プラグイン

Docker tools for agents: ps/images/logs/inspect/exec/manage with JSON output, env-configurable CLI path, approval-gated exec and zero runtime dependencies.

Customizable brand area for the Web UI: replace the whale logo and DeepSeek wordmark with local images, and edit the HARNESS badge text (double-click to change, right-click to reset).

Drag & drop or click to attach any non-image file (PDF/Word/Excel/ZIP/text) into the composer: in the desktop shell it resolves the real Finder path instantly; otherwise it uploads to the workspace and inserts the path.

4つのモジュールから成るセッションコンパニオン。スマートな会話エクスポート(Markdown/PDF/JSON/PNG の長尺画像、プライバシー情報の秘匿化と一括 ZIP 対応)、テンプレートの保存/インポートに対応したコンテキスト引き継ぎ要約、API コスト最適化(公式レートのリアルタイム取得、ピーク/オフピークのスケジューリング、日次/月次予算、モデルルーティング)、Ctrl+F によるチャット内検索を含むグローバル会話検索(CSS Custom Highlight API 使用)を提供します。

DSH Pet Corner: フローティングペット、キー不要のペット画像プロキシ、お気に入り、プラグイン独自の設定 API。

DeepSeek Harness プラグイン。DeepSeek をメインモデルとして維持したまま、セッション内の画像をプラグイン可能なビジョン API に橋渡しします。

Codex を活用した `web_search`・`image_gen`・`image_vision` ツールを DeepSeek Harness に提供。ChatGPT の OAuth ログイン状態を再利用します。

LLM プロバイダーネイティブのビジョンブリッジ。チャットに貼り付けられた画像はビジョンモデル(pi-ai/llama.cpp 経由の Qwen3-VL)によって説明文に変換され、そのテキストがテキスト専用の DeepSeek に渡されて返信が生成されます。画像の受け入れ・ルーティング・圧縮はすべて harness ネイティブの仕組みで処理し、LRU 方式の説明文キャッシュと 503 リトライを備えます。

コンポーザーに添付された画像は、テキスト専用の DeepSeek モデルに渡る前に、OpenAI 互換のビジョンモデルによってテキストに変換されます。

アシスタントの返信内のローカル画像パスを、メッセージ本文にインラインで表示します(9種のフォーマット対応、クリックで拡大するライトボックス、サイズ調整可能)。

Discord-native remote controller for DeepSeek Harness: drive persisted coding-agent sessions from DMs, mention-gated guild channels, and threads, with slash commands, progress updates, approvals, structured questions, and image and text attachments.

In-chat preview for produced files: click a produced-file chip to render Markdown (server-side markdown-it + highlight.js), images, or plain text right in the conversation; system-app open and reveal-in-folder stay one click away.

Preview Mermaid diagrams as images via local rendering in DSH Web when the chat message contains a Mermaid fenced code block, and also allow integration with external rendering servers.

Universal image generation for DeepSeek Harness: auto-discovers image models from any OpenAI-compatible endpoint (SenseNova, StepFun, Agnes, Qwen, Flux, SD, Imagen and more), with agent tools and REST API.

Renders pasted/uploaded images inline in the DSH Web chat and gives text-only models vision: the model-invokable visual_review tool calls any OpenAI-compatible multimodal API first, falling back to a local Qwen3-VL worker.

Vision-augmented DeepSeek adapter: a vision-capable model describes image input, then a text-only DeepSeek model reasons over the description.

Full vision-capability bundle for DeepSeek Harness: a vision_understand tool (OpenAI-compatible vision APIs, free Zhipu GLM-4V-Flash by default) plus paste/drag-and-drop/button entry points for image recognition.

Local OCR for attached images via Tesseract: only the recognized text is sent to the model, never the image bytes; vision passthrough is opt-in.

GPT Image 2 `image_gen` with Codex subscription OAuth by default or explicit API-key mode: developing card, up to three live API partials, durable attachment replay/lightbox/download, text-only model output, and bounded credential-safe requests.

Vision bridge for text-only DeepSeek routes that analyzes attached and local images through configurable OpenAI Responses, Chat Completions, or Anthropic Messages endpoints while leaving image-capable routes native.

Combine text, vision, and image-generation APIs into one Mix model with automatic routing: text-only requests go to the chat model, user images and agent screenshots go to the vision model, follow-ups keep using the same session image, and agents can generate or edit images with session-scoped call history.

Free vision bridge for text-only models: image understanding, OCR, UI and debug analysis via free-tier providers (Qwen3-VL-Flash, Doubao, DeepSeek-OCR) with a settings GUI.

Sticker/emoji expression for assistants: emotion-driven auto-matching, library management, AI image tagging, dialects, style mimicry, and chat-based tag refinement.