プラグイン

vision-expモデル用大画像認識：ロスレス800×800タイル認識（smart/pipeline/full）、前処理と手書きルーティング付きローカルOCR、DirectML/CUDA/OpenVINO対応のオプション複数ベンダーGPU（CPU自動フォールバック）。

DeepSeek Harness用ローカルOCR：画像を貼り付け・添付し、PP-OCRv5 + ONNX Runtimeでテキストを取得、完全オフライン。TUI (cc-tui) およびWeb対応。

テキスト専用のDSHセッション向けオンデマンドビジョン：画像はマーカーに変換され、vision_describeツールが画像と質問のみをOpenAI互換のビジョンモデルに送信します

ローカル画像生成ワークベンチ、購読料ゼロ：自分の API で画像生成（任意の OpenAI 互換インターフェース、購読料ゼロ）、キャンバスレイアウト＋画像修正／消去／背景除去／OCR／ベクター変換、編集可能な PSD／AI 納品、Photoshop／Illustrator の画像レイヤー間で双方向ブリッジ

DeepSeek Harness Webプラグイン — PDFテキストレイヤーとスキャンPDF OCR、Office docx/xlsx/pptxをMarkdownへ変換、TIFF/epubと長文ドキュメントのインデックスカード。

強化されたビジョンツールボックス：単一のOpenAI互換エンドポイントで駆動される14のピクセルレベルビジョンツール（describe、ground、detect、crop、pixel-diff、OCR、long-screenshot OCR、vectorize、colors、cutout、screenshot、present、materialize、html-screenshot）、クリーンな[图片: path]ブリッジマーカー、コンテンツ安全性分類、レート制限自動リトライを備える。

PDF、Word、Excel、画像のドラッグ&ドロップファイルアップロード：ドロップされたファイルをローカルディレクトリに保存しパスで参照、チャットにbase64の肥大化を発生させない。

[图片: path] 画像ブリッジマーカーのインラインプレビュー：マーカー描画後、画像がチャットに自動表示され、長い指示を会話外に出す。

nuphus-mcp 公式 DSH プラグイン（nuphus-mcp メンテナ製）：PaddleOCR による要素認識と Chrome CDP ブラウジングを備えたデスクトップおよびブラウザ自動化（38 ツール）、永続的な stdio MCP 子プロセス経由

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。

macOS Vision Frameworkによる完全ローカルでの画像理解とOCR: `ocr_image`(テキスト、表のレイアウト+座標)および`view_image`(シーン、顔、QR) — 複数の画像をWeb入力ボックスに貼り付けるか、path/URL/base64で渡せます。画像がMacから外部に送信されることはありません。

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。

Learning Modeエージェントプリセット:コーディングしながら教えるコーディングエージェント。具体的なシナリオに基づく説明、ソクラテス式ガイダンス、TODO(你)練習問題、Claude CodeのLearning出力スタイルをモデル化。`dsh plugin add` (npmのdsh-learning-mode)でインストール可能。

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。

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。

あらゆる DSH モデル向けの画像理解：vision、OCR、grounding、クロップツールと、病理組織学、細胞生物学、解剖学、臨床画像、科学図表向けのドメインプリセット。

OCR、決定論的ジオメトリ、シーングラフ、アセット、レンダリング比較を用いて、UIスクリーンショットを実装グレードのWeb仕様書に変換するDeepSeek Harnessプラグインです。

WeChat 公式アカウント向けコンテンツスタジオ: 同質化回避のローテーション執筆、創造性が低い場合の修復プレイブック、祝福画像の視覚ベースライン、OCR 受け入れ付き gpt-image パイプライン、実測済みの xiaolvshu 下書き Web API を備えます。

Office文書およびPDF(スキャンされたものを含む)を、CPU優先ルーティングOCRパイプライン(RapidOCR/SLANet/FormulaNet)経由で構造的にフォーマットされたMarkdownに変換します。

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。

Codex、DeepSeek Harness、MCPクライアント向けのWindowsデスクトップUIコンテキストピッカー：ホバーハイライト、UI Automation、スクリーンショット、ローカルOCRを使ってウィンドウ、UI要素、画面領域を選択し、Markdown/JSONコンテキストを出力前に確認・承認します。

画像を選択したビジョンモデルにルーティングします — 自動書き換え、明示的なツール、またはハイブリッド — これによりテキスト専用のチャットモデルが画像を含むターンで失敗しなくなります。

DeepSeek Harness 向けのモデル対話型 `vision` ツール。無料の Zhipu GLM vision API を直接呼び出して画像ファイルを説明・OCR する（glm-4v-flash フォールバックチェーンあり）。外部 CLI は不要。