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.

Visione per modelli solo testo: incolla un'immagine e il modello passa alla variante Vision Toolkit per domande e risposte su immagini, confronto tra più immagini, OCR di screenshot lunghi, riproduzione dell'UI da screenshot, grounding degli elementi e differenze pixel. Nessuna chiave API per impostazione predefinita — le immagini vengono elaborate dal servizio gratuito ospitato dall'autore, 100 per macchina al giorno; configurabile sul proprio provider.

Download locale fatture IMAP, OCR, archivio e riepiloghi rimborsi in Excel per DeepSeek Harness.

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

Un simulatore iOS live o un iPhone collegato via USB dentro la conversazione: 22 tool per avviare, compilare e guidare l'interfaccia tramite identità di accessibilità o testo OCR, azioni sulle righe di lista e hot reload delle preview SwiftUI, più un pannello laterale in streaming che puoi toccare e trascinare.

Un dispositivo Android live dentro la conversazione — emulatore o telefono USB, guidato interamente tramite adb: 20 tool per streaming, build e run Gradle, interazione con albero UI o testo OCR, logcat, processi e memoria, più un pannello di navigazione a tre pulsanti.

Download locale fatture IMAP, OCR, archiviazione e bundle riepilogativo Excel per DeepSeek Harness

OpenMAIC: aule, slide, widget interattivi e insegnamento socratico.

Pannello consumatore OpenBiliClaw per DSH: consigli, elenchi salvati, dialogo socratico, visualizzazioni del profilo e strumenti Agent Bridge.

«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.

Uso del computer Windows per DeepSeek Harness: un server MCP stdio su un backend PowerShell UIA che espone 22 strumenti desktop (albero UIA, screenshot, input digitato, OCR, gestione finestre, failsafe).

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.

Analisi di documenti DSH indipendente dal provider alimentata da MinerU, con job in background nativi, risultati immutabili e coalescenza sicura delle richieste.

Intelligenza documentale locale per PDF, Office, immagini e OCR per DeepSeek Harness.

FormatForge: forgia più di 30 formati di file (PDF, DOCX, PPTX, XLSX, EML, EPUB, TOML, archivi) in testo leggibile dall'IA tramite una casella drag-and-drop, gli strumenti ff_translate/ff_formats/ff_result e una CLI; i PDF scansionati ricadono su OCR locale o su un suggerimento di miglioramento per il modello di sessione.

Plugin di vision esterno per DeepSeek Harness: pannello di configurazione con pulsante balena, riconoscimento immagini con risposta automatica e strumenti agente per screenshot/riconoscimento.

Bridge di visione gratuito per modelli solo testo: comprensione delle immagini, OCR, analisi dell'interfaccia e debug tramite provider di livello gratuito (Qwen3-VL-Flash, Doubao, DeepSeek-OCR) con una GUI delle impostazioni.

Spazio di lavoro per media e visione per DeepSeek Harness: generazione di immagini, video e parlato, Q&A sulle immagini e localizzazione degli elementi, OCR di immagini lunghe, diff a livello di pixel, verifica tramite screenshot HTML e riassunto di video, con provider DashScope e compatibili OpenAI, pool di modelli e un client workbench.

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.

Preset agente in modalità apprendimento: 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).

Uso del computer su macOS con AX-first per DeepSeek Harness: snapshot di accessibilità con riferimenti stabili, input in background, digitazione Unicode, menu, app, screenshot set-of-mark, OCR sul dispositivo, azioni verificate e guardie semantiche opzionali di Jev (TypeSafe System One) — 1.

Computer use su macOS basato prima di tutto su AX per DeepSeek Harness: snapshot di accessibilità con riferimenti stabili, input in background, digitazione Unicode, menu e app, screenshot con set-of-mark, OCR on-device e azioni verificate — 11 tool collegati alla CLI macos-cu.

Fallback OCR locale per percorsi solo testo: quando il modello di sessione dichiara di non poter accettare immagini, l'immagine allegata viene memorizzata nella cache locale e il suo percorso viene iniettato così che il modello possa chiamare ocr_image — PP-OCRv5 + ONNX Runtime su CPU, nessuna chiave API, le immagini non lasciano mai la macchina. Silenzioso quando il modello può vedere le immagini.