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.

Visión para modelos solo de texto: al pegar una imagen, el modelo cambia a la variante Vision Toolkit para preguntas y respuestas sobre imágenes, comparación de múltiples imágenes, OCR de capturas largas, reproducción de UI a partir de capturas, localización de elementos y diferencias de píxeles. Sin clave de API por defecto — las imágenes se procesan mediante el servicio gratuito alojado por el autor, 100 por máquina al día; configurable a tu propio proveedor.

Descarga local de facturas IMAP, OCR, archivo y resúmenes de reembolso en Excel para DeepSeek Harness.

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

Un simulador iOS en vivo o un iPhone conectado por USB dentro de la conversación: 22 herramientas de agente para arrancar, compilar, controlar la UI por identidad de accesibilidad o texto OCR, acciones sobre filas de lista y hot reload de SwiftUI preview, además de un panel lateral en streaming que puedes tocar y arrastrar.

Un dispositivo Android en vivo dentro de la conversación — emulador o teléfono USB, controlado completamente mediante adb: 20 herramientas de agente para streaming, compilación y ejecución con Gradle, interacción con el árbol de UI o texto OCR, logcat, procesos y memoria, además de un panel de navegación de tres botones.

Descarga local de facturas por IMAP, OCR, archivado y paquete resumen en Excel para DeepSeek Harness

OpenMAIC: aulas, diapositivas, widgets interactivos y enseñanza socrática.

Panel de consumidor OpenBiliClaw para DSH: recomendaciones, listas guardadas, diálogo socrático, vistas de perfil y herramientas de Agent Bridge.

"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.

Computer use de Windows para DeepSeek Harness: un servidor MCP stdio sobre un backend PowerShell UIA que expone 22 herramientas de escritorio (árbol UIA, capturas, entrada tipada, OCR, gestión de ventanas, failsafe).

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.

Análisis de documentos DSH independiente del proveedor, impulsado por MinerU, con trabajos en segundo plano nativos, resultados inmutables y coalescencia segura de solicitudes.

Inteligencia de documentos local para PDF, Office, imágenes y OCR para DeepSeek Harness.

FormatForge: forja más de 30 formatos de archivo (PDF, DOCX, PPTX, XLSX, EML, EPUB, TOML, archivos comprimidos) en texto legible por IA mediante una bandeja de arrastrar y soltar, las herramientas ff_translate/ff_formats/ff_result y una CLI; los PDF escaneados recurren a OCR local o a una pista de mejora para el modelo de la sesión.

Plugin de visión externo para DeepSeek Harness: panel de configuración con botón de ballena, reconocimiento de imágenes con respuesta automática, y herramientas de captura y reconocimiento para el agente.

Puente de visión gratuito para modelos solo de texto: comprensión de imágenes, OCR, análisis de interfaz y depuración a través de proveedores de nivel gratuito (Qwen3-VL-Flash, Doubao, DeepSeek-OCR) con una GUI de configuración.

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.

Preset de agente Modo Aprendizaje: un agente de programación que enseña mientras programa: explicaciones concretas basadas en escenarios, guía socrática, y huecos de práctica TODO(你), modelado en el estilo de salida Learning de Claude Code; instalable mediante dsh plugin add (dsh-learning-mode en npm).

Uso del ordenador en macOS con AX primero para DeepSeek Harness: instantáneas de accesibilidad con referencias estables, entrada en segundo plano, escritura Unicode, menús, apps, capturas set-of-mark, OCR en el dispositivo, acciones verificadas y guardas semánticas opcionales de Jev (TypeSafe System One) — 1.

Uso del ordenador en macOS con AX primero para DeepSeek Harness: instantáneas de accesibilidad con refs estables, entrada en segundo plano, escritura Unicode, menús y apps, capturas set-of-mark, OCR en el dispositivo y acciones verificadas — 11 herramientas conectadas a la CLI macos-cu.

Fallback de OCR local para rutas solo de texto: cuando el modelo de sesión declara que no puede aceptar imágenes, la imagen adjunta se almacena en caché localmente y se inyecta su ruta para que el modelo pueda llamar a ocr_image — PP-OCRv5 + ONNX Runtime en CPU, sin clave de API, las imágenes nunca salen de la máquina. Silencioso cuando el modelo puede ver imágenes.