Plugin

Plugin adattatore LLM per modelli Qwen distribuiti localmente dietro un endpoint vLLM compatibile OpenAI, con switch multimodale per modello, reasoning effort completamente configurabili, più una pagina web di impostazioni da cui si può modificare il deployment dal frontend.

Bundle visivo nativo per DeepSeek Harness: incolla o trascina immagini, richiama modelli visivi compatibili OpenAI tramite deepseek-vision-mcp ospitato.

Bundle Vision MCP e DSH per DeepSeek solo testo: strumenti analyze_image, analyze_clipboard, compare_images e vision_status, una pagina impostazioni visuale, GLM-4.6V-Flash gratuito di default, caching dei risultati e tolleranza al rate-limit; le chiavi restano fuori dai log.

Plugin di vision DeepEye per DeepSeek Harness (DSH): descrizione delle immagini, OCR, VQA, layout UI e analisi degli appunti.

Un plugin per dsh che permette all'AI di richiamare automaticamente VLM (modelli multimodali) per l'analisi visiva.

Workstation omni-modale per DSH: analyze_image su una catena ordinata multi-scheda di failover VLM, un toolkit di visione con sei strumenti (zoom, campionamento colori, pixel diff, OCR, rilevamento elementi, visualizzazione inline) che condivide lo stesso resolver di immagini, generate_image sui protocolli OpenAI/DashScope/ComfyUI, generate_video asincrono multi-scheda con un builder /build-video-tool, più TTS speak/clone_voice su sette provider, tutto governato da un'unica pagina di impostazioni con salvataggio automatico.

Aggiunge un selettore della modalità di input alle impostazioni dei modelli personalizzati nella Web UI di DeepSeek Harness.

Visualizza inline nel chat di DSH Web le immagini incollate o caricate e dà la vista ai modelli solo testuali: lo strumento visual_review, richiamabile dal modello, usa prima una qualsiasi API multimodale compatibile con OpenAI e, se fallisce, passa a un worker locale Qwen3-VL.

Pubblicizza l'incollaggio di immagini sui percorsi DeepSeek solo testo, descrive gli allegati con un sidecar di visione e lascia intatti i modelli di visione nativi.

Combina API di testo, visione e generazione di immagini in un unico modello Mix con routing automatico: le richieste solo testo vanno al modello chat, le immagini utente e gli screenshot dell'agente vanno al modello di visione, i follow-up continuano a usare la stessa immagine di sessione, e gli agenti possono generare o modificare immagini con cronologia delle chiamate a livello di sessione.

Supporto ragionamento DSV4.1 con contesto multimodale e accettazione di artefatti limitata per DeepSeek Harness

Provider Google Gemini multi-account: sceglie l'account con la quota residua maggiore, esegue failover su 429 con cooldown esponenziale, verifica gli account disabilitati in background e fornisce una pagina impostazioni cinese/inglese.

Ponte di visione per le rotte DeepSeek solo testuali che analizza immagini allegate e locali tramite endpoint configurabili OpenAI Responses, Chat Completions o Anthropic Messages, lasciando native le rotte con capacità di immagini.

Evidenza visiva strutturata (OCR/layout/semantica) più uno strumento di acquisizione da camera USB per un ciclo di debug «scatta-guarda-regola»; backend: Ollama, DeepSeek, Xiaomi.

Per DeepSeek Harness: registra modelli, aiuta con i ritratti e seleziona il modello di Agent da un catalogo senza segreti.

Suite di collaborazione multi-agente: roster di specialisti configurato dall'utente, dispatch persistente on-demand (team_call/team_message/team_status/team_close), istanze clonate, relay a topologia a stella, confronto modelli e un ponte visivo multimodale.

Analizza le immagini della conversazione tramite prompt specifici per modalità (caption, UI, documento, grounding, topologia, ecc.) e inietta evidenze strutturate con primitive di coordinate (box, punti, riferimenti) come testo, con caching a livello di sessione per il riutilizzo durante replay e compaction.

Instrada le immagini verso il modello di visione che preferisci - riscrittura automatica, strumenti espliciti o ibrido - così un modello di chat solo testuale non fallisce un turno che contiene un'immagine.

Bridge vision per route DeepSeek solo testo che analizza immagini allegate e locali tramite endpoint configurabili OpenAI Responses, Chat Completions o Anthropic Messages, lasciando native le route abilitate alle immagini.

Toolkit vision per DeepSeek solo testo: strumento `vision` invocabile dal modello, adapter wrapper per deepseek/opencode-go (v4 flash/pro), quota Antigravity IDE (default, flash/pro) / qualsiasi VLM compatibile OpenAI / Gemini / canali locali Ollama, memoria delle evidenze con reidratazione da compattazione, cache dell’hash dei contenuti e un pannello client bilingue.

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