プラグイン

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。

視覚言語モデルを介してテキスト専用モデルに画像理解を提供、`describe_image` ツールとして公開。

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。

テキスト専用のDSHセッション向けオンデマンドビジョン：画像はマーカーに変換され、vision_describeツールが画像と質問のみをOpenAI互換のビジョンモデルに送信します

DeepSeek Harness 向けのホスト型無料ビジョンサイドカー。永続的なセッションエビデンス付き。

セッション画像を設定可能なビジョンプロバイダーに接続し、テキストのみの分析結果を適格なDeepSeek Harnessモデルルートに返します。

DeepSeek Harness向けの監査可能なビジョンおよびクロスプラットフォームのComputer Useランタイム。情報源を保持する証拠を備えます。

貼り付け/アップロードした画像を DSH Web チャット内でインライン表示し、テキストのみのモデルに視覚を与えます。モデルから呼べる visual_review ツールは、まず OpenAI 互換のマルチモーダル API を呼び出し、失敗した場合はローカルの Qwen3-VL ワーカーにフォールバックします。