Plugin

Strumenti nativi Windows Computer Use per DeepSeek Harness.

Ponte per gli allegati immagine nella chat con uno strumento view_image per qualsiasi VLM compatibile OpenAI (Ollama locale o cloud): le immagini incollate/trascinate diventano marcatori di percorso view_image prima di raggiungere i modelli DeepSeek solo testo.

Strumento `describe_image`: un ponte di visione che invia le immagini a mimo-v2.5 tramite l'API opencode Zen (credenziale `OPENCODE_GO_API_KEY`, prima rotta gratuita con fallback a pagamento) e restituisce descrizioni testuali ai modelli solo testo, con passthrough nativo e transcodifica ImageMagick di SVG/TIFF/HEIC.

Strumento image_describe (识图) rivolto al modello sull'API compatibile OpenAI di DashScope (qwen3.7-flash), più un ponte di incollaggio: nelle sessioni solo testo le immagini incollate si convertono automaticamente in percorsi file all'invio e vengono renderizzate di nuovo nel transcript, così non inciampano mai nell'ammissione delle immagini. Porta la tua DASHSCOPE_API_KEY; endpoint/modello/budget configurabili, client HTTP a prova di redirect, funziona in ogni agent preset.

Visione per qualsiasi rotta DSH: incolla immagini nel compositore web con analisi automatica guidata dall'intento, delega la lettura delle immagini dello spazio di lavoro a un subagente di visione Kimi/MiniMax e materializza gli originali incollati per modificarli.

Ponte di visione con scoperta automatica per agenti DeepSeek Harness solo testo: trova da sé un modello capace di immagini tra i provider configurati e restituisce descrizioni delle immagini come testo semplice tramite uno strumento di visione.

Adattatore DeepSeek aumentato con la visione: un modello capace di visione descrive l'immagine in ingresso, poi un modello DeepSeek solo testo ragiona su quella descrizione.

Visione su richiesta per i modelli DeepSeek solo testo: carichi le immagini e il modello chiama uno strumento view_image basato su qualsiasi endpoint di visione compatibile OpenAI (Qwen/DashScope per impostazione predefinita).

Visione come plugin per i modelli solo testo su DSH, con interazione nativa per comprensione e generazione di immagini, automazione della GUI, memoria delle prove a strati e cache.

Visione strutturata local-first per agenti solo testo: le immagini vanno a un VLM locale compatibile OpenAI e tornano come prove JSON (sintesi, OCR letterale, regioni di layout, entità/relazioni, colori, incertezza esplicita), con fallback anti-allucinazione e un ponte opzionale di incolla/carica; costo cloud zero, le immagini non lasciano mai la macchina.

Codificatore di sinestesia per DSH: un modello di visione traduce le immagini in testo spaziale strutturato e compatto (canvas/elementi/coordinate in percentuale), dando ai LLM solo testo una comprensione delle immagini a livello di pixel tramite lo strumento `mm_vision`.

Riutilizza la modalità visione integrata di DeepSeek web per i modelli solo testo: lo strumento deepseek_vision pilota l'automazione browser locale deepseek-vision-cli (aiuto all'accesso manuale, deep-think attivo, chiusura automatica del browser) e restituisce descrizioni delle immagini come testo.

Instrada le immagini della chat verso un modello di visione fisso compatibile OpenAI, restituisce osservazioni fattuali al modello principale selezionato e riusa le osservazioni per sessione attraverso replay, compattazione e riavvii.

Bundle di plugin per DeepSeek Harness: strumenti qwen_vision (comprensione delle immagini con Qwen-VL) e qwen_generate (testo-immagine con Qwen-Image) per modelli solo testo

Toolkit di visione per DeepSeek Harness -- strumenti CLI glance, ground, detect, crop per far comprendere le immagini agli agenti solo testo

DeepSee: visione per DeepSeek Harness, instradamento multi-modello e autoverifiche visive con Gemini prima della consegna

Visione plug-in per i modelli DeepSeek Harness (dsh) solo testo: uno strumento `vision` con preset VLM economici/gratuiti integrati, analisi in batch di più immagini, ammissione delle immagini tramite incolla-per-suggerire e una pagina di impostazioni web con hot-reload

Scene-awareness probe for DSH on macOS: a privacy-first, pull-model `look` tool that reads the frontmost non-self window (app info, AX title/selection, gated local OCR), plus a summon-hotkey snapshot captured the instant you press.

Personal-experience memory for DSH: turns solved tasks into sourced problem cases with condition-scoped claims, recalls them into new tasks via hidden pre-step injection, and makes corrections/deletes cascade to future recall.

Replaces the chat input model picker with a provider-grouped, collapsible list: groups models by provider, folds vision-bridge mirror providers back into their upstream, and carries the reasoning-effort options each model declares in settings. Tested on DSH Desktop only; the DSH web build is untested.

Memory archive and prompt viewer for DeepSeek Harness: read back what compaction folded out of context - browse past sessions or Tavern playthrough archives (summary, original text, state) with full-text search - and inspect the prompt each turn actually sent, listing every assembled system section with its order, character count, offset, hash and mutability, plus an assembly map, registry export, and honest diagnostics when a section is empty or its log cannot be read. Optionally provisions a roleplay agent preset.

Large-image recognition for vision-exp models: lossless 800×800 tile recognition (smart/pipeline/full), local OCR with preprocessing & handwriting routing, optional multi-vendor GPU (DirectML/CUDA/OpenVINO) with auto CPU fallback.

DeepSeek Harness skill: build, rebuild and refresh a course module's revision atlas — a mind map whose leaves are paged notebooks, extracted faithfully from the module's markdown with machine-checked coverage and a human-gated plan.

Automatic tier-based model routing for DeepSeek Harness: a virtual `smart` model classifies each request by difficulty (hard / normal / easy) and by vision need, then delegates it to the models you already configured. 三级难度 + 视觉自动路由，虚拟 smart 模型零配置接入。