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。

テキスト専用エージェント向けの無料ビジョン機能: キー不要の内蔵ビジョンチェーンとピクセルツール群（Q&A、グラウンディング、クロップ、ピクセル差分、カラー、OCR、SVG トレース、切り抜き、スクリーンショット）。画像を貼り付けるだけで使用可能。

テキスト専用モデル向けのビジョンタスク: 意図を汲む画像 Q&A、長尺スクリーンショット OCR、UI 再現、グラウンディング、ピクセル差分。

OpenBiliClaw はローカルで動くクロスプラットフォームのパーソナライズ推薦 Agent で、あなたの興味を継続的に理解しコンテンツを能動的に探す。本リポジトリはその DeepSeek Harness プラグイン: DSH 画面に第 4 タブ（推薦/コンテンツライブラリ/対話/プロファイル/設定）を常駐させ、22 個の Agent Bridge ツールを登録。Agent も推薦を読み取り、質問に答え、クローズドループ学習を行える。

Image "reading" for text-only models: downscale + reduce color depth + structure/color fingerprints into text grids fed back to the conversation, letting the model zoom, sample and OCR autonomously like a multimodal model; fully local with zero external model dependency, ships an image-reading methodology skill and optional PaddleOCR.

OpenMAIC: 教室、スライド、インタラクティブウィジェット、ソクラテス式教授法。

DeepSeek Harness 向け外部ビジョンプラグイン: クジラボタンの設定パネル、自動返信付き画像認識、エージェント用スクリーンショット/認識ツール。

DeepSeek の頭脳 + 自動画像文字起こし: GUI で画像を添付すると、テキスト専用の DeepSeek に届く前に任意の OpenAI 互換 VLM でテキストに変換される——自分の API キーを使うキー方式の高速パス（デフォルト qwen3.7-flash、DashScope/Zhipu/OpenRouter や任意の OpenAI 互換エンドポイントに対応）、または設定不要で自動検出されるローカル Ollama。

Local PDF, Office, image, and OCR document intelligence for DeepSeek Harness.

Vision for text-only DeepSeek via Doubao Web by default (zero-cost, no API key — drives your logged-in Chrome through a Windows CDP bridge), with Antigravity IDE quota (flash/pro) or Gemini fallback; auto detail escalation, vision evidence memory with compaction rehydration, content-hash cache, and a bilingual client panel.

Local OCR for attached images via the built-in Windows engine (Windows.Media.Ocr): only the recognized text is sent to the model, never the image bytes; vision passthrough is opt-in.

Local OCR for DeepSeek Harness: paste/attach an image, get its text via PP-OCRv5 + ONNX Runtime, fully offline. TUI (cc-tui) and Web. / DeepSeek Harness 本地 OCR 插件：图片转文字，PP-OCRv5 + ONNX Runtime，完全离线，支持 TUI 与 Web。

On-demand vision for text-only DSH sessions: images become markers, and a vision_describe tool sends only image + question to an OpenAI-compatible vision model

DeepSeek Harness 原生视觉 Bundle：粘贴或拖入图片，通过托管的 deepseek-vision-mcp 调用 OpenAI 兼容视觉模型。

Vision MCP and DSH bundle for text-only DeepSeek: analyze_image, analyze_clipboard, compare_images and vision_status tools, a visual settings page, free GLM-4.6V-Flash by default, result caching and rate-limit tolerance; keys stay out of logs.

Learning Mode agent preset: a coding agent that teaches while coding — concrete scenario-grounded explanations, Socratic guidance, and TODO(你) practice blanks, modeled on Claude Code's Learning output style; installable via dsh plugin add (dsh-learning-mode on npm).

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。

DeepSeek Harness plugin that turns UI screenshots into implementation-grade web specs using OCR, deterministic geometry, scene graphs, assets, and render comparison.

Fully-local image understanding & OCR via macOS Vision Framework: `ocr_image` (text, table layout + coordinates) and `view_image` (scene, faces, QR) — paste multiple images into the web input box or pass path/URL/base64; images never leave your Mac.

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.

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.

Windows computer use for DeepSeek Harness: an MCP stdio server over a PowerShell UIA backend exposing 22 desktop tools (UIA tree, screenshots, typed input, OCR, window management, failsafe).

DeepSeek Harness out-of-tree plugin: give a text-only coding model eyes by routing images to a Qwen-VL (DashScope) route through ctx.llm and returning text.