プラグイン

テキスト専用モデル向けの `describe_image` ビジョンツール: 画像（ローカルパス、URL、添付）は設定可能な OpenAI 互換のビジョンエンドポイントに送られ、返ってきたテキストだけがセッションに入る。

DSHウェブGUI用のコーナー固定型ホエイルウィジェット。残高、本日の使用量、ピーク/オフピーク料金設定による1ターンあたりのコストを表示。残高アラートとデイリーバジェットのバブルは編集可能。A/B重み付き選択とランダムなテキスト/画像による、モジュールベースのカスタムバブルキューを搭載。OpenAI、OpenRouter、Kimi、SiliconFlow、Ark、Zhipu、MiniMaxなど30以上のベンダーテンプレートに対応し、モデルごとの残高とサブスクリプション枠を表示。タスク終了音、オーディオ取り込み、カスタムロール、リソースマネージャーも備える。ローカルのみでテレメトリなし。

テキスト専用モデルに視覚機能を追加：画像を貼り付けると、モデルがVision Toolkitバリアントに切り替わり、画像Q&A、複数画像比較、ロングスクリーンショットOCR、スクリーンショットからのUI再現、要素グラウンディング、ピクセル差分に対応します。デフォルトではAPIキー不要で、作者がホストする無料サービスにより1マシンあたり1日100枚まで処理可能。独自の_provider_への切り替えも設定できます。

DeepSeek Harness からローカルまたはリモートの ComfyUI サーバーを操作：comfyui_run / comfyui_object_info / comfyui_workflow ツールで画像や動画を生成・編集。ワークフローライブラリ（グラフ抽出：コンポーネントごと／メインフロー／すべて）、解像度自動マッチング付きロードエリア、ライブキュー、SDXL と Wan 2.1 テンプレート、コンパニオンスキル、同一オリジンのメディアプロキシを備えます。

参照画像から Seedream の画像生成と MiniMax の画像→動画でゲームアートを生成し、ローカルのグリーンスクリーン合成で八方向スプライト、連番フレーム、スケルトンアニメーションを組み立てます。

DSHで編集可能なBlender製品シーンを作成。スピーカー・カップ・ランプのレシピや読み込んだモデルから始め、Lighttableで保存結果を見て、リビジョン比較や寸法・素材・カメラ・照明の調整ができます。静的モデルを実メッシュ面に配置して一括保存し、既存カメラとアニメーションを保った静止画面も保存。平面のカスタムメッシュでは形状を変えずに反復テクスチャ座標を修復。画像や保存ショットの動画をレンダーし、素材付きの編集可能なリビジョンを書き出します。形状検査、不変リビジョン、承認ゲートで既存作業を保護。DSH 0.2.1-rc.1と旧ホストに対応し、モデリング・確認・納品用の20ツールを収録。

DSH Web 用のブラウザローカル壁紙と半透明パネルコントロール。複数の画像、フィットと位置の選択、シェーディング、ぼかし、パネル不透明度を備えます。

工学・数学向けワークベンチ。画像読取、求解、作図、解答検証の9ツールと4つのskillを搭載。Pythonとnumpy、Pillowが必要。画像読取、図の確認、数式組版は設定済みキーを持つvision providerに依存し、画像はそのproviderへ送信されます。キーがないとこれらは失敗しますが、他のツールは動作します。

DeepSeek Harness の外観ツールキット。8 つのサーフェス（メイン背景、サイドバー、カードとパネル、入力とコントロール、設定、会話フレーム、トラジェクトリ表示、生成/ハイライト — dsh-better-sidebar 併用時は 9 つ）で、不透明度とすりガラスぼかしを個別に調整できます。任意の画像や動画を壁紙として使用でき、ドラッグでパン、スクロールでズームする位置エディタと 5 つのレイアウトモード（Fit/Fill/Stretch/Tile/Center）を備えます。動画はミュートでループ再生され、リロード後も維持され、プレビュー・色抽出・フレーミングのためにライブフレームをキャプチャできます。画像プールのローテーション（シャッフル/順序、リロードごと/毎日/毎週）にも対応。さらに、PS 風のカラーホイール、ワンクリックの壁紙色抽出、6 つのプリセット + 保存済みプロファイル、昼夜の自動切り替え、テーマの完全なエクスポート/インポートを備えます。

Claude personaのデスクトップペットをDSH Web GUI右下に常駐。残高、当日利用量、ピーク/オフピーク料金、ターンごとの費用を表示し、テキスト・残高・利用量・料金・画像・ランダム行・重み付き選択の吹き出し、行別スタイル/フォント、フローティング編集、効果音、独自キャラクター/音声に対応。呼吸・まばたきする役割アニメーションと、残高が警告値を下回ると泣き顔になる版を収録。256/384段階があり、512 HDパックはリソース管理画面から任意で導入する。Claude風台詞63件。MeteorNOX/DeepSeek-Balance-Whale-Widget（MIT）の派生。

DSH Knitは会話に関連するワークスペース内のMarkdown、コード、画像、動画を順位付けして表示します。既定のBM25/IDF検索は直近の会話と文書のタイトル・要約・本文をローカル照合し、モデルもネットワークも使わず、データを外へ送りません。最近使ったファイル一覧ではなく全体を走査するため、再起動や新規セッション後も維持されます。関連度3段階、照合／参照理由、インラインプレビューを備え、Context Packをknit_docsとしてエージェントに公開します。閲覧時に帰属を固定する読み取り証拠、取得前に適用でき取り消し可能なピン留め／除外、行番号付きの参照・import・test証拠、再起動後も使える増分インデックスもあります。v0.23の任意ハイブリッド検索は既定で無効で、利用者がOllamaまたはOpenAI互換embeddingを設定した場合だけ有効です。送信するのはqueryと候補のタイトル／要約のみ（Markdownは冒頭最大60文字、コードは相対ディレクトリ、メディアはファイル名）；本文全体や絶対パスは送らず、loopbackなら端末内に留まります。v0.24は未コミット変更を読み取り専用git status（固定argv、shell不使用、環境allowlist）で関連付けますが既定で無効です。実プロバイダーで未検証のため検索改善は主張しません。

DSH Web GUI 用のモバイル Web シェル。オーバーレイのドロワー、ドラッグ可能な FAB、モバイル向け composer 修正、そして composer の上に固定されたフローティング画像アップロードボタン（ネイティブのギャラリー/カメラ、検証済みの add-images パイプライン連携）を備え、デスクトップ側の回帰はありません。npm では dsh-webui-mobile として公開されています。

テキスト専用モデルに視覚機能を付与: ユーザーの画像を OpenAI 互換のビジョンモデルに転送し、その説明を Web UI の右パネルに表示します。

DeepSeek ブレイン + 自動画像文字起こし:GUI で画像を添付すると、デフォルトで公式の deepseek-v4-flash-vision-exp により文字起こしされます(純粋テキストの V4-Pro ブレインも画像を見ることができます)。代替として、任意の OpenAI 互換 VLM またはローカル Ollama も使用可能。

任意の http/https ページを取得し、タイトル、説明、本文、見出しアウトライン、リンクを返します。統計情報（文字数/語数、読了時間、言語）とトップキーワードを含み、コンテンツ画像をセッションワークスペースにダウンロードしてビジョン分析に利用したり、scrape.imageAnalyzer サービス経由で登録済みアナライザーにディスパッチできます。

gemini.google.comへのMCPブリッジ:画像・動画のビジョン解析、Imagen画像生成とVeo動画生成、そしてAPIキー不要でログイン済みブラウザセッションを利用した会話管理。

DSH Web GUI 右下に固定する GPT/ChatGPT ペルソナのデスクトップペット。残高、今日の使用量、ピーク/オフピーク料金、ターンごとの費用を表示。編集可能な吹き出し（テキスト、残高、使用量、料金、画像、ランダム文、重み付き選択）、行別スタイル/フォント、フローティング編集、効果音、カスタムキャラクター画像/アニメーション/音声、スナップ/反転に対応。5グループ54行の GPT 風セリフを収録。ルート、bundle ID、データを名前空間化し、鯨/Xiaoke ウィジェットと併用可能。MeteorNOX/DeepSeek-Balance-Whale-Widget（MIT）の派生。

Windows 専用。エージェントは、開いている Word、Excel、PowerPoint（Microsoft Office または WPS Office）のウィンドウ内で、各アプリの自動化インターフェースを介して文書を編集し、変更をリアルタイムに反映します。構造を読み取り、編集を一括適用し、ページを画像にレンダリングしてレイアウトを確認し、PDF として保存または書き出します。

36 種類の拡張子を Web UI にインライン表示するモデル向け display_file ツール：クリック拡大ライトボックス付き画像、シーク可能な動画、音声、PDF、LibreOffice でホスト側 PDF 変換した Office/OpenDocument ファイル、サンドボックスフレーム内のローカル HTML。バイトは署名付き HTTP ルートからレンジ対応で配信され、画像対応ルートでは PNG/JPEG/WebP/GIF がモデルコンテキストにも入ります。

FALキュー、任意のOpenAI互換画像API、またはChatGPT／Grokサブスクリプションをバックエンドとするgenerate_imageツールを追加し、結果を会話内にインライン表示します。

右サイドバーのキャンバス型ナレッジベース。ノートをノードとして表示し、モデルが読み取り、書き込み、リンク、削除できる9つのツールを提供。ノードに画像や文書を添付でき、読み取り時は本文を返し、Office ファイルはその場で抽出。画像は画像として渡せる。

複数エンジンの text-to-image generation（OpenAI Images と Zhipu CogView の presets）。session ごとの quota tracking、engine failover、credential-safe config、再生成付きの結果カードを備える。

ビジョン言語ゲートウェイのプロバイダールート:貼り付けられた画像はDeepSeekに送られる前に、設定可能なVLモデル(デフォルトはQwen-VL)によって説明文が生成されます。

APIチャネルまたはローカルCLI（mmx / codex / agy）を通じてDSHチャット内で画像を自動生成・表示し、対応CLIを使用して画像認識も行えます。