Plugin

Ponte visivo per modelli solo testuali: incolla un'immagine e ottieni prove strutturate in JSON (OCR, layout, semantica).

Vision gratuita per agenti solo testuali: catena di vision integrata senza chiave, più strumenti pixel (Q&A, grounding, ritaglio, confronto pixel, colori, OCR, tracciamento SVG, ritaglio silhouette, screenshot); incolla un'immagine per usarla.

Studio troupe cinematografica TongFlow per la produzione di immagini, voce, musica e video: l'agente scrive file di flusso di lavoro TongFlow per ogni risorsa (.tongflow.json) che vengono eseguiti tramite plugin TongFlow, con una tela di flusso incorporata, un layout di progetto per inquadratura/personaggio/presa e un modello manga-drama; le sessioni che iniziano con @tongflow aprono la vista Studio.

Plugin studio TongFlow per DeepSeek Harness (dsh): modello di progetto in stile troupe cinematografica, flussi di lavoro TongFlow creati dall'agente, generazione multimediale deterministica, tela incorporata.

Le capacità di DeepWatch, installabili in un profilo DeepSeek Harness esistente

Disperdi il lavoro agli agenti DSH da Claude Code o Codex: avanzamento nativo dei sotto-agenti, sessioni worker sull'host con preset per livello e un bridge multimodale per visione e generazione di immagini.

Aggiunge una scheda impostazioni Managed Agents e tool MCP per inviare task agente a lunga durata agli Ark cloud Managed Agents.

Registra i percorsi Ark Agent Plan, Coding Plan e i modelli postpagati nel selettore nativo dei modelli DSH.

Plugin di provider Volcengine Ark per DeepSeek Harness (DSH): registra le route Agent Plan, Coding Plan e a pagamento differito sull'adattatore nativo pi-ai affinché i modelli Ark compaiano nel selettore dei modelli.

Aggiunge accesso all'account, configurazione di API e Provider personalizzato, cambio modello, fallback immagine per modelli solo testo e attribuzione di token/costi a DeepSeek Harness 47f.

QA di fedeltà al design per modelli solo testuali: uno strumento `deepseek_vision` prende in prestito un occhio da qualsiasi percorso vision compatibile con OpenAI, così il modello può giudicare se un'implementazione corrisponde al mock — fornito con il benchmark alla base di quel giudizio (quattro fixture, 23 difetti iniettati, trascrizioni grezze) e la disciplina di interrogazione da cui dipende.

«Lettura» delle immagini per modelli solo testo: riduzione della scala + riduzione della profondità colore + impronte di struttura/colore convertite in griglie di testo restituite alla conversazione, permettendo al modello di ingrandire, campionare ed eseguire OCR in autonomia come un modello multimodale; completamente locale, senza alcuna dipendenza da modelli esterni, include una skill di metodologia di lettura delle immagini e PaddleOCR opzionale.

Comprensione delle immagini quasi nativa per DeepSeek Harness.

Toolset di debug ROS2 e analisi visiva dello stato del robot per DeepSeek Harness: enumerazione di node/topic/service/action/interface/TF, JSON della topologia dell'intero grafo, controlli rosdep, build con approvazione e scaffolding di messaggi personalizzati, screenshot GUI e osservazione visiva multimodale, più rendering offscreen headless RViz2 (mesh low-poly, lettura diretta dei pixel, passthrough GPU - rendering del movimento a 30Hz) con analisi VLM parallela in tempo reale.

Dona la vista ai modelli solo testuali: inoltra le immagini dell'utente a un modello di visione compatibile con OpenAI e mostra le descrizioni in un pannello destro dell'interfaccia web.

Cervello DeepSeek + trascrizione automatica delle immagini: allega immagini nella GUI e ognuna viene trascritta tramite il deepseek-v4-flash-vision-exp ufficiale per impostazione predefinita (un cervello V4-Pro puramente testuale può vedere le immagini), con qualsiasi VLM compatibile con OpenAI o Ollama locale come alternative.

Ponte multimodale MiniMax: un unico strumento `mmx_bridge` copre comprensione/generazione di immagini, video, TTS, musica, copertine, ricerca web e quota; sostituzione opzionale di `web_search`/`read_image`; player e anteprime immagine incorporati direttamente nella GUI web (npm: `dsh-mmx-bridge`).

Un percorso del provider gateway visione-linguaggio: le immagini incollate vengono descritte da un modello VL configurabile (Qwen-VL per impostazione predefinita) prima di essere inviate a DeepSeek.

Aggiunge controlli di sintesi vocale Xiaomi MiMo per i messaggi finalizzati dell'assistente, con voci predefinite e progettazione di voci personalizzate.

Visione per DeepSeek solo testo tramite Doubao Web per impostazione predefinita (gratuito, senza chiave API: guida il tuo Chrome connesso tramite un bridge CDP Windows), con quota Antigravity IDE (flash/pro) o fallback su Gemini; escalation automatica del livello di dettaglio, memoria delle evidenze visive con reidratazione dopo la compattazione, cache basata su hash dei contenuti e un pannello client bilingue.

Permette ai modelli solo testo di vedere le immagini: quando arriva un'immagine con un segnaposto come \[image omitted because this model accepts text only], il modello chiama lo strumento vision_describe e il plugin inoltra il riferimento dell'immagine più la domanda a un modello multimodale, riprovando con un modello di fallback in caso di errore. Si configura nella pagina delle impostazioni ed è persistito tramite l'API ufficiale delle impostazioni.

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

Plugin multimodale alimentato da MiniMax: modalità chiamata vocale in tempo reale (conversazione in streaming, interfaccia dock flottante), modalità vocale e input vocale dal microfono, oltre a strumenti di generazione di immagini/video/musica/voce e di ispezione visiva.

Plugin provider di modelli gratuiti per DSH con oltre 20 modelli, tra cui Gemini, MiMo, GLM e altri.