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向けのローカルIMAP請求書ダウンロード、OCR、アーカイブ、Excel出張費精算サマリー。

DeepWatch の機能を、既存の DeepSeek Harness プロファイルにインストールできるようにします。

会話の中にあるライブ iOS Simulator または USB 接続 iPhone: 起動、ビルド、アクセシビリティIDまたは OCR テキストで UI を操作、リスト行アクションと SwiftUI preview のホットリロード、さらにタップやドラッグできるストリーミングサイドバーパネルを備えた 22 の agent tools。

会話の中にあるライブ Android デバイス — エミュレータまたは USB 接続 phone を adb 経由で完全制御: ストリーミング、Gradle build/run、UI-tree または OCR での操作、logcat、process と memory、さらに 3 ボタンのナビゲーションパネルを含む 20 の agent tools。

DeepSeek Harness用のローカルIMAP請求書ダウンロード、OCR、アーカイブ、Excelサマリーバンドル

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。

DSH 向け OpenBiliClaw コンシューマーパネル：おすすめ、保存リスト、ソクラテス式対話、プロフィール表示、Agent Bridge ツール。

テキストのみのモデルのための画像「読み取り」：ダウンスケール＋色深度削減＋構造／色のフィンガープリントをテキストグリッドに変換して会話に戻すことで、モデルはマルチモーダルモデルのように自律的にズーム、サンプリング、OCR を行えます。完全にローカルで動作し、外部モデルへの依存はゼロ。画像読み取りの方法論スキルとオプションの PaddleOCR を同梱しています。

DeepSeek Harness 向け Windows コンピュータユース: PowerShell UIA バックエンド上の MCP stdio サーバー。22 個のデスクトップツール（UIA ツリー、スクリーンショット、タイプ入力、OCR、ウィンドウ管理、フェイルセーフ）を公開。

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。

MinerU を活用したプロバイダ非依存の DSH 文書解析。ネイティブなバックグラウンドジョブ、不変の結果、安全な request coalescing を備える。

DeepSeek Harness 向けのローカル PDF・Office・画像・OCR ドキュメントインテリジェンス。

FormatForge：ドラッグ＆ドロップの受信箱、ff_translate/ff_formats/ff_result ツール、CLI を使って、30 以上のファイル形式（PDF, DOCX, PPTX, XLSX, EML, EPUB, TOML, アーカイブ）を AI が読めるテキストへ鍛造。スキャン PDF はローカル OCR またはセッションモデルへの向上ヒントにフォールバックします。

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。

テキスト専用モデル用フリービジョンブリッジ：無料ティアプロバイダー（Qwen3-VL-Flash、Doubao、DeepSeek-OCR）による画像理解、OCR、UIおよびデバッグ分析、設定GUI付き。

DeepSeek Harness 向けのメディア＆ビジョンワークスペースです。画像・動画・音声の生成、画像への質問応答と要素の位置特定、長尺画像の OCR、ピクセル差分、HTML スクリーンショットの検証、動画の要約を提供し、DashScope と OpenAI 互換のプロバイダー、モデルプール、ワークベンチクライアントを備えています。

テキストのみのDeepSeekにビジョン機能を追加、デフォルトはDoubao Web経由（無料・APIキー不要——WindowsのCDPブリッジ経由でログイン済みのChromeを操作）、Antigravity IDEのクォータ（flash/pro）またはGeminiへのフォールバックにも対応。詳細レベルの自動エスカレーション、圧縮後の再水和に対応したビジョン証跡メモリ、コンテンツハッシュキャッシュ、バイリンガルのクライアントパネルを備える。

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) 練習空白を提供。Claude Code の Learning 出力スタイルをモデル化。dsh plugin add(dsh-learning-mode on npm) でインストール可能。

DeepSeek Harness のための AX 優先の macOS コンピュータ操作:安定した参照を持つアクセシビリティスナップショット、バックグラウンド入力、Unicode 入力、メニュー、アプリ、set-of-mark スクリーンショット、オンデバイス OCR、検証済みアクション、そしてオプションの Jev(TypeSafe System One)セマンティックガード——1

DeepSeek Harness 向けの AX 優先の macOS computer use：安定した参照を持つアクセシビリティスナップショット、バックグラウンド入力、Unicode 入力、メニューとアプリ、set-of-mark スクリーンショット、オンデバイス OCR、検証済みアクション——macos-cu CLI にブリッジされた 11 のツール。

テキスト専用ルート用のローカルOCRフォールバック：セッションモデルが画像を受け付けないと宣言した場合、添付画像をローカルにキャッシュし、そのパスを注入してモデルがocr_imageを呼び出せるようにする—PP-OCRv5 + ONNX RuntimeをCPUで使用、APIキー不要、画像はマシンを離れない。モデルが画像を見える場合には無音。