Plugin

Riconoscimento di immagini grandi per modelli vision-exp: riconoscimento a tile 800×800 senza perdita (smart/pipeline/full), OCR locale con pre-elaborazione e instradamento della grafia, GPU multi-vendor opzionale (DirectML/CUDA/OpenVINO) con fallback automatico a CPU.

OCR locale per DeepSeek Harness: incolla o allega un'immagine, ottieni il suo testo tramite PP-OCRv5 + ONNX Runtime, completamente offline. TUI (cc-tui) e Web.

Visione su richiesta per sessioni DSH solo testo: le immagini diventano marcatori e uno strumento vision_describe invia solo l'immagine e la domanda a un modello di visione compatibile con OpenAI

Workbench locale di generazione immagini, zero canoni di abbonamento: usa la tua API per generare immagini (qualsiasi interfaccia compatibile con OpenAI, zero abbonamenti), layout su telaio e ritocco/cancellatura/rimozione sfondo/OCR/vettorializzazione, consegna PSD/AI modificabili, bridge bidirezionale a livello di oggetti Photoshop/Illustrator.

Plugin web DeepSeek Harness — strato di testo PDF e OCR PDF scansionati, Office docx/xlsx/pptx in Markdown, schede indice TIFF/epub e documenti lunghi.

Toolbox visione migliorato: 14 strumenti visione a livello di pixel (describe, ground, detect, crop, pixel-diff, OCR, long-screenshot OCR, vectorize, colors, cutout, screenshot, present, materialize, html-screenshot) guidati da un endpoint OpenAI-compatible, con marcatori bridge puliti [图片: path], classificazione content-safety e auto-retry del rate-limit.

Upload file drag-and-drop per PDF, Word, Excel e immagini: i file rilasciati sono salvati in una directory locale e referenziati per percorso, nessun bloat base64 in chat.

Anteprima inline per i marcatori bridge immagine [图片: path]: dopo che il marcatore si renderizza, l'immagine appare in chat automaticamente, mantenendo istruzioni lunghe fuori dalla conversazione.

Plugin DSH ufficiale per nuphus-mcp (dai manutentori di nuphus-mcp): automazione desktop e browser (38 strumenti) con percezione degli elementi PaddleOCR e navigazione Chrome CDP, tramite un processo figlio stdio MCP persistente.

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

Comprensione delle immagini e OCR completamente locali tramite il Vision Framework di macOS: `ocr_image` (testo, layout tabella + coordinate) e `view_image` (scena, volti, QR) — incolla più immagini nella casella di input web o passa percorso/URL/base64; le immagini non lasciano mai il tuo Mac.

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.

Preset agente Learning Mode: un agente di coding che insegna mentre programma — spiegazioni concrete basate su scenari, guida socratica e spazi vuoti per esercitazioni TODO(你), modellato sullo stile di output Learning di Claude Code; installabile tramite dsh plugin add (dsh-learning-mode su npm).

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

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.

Comprensione delle immagini per qualsiasi modello DSH: strumenti di visione, OCR, grounding e ritaglio con preset di dominio per istopatologia, biologia cellulare, anatomia, immagini cliniche e figure scientifiche.

Plugin DeepSeek Harness che trasforma screenshot UI in specifiche web di grado implementativo utilizzando OCR, geometria deterministica, grafi di scena, asset e confronto di rendering.

Studio di contenuti per gli account ufficiali WeChat: scrittura a rotazione anti-omologazione, playbook di rimedio per bassa creatività, baseline visiva per le immagini di benedizione, pipeline gpt-image con accettazione OCR e la web API dei draft xiaolvshu misurata sul campo.

Converte documenti Office e PDF (inclusi quelli scansionati) in Markdown strutturalmente formattato tramite una pipeline OCR con instradamento a priorità CPU (RapidOCR/SLANet/FormulaNet).

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.

Selettore di contesto UI del desktop Windows per Codex, DeepSeek Harness e client MCP: seleziona finestre, elementi UI o regioni dello schermo con evidenziazione al passaggio del mouse, UI Automation, screenshot e OCR locale, poi rivedi e approva il contesto Markdown/JSON prima dell'output.

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.

Strumento `vision` invocabile dal modello per DeepSeek Harness: descrive e fa OCR dei file immagine chiamando direttamente la free Zhipu GLM vision API (catena di fallback glm-4v-flash), senza CLI esterno.