プラグイン

テキスト専用モデル向けのビジョンブリッジ: 画像を貼り付けると、構造化された JSON エビデンス（OCR、レイアウト、セマンティクス）を取得。

テキスト専用のメインモデルに設定可能なビジョンモデルを追加: vision_read_image ツール、コンポーザーバーのビジョンモデル選択、テキスト専用ルート向けの画像からテキストへの自動変換。

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。

DeepSeek Harness out-of-tree プラグイン：テキストのみのコーディングモデルに画像を理解させるため、Qwen-VL（DashScope）ルートを ctx.llm 経由でルーティングし、テキストを返す。

テキスト専用 DeepSeek Harness エージェント向けの自動検出ビジョンブリッジ：設定済みプロバイダーから画像対応モデルを自動で見つけ、ビジョンツール経由で画像の説明をプレーンテキストで返します。

Image-to-text input for the Web UI: paste or drag an image and it is transcribed into structured text and sent, giving text-only LLMs image-input takeover (OpenAI-compatible vision API).