プラグイン

DeepSeek Harness ネイティブ視覚バンドル: 画像の貼り付けまたはドラッグイン、ホスティングされる deepseek-vision-mcp を介して OpenAI 互換視覚モデルを呼び出し。

デジモン風の育成ゲーム：実際の作業（ターン、ツール呼び出し、エラー）を食べて育つ卵を孵化させ、あなたの働き方に沿った4つの分岐ラインで進化する。トークン消費ゼロ、モデルには見えない。

テキスト専用 DeepSeek 向け Vision MCP および DSH バンドル: analyze_image、analyze_clipboard、compare_images、vision_status ツール、ビジュアル設定ページ、デフォルトで無料 GLM-4.6V-Flash、結果キャッシュとレート制限トレランス。キーはログに残しません。

DeepSeek Harness（DSH）向け DeepEye ビジョンプラグイン: 画像説明、OCR、VQA、UI レイアウト、クリップボード分析。

AI が VLM（マルチモーダルモデル）を自動呼び出しして視覚分析を行えるようにする dsh プラグイン。

DSH 向けのオムニモーダル・ワークステーション：順序付けられたマルチカード VLM フェイルオーバーチェーン上の analyze_image、同じ画像リゾルバーを共有する 6 ツールのビジョンツールキット（ズーム、色サンプリング、ピクセル差分、OCR、要素検出、インライン表示）、OpenAI/DashScope/ComfyUI プロトコル上の generate_image、/build-video-tool ビルダーを備えたマルチカード非同期 generate_video、7 つのプロバイダー上の speak/clone_voice TTS。すべてが 1 つの自動保存設定ページから操作されます。

DeepSeek Harness 向けのメディア＆ビジョンワークスペースです。画像・動画・音声の生成、画像への質問応答と要素の位置特定、長尺画像の OCR、ピクセル差分、HTML スクリーンショットの検証、動画の要約を提供し、DashScope と OpenAI 互換のプロバイダー、モデルプール、ワークベンチクライアントを備えています。

DeepSeek Harness Web UIのカスタムモデル設定に入力モダリティ選択機能を追加します。

貼り付け/アップロードした画像を DSH Web チャット内でインライン表示し、テキストのみのモデルに視覚を与えます。モデルから呼べる visual_review ツールは、まず OpenAI 互換のマルチモーダル API を呼び出し、失敗した場合はローカルの Qwen3-VL ワーカーにフォールバックします。

テキストのみのDeepSeekルートで画像貼り付けを公開し、視覚サイドカーで添付ファイルを説明し、ネイティブ視覚モデルは変更しません。

テキスト、ビジョン、画像生成 API を自動ルーティングで 1 つの Mix モデルに結合:テキストのみリクエストはチャットモデルへ、ユーザ画像とエージェントスクリーンショットはビジョンモデルへ、フォローアップは同じセッション画像を使用し続け、エージェントはセッションスコープ呼び出し履歴で画像を生成・編集可能。

構造化された視覚エビデンス（OCR／レイアウト／意味解析）に加え、「撮影→確認→調整」のデバッグループ用USBカメラキャプチャツール。バックエンド：Ollama、DeepSeek、Xiaomi。

vLLM の OpenAI 互換エンドポイントの背後にデプロイされたローカル Qwen モデル向けの LLM アダプタープラグイン。モデルごとのマルチモーダル切り替え、完全に設定可能な reasoning effort、フロントエンドからデプロイを編集する Web 設定ページを備えます。

DeepSeek Harness 向けにモデルを登録し、ペルソナ(ポートレート)作成を支援し、シークレット不要のカタログから Agent モデルを選択できます。

マルチエージェントコラボレーションスイート：ユーザーが設定した専門家リスト、オンデマンド永続ディスパッチ（team_call/team_message/team_status/team_close）、クローンインスタンス、スタートポロジリレー、モデル比較、マルチモーダルビジョンブリッジ。

モード固有のプロンプト (キャプション、UI、ドキュメント、グラウンディング、トポロジなど) を通じて会話画像を解析し、構造化されたエビデンスを座標プリミティブ (ボックス、ポイント、参照) とともにテキストとして注入します。セッションレベルのキャッシュにより、replay や compaction をまたいで再利用可能です。

添付画像とローカル画像を設定可能な OpenAI Responses、Chat Completions、または Anthropic Messages エンドポイント経由で解析しつつ、画像対応ルートはネイティブのまま残す、テキスト専用 DeepSeek ルート向けのビジョンブリッジ。

テキスト専用 DeepSeek 向けのビジョンツールキット。モデルから呼び出せる `vision` ツール、deepseek/opencode-go 用ラッパーアダプタ（v4 flash/pro）、Antigravity IDE クォータ（default, flash/pro）/任意の OpenAI 互換 VLM / Gemini / ローカル Ollama チャネル、圧縮再復元付きの証拠メモリ、コンテンツハッシュキャッシュ、そしてバイリンガルのクライアントパネルを備える。

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

Transparent multimodal routing for text-only models: every image in every model call is fully transcribed (verbatim OCR, data, uncertainty zones, injection-hardened) by your own multimodal understander, with focused re-look via vision_relook and automatic retry on image-related failures. No bundled endpoints, no borrowed logins.

DeepSeek Harness vision plugin: 8 analysis modes (describe, OCR, chart data, UI review, object detection, compare, code-gen, debug), any OpenAI- or Anthropic-compatible vision API, with a built-in free vision model and automatic rate-limit failover.

DeepSeek Harness plugin: direct multimodal image transfer declarations + per-session image clearing (surface replace), with a settings page and composer controls.

Per-file-type multimodal chains: preset processing models per wildcard convert image/video/audio files into prompt tokens before they reach the text-only session model, with per-preset fallback chains and a Multimodal settings page.