frames (the practical version of frame-by-frame), and audio extraction. No models, no uploads, no routing guesswork.

Serial-port toolkit for DSH - 9 tools plus a web UI where an AI agent and a human share one UART line, with auto port matching, hex/text frames, timestamps, scheduled sends, rule-based auto-recovery and appearance themes. The serial engine runs on Python 3.8+ — DSH's bundled interpreter is used when present, otherwise python / py -3 on PATH.

Runs the local llama.cpp Qwen3.5-4B from a Settings page — Windows only, NVIDIA GPU (8 GB VRAM handles the 4B Q4) — with start, stop and restart, launch parameters, deployment paths with a presence check, provider-route and compaction-policy sync in the profile patch, a loopback request-capture proxy, and a local_worker tool that hands translation, OCR and video-frame chores to the local model by file path. Needs llama-server.exe (verified on b12069) and Qwen3.5-4B GGUF + mmproj files on disk; video frames also need ffmpeg.

Screen frames, log lines and (on Windows) key/mouse input on one millisecond timeline: record, mark the failing seconds, box the problem on the frame, then hand the agent a keyframe strip, an animated GIF and the aligned log slice.

Local video understanding for agents: extracts keyframes adaptively based on motion and pauses, inspects any timestamp at full resolution, and aligns visuals with dialogue from embedded subtitles or configured ASR. Requires ffmpeg and ffprobe; clips without subtitles also need a transcription engine for dialogue (a ~190 MB local whisper model, a cloud API key, or the official voice-input model).

Local searchable archive of DSH chat history: decodes the multi-frame zstd session logs (thousands of concatenated frames), extracts user and assistant text into SQLite, and exposes sync / search / stats tools. Idempotent imports, no external service, nothing leaves the disk.

Video study toolkit for DeepSeek Harness: fetch a public Bilibili single part or YouTube video, sample every 3 seconds plus change-triggered frames, transcribe locally with faster-whisper, page through section grids, and render a 16:9 study deck. Windows only, and needs the DSH pwsh tool plus Python 3.12 x64 with Pillow and FFmpeg/FFprobe; fetching adds yt-dlp, transcription needs faster-whisper with your own local model files, and deck output needs python-pptx.

Wandering Earth 550C control-room palette for the DSH Web UI, with dim 2px frames and amber selection states.

Lee vídeos con un modelo de solo texto: con ffmpeg instalado, toma fotogramas cada 0,1–10 segundos y crea hojas de contacto con el timecode real de cada imagen; extrae el audio y lo envía a iTingnao para una transcripción con marcas de tiempo (requiere ITINGNAO_API_KEY), y describe cada hoja con un modelo del host capaz de procesar imágenes. Funciona sin otro plugin de visión. Un slider del composer define el intervalo; los archivos solo de audio se transcriben sin muestrear fotogramas.

Reproductor de vídeo en la barra lateral derecha con lista de reproducción de una carpeta (miniaturas del primer fotograma, duración y orden por nombre/duración/modificación/tamaño), pantalla completa y menú contextual para renombrar, copiar, borrar o actualizar si la carpeta se abrió con permiso de escritura. Muestra en vivo rango almacenado en búfer, FPS decodificados y fotogramas perdidos. El lector MP4/MOV de solo lectura muestra profile/level del códec, recuento exacto de fotogramas, tasa de bits por pista y rotación. No registra herramientas de agente; las escrituras solo usan la API File System Access del navegador después de elegir una carpeta con permiso de escritura.

Da comprensión de video a un agente solo de texto: extrae fotogramas con marcas temporales, muestrea solo al cambiar de escena, exporta clips GIF, consulta metadatos y analiza todos los fotogramas de una vez. Cinco herramientas invocan el ffmpeg local con arrays argv, no con una cadena de shell.

Mueve el workspace predeterminado fuera del disco del sistema. El comportamiento nativo de DSH abre cada Session nueva en `<Documents>/deepseek-harness/default-workspace` y mantiene fija esa ruta; este plugin lo traslada sin perder el uso de las sesiones guardadas. Reescribe el registro sin reiniciar, ofrece las mismas tres acciones que el panel gráfico, mueve los logs junto con el cwd de su encabezado y vuelve a enmarcar los que no empiezan exactamente con una línea de encabezado. Requiere el host de escritorio (workspaceRegistry y sessionPersistence).

Lee vídeos o audio y extrae metadatos, fotogramas fijos muestreados, subtítulos y una transcripción multilingüe con etiquetas de hablante. También captura el escritorio en directo como fotogramas o grabación. En el primer uso instala ffmpeg/whisper.cpp/sherpa-onnx y verifica sha256 por archivo; todo el procesamiento es local. La instalación automática de herramientas y la captura de escritorio solo están disponibles actualmente en Windows x64; en otros sistemas hay que configurar manualmente las rutas de ffmpeg y los modelos.

Mantiene un diccionario local de stickers indexado por hash de contenido: si una imagen ya se describió, la recupera en vez de volver a leerla. Divide los GIF en fotogramas muestreados uniformemente y los reúne en una hoja de contacto para ver toda la animación.

Paquete de producción de ComfyUI dentro de DeepSeek Harness: envía flujos de trabajo en formato API a un servidor local o remoto, genera en lote y descarga resultados, y diagnostica imágenes defectuosas con rangos de parámetros medidos y un árbol de decisión de fallos (fotogramas negros, sujetos duplicados, franjas de color, OOM).

Visor de sesiones diferido y de solo lectura: lista sesiones consultando únicamente stat y luego descomprime solo los frames Zstandard finales para inspeccionar eventos recientes. Incluye búsqueda, estadísticas y exportación en un panel independiente /lazyview. Requiere Node.js 24+.