Plugins

Puente de visión para modelos de solo texto: pega una imagen y obtén evidencia JSON estructurada (OCR, diseño, semántica).

Visión gratuita para agentes de solo texto: cadena de visión integrada sin clave más herramientas de píxeles (preguntas y respuestas, grounding, recorte, diff de píxeles, colores, OCR, trazado SVG, recorte de figuras, capturas de pantalla); pega una imagen para usarla.

Estudio de equipo de rodaje TongFlow para producción de imagen, voz, música y vídeo: el agente escribe archivos de flujo de trabajo TongFlow por recurso (.tongflow.json) que se ejecutan mediante complementos de TongFlow, con un lienzo de flujo integrado, una estructura de proyecto por plano/personaje/toma y una plantilla de manga-drama; las sesiones que comienzan con @tongflow abren la vista de estudio.

Complemento de estudio TongFlow para DeepSeek Harness (dsh): modelo de proyecto al estilo de un equipo de rodaje, flujos de trabajo TongFlow creados por el agente, generación multimedia determinista, lienzo integrado.

Las capacidades de DeepWatch, instalables en un perfil de DeepSeek Harness existente.

Despacha trabajo a agentes DSH desde Claude Code o Codex: progreso nativo de subagentes, sesiones de trabajador en el host con ajustes predefinidos por nivel y un puente multimodal para visión y generación de imágenes.

Añade una pestaña de ajustes de Managed Agents y herramientas MCP para enviar tareas de agente de larga duración a Ark cloud Managed Agents.

Registra Ark Agent Plan, Coding Plan y rutas de modelos de pospago en el selector nativo de modelos de DSH.

Complemento de proveedor de Volcengine Ark para DeepSeek Harness (DSH): registra las rutas Agent Plan, Coding Plan y de pago posterior en el adaptador nativo pi-ai para que los modelos de Ark aparezcan en el selector de modelos.

Añade inicio de sesión de cuenta, configuración de API y Provider personalizado, cambio de modelo, fallback de imagen para modelos solo de texto y atribución de tokens/costos a DeepSeek Harness 47f.

QA de fidelidad de diseño para modelos solo de texto: una herramienta `deepseek_vision` toma prestado un ojo de cualquier ruta de visión compatible con OpenAI, de modo que el modelo pueda juzgar si una implementación coincide con su maqueta — se entrega con el benchmark detrás de ese juicio (cuatro fixtures, 23 defectos inyectados, transcripciones en bruto) y la disciplina de cuestionamiento de la que depende.

"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.

Comprensión de imágenes casi nativa para DeepSeek Harness

Conjunto de herramientas de depuración ROS2 y análisis de visión del estado del robot para DeepSeek Harness: enumeración de node/topic/service/action/interface/TF, JSON de topología completa del grafo, comprobaciones rosdep, builds con aprobación y andamiaje de mensajes personalizados, capturas de pantalla de GUI y observación de visión multimodal, más renderizado offscreen sin cabeza de RViz2 (mallas low-poly, lectura directa de píxeles, paso de GPU: renderizado de movimiento a 30 Hz) con análisis paralelo de VLM en tiempo real.

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.

Conecta las suscripciones de Qoder a DeepSeek Harness, con soporte para las regiones Global y China, entrada multimodal y llamadas a herramientas.

Puente multimodal MiniMax: una única herramienta `mmx_bridge` cubre comprensión/generación de imágenes, vídeo, TTS, música, portadas, búsqueda web y cuota; sustitución opcional de `web_search`/`read_image`; reproductores en línea/vistas previas de imágenes directamente en la GUI web (npm: `dsh-mmx-bridge`).

Una ruta de proveedor de puerta de enlace de visión-lenguaje: las imágenes pegadas son descritas por un modelo VL configurable (Qwen-VL de forma predeterminada) antes de enviarse a DeepSeek.

Espacio de trabajo de medios y visión para DeepSeek Harness: generación de imágenes, vídeo y voz, preguntas y respuestas sobre imágenes y localización de elementos, OCR de imágenes largas, diferencia de píxeles, verificación mediante capturas de pantalla de HTML y resumen de vídeo, con proveedores DashScope y compatibles con OpenAI, grupos de modelos y un cliente de banco de trabajo.

Visión para DeepSeek de solo texto mediante Doubao Web de forma predeterminada (sin costo, sin clave de API: controla tu Chrome con sesión iniciada a través de un puente CDP de Windows), con cuota de Antigravity IDE (flash/pro) o alternativa a Gemini; escalado automático de detalle, memoria de evidencia visual con rehidratación tras compactación, caché por hash de contenido y un panel de cliente bilingüe.

Deja que los modelos de solo texto vean imágenes: cuando llega una imagen con un marcador como \[image omitted because this model accepts text only], el modelo llama a la herramienta vision_describe y el plugin reenvía la referencia de la imagen junto con la pregunta a un modelo multimodal, reintentando con un modelo de reserva si falla. Se configura en la página de ajustes y se conserva mediante la API oficial de ajustes.

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

Plugin multimodal impulsado por MiniMax: modo de llamada de voz en tiempo real (conversación en streaming, interfaz de dock flotante), modo de voz y entrada de voz por micrófono, además de herramientas de generación de imagen/video/música/voz y de inspección visual.