Plugins

Reconhecimento de imagens grandes para modelos vision-exp: reconhecimento por mosaicos 800×800 sem perda (smart/pipeline/full), OCR local com pré-processamento e encaminhamento de caligrafia, GPU multivendor opcional (DirectML/CUDA/OpenVINO) com fallback automático para CPU.

OCR local para DeepSeek Harness: cole ou anexe uma imagem, obtenha seu texto via PP-OCRv5 + ONNX Runtime, totalmente offline. TUI (cc-tui) e Web.

Visão sob demanda para sessões DSH somente texto: imagens se tornam marcadores, e uma ferramenta vision_describe envia apenas a imagem e a pergunta para um modelo de visão compatível com OpenAI

Bancada local de geração de imagens, assinatura zero: gere imagens com sua própria API (qualquer interface compatível com OpenAI, assinatura zero), layout de tela + edição/remoção de fundo/remoção de fundo/OCR/conversão para vetor, entrega em PSD/AI editável, ponte bidirecional em nível de camada com Photoshop/Illustrator

Plugin Web do DeepSeek Harness — camada de texto de PDF e OCR de PDF escaneado, Office docx/xlsx/pptx para Markdown, cartões de índice TIFF/epub e documentos longos.

Toolbox de visão aprimorada: 14 ferramentas de visão em nível de pixel (describe, ground, detect, crop, pixel-diff, OCR, OCR de long-screenshot, vectorize, colors, cutout, screenshot, present, materialize, html-screenshot) acionadas por um endpoint compatível com OpenAI, com marcadores de bridge [图片: path] limpos, classificação de segurança de conteúdo e retry automático de rate-limit.

Upload de arquivos por arrastar e soltar para PDF, Word, Excel e imagens: arquivos soltos são salvos em um diretório local e referenciados por caminho, sem inchaço de base64 no chat.

Pré-visualização inline para marcadores de bridge de imagem [图片: path]: após o marcador renderizar, a imagem aparece no chat automaticamente, mantendo instruções longas fora da conversa.

Plugin DSH oficial para nuphus-mcp (pelos mantenedores do nuphus-mcp): automação de desktop e navegador (38 ferramentas) com percepção de elementos PaddleOCR e navegação Chrome CDP, via um processo filho stdio MCP persistente.

Bundle de visão nativo do DeepSeek Harness: cole ou arraste imagens e chame modelos de visão compatíveis com OpenAI via o deepseek-vision-mcp gerenciado.

Compreensão de imagens e OCR totalmente locais via Vision Framework do macOS: `ocr_image` (texto, layout de tabela + coordenadas) e `view_image` (cena, rostos, QR) — cole várias imagens na caixa de entrada da web ou passe caminho/URL/base64; as imagens nunca saem do seu Mac.

Pacote Vision MCP e DSH para DeepSeek somente texto: ferramentas analyze_image, analyze_clipboard, compare_images e vision_status, uma página de configurações visual, GLM-4.6V-Flash gratuito por padrão, cache de resultados e tolerância a rate limit; keys ficam fora dos logs.

Preset de agente Learning Mode: um agente de codificação que ensina enquanto codifica — explicações concretas baseadas em cenários, orientação socrática e lacunas de prática TODO(你), modelado no estilo de saída Learning do Claude Code; instalável via dsh plugin add (dsh-learning-mode no npm).

Plugin de visão DeepEye para o DeepSeek Harness (DSH): descrição de imagens, OCR, VQA, layout de UI e análise da área de transferência.

Estação de trabalho omni-modal para o DSH: analyze_image sobre uma cadeia ordenada de vários cartões VLM com comutação de recurso, um conjunto de seis ferramentas de visão (zoom, amostragem de cor, diff de píxeis, OCR, deteção de elementos, apresentação inline) que partilham o mesmo resolvedor de imagens, generate_image sobre protocolos OpenAI/DashScope/ComfyUI, generate_video assíncrono com vários cartões e um construtor /build-video-tool, e TTS speak/clone_voice sobre sete fornecedores, tudo controlado por uma única página de definições com gravação automática.

Compreensão de imagens para qualquer modelo do DSH: ferramentas de visão, OCR, grounding e recorte com presets de domínio para histopatologia, biologia celular, anatomia, imagens clínicas e figuras científicas.

Plugin do DeepSeek Harness que transforma capturas de tela de UI em especificações web de nível de implementação usando OCR, geometria determinística, grafos de cena, assets e comparação de renderização.

Estúdio de conteúdo para Conta Oficial do WeChat: escrita em rotação para evitar homogeneização, playbook de remediação para baixa criatividade, baseline visual de imagens de bênção, pipeline gpt-image com aceitação por OCR e a API web de rascunho xiaolvshu medida na prática.

Converte documentos Office e PDFs (incluindo os digitalizados) em Markdown estruturalmente formatado por meio de um pipeline OCR com roteamento priorizando CPU (RapidOCR/SLANet/FormulaNet).

Evidência visual estruturada (OCR/layout/semântica) além de uma ferramenta de captura por câmera USB para um loop de depuração "atirar-olhar-ajustar"; backends: Ollama, DeepSeek, Xiaomi.

Seletor de contexto de UI do desktop Windows para Codex, DeepSeek Harness e clientes MCP: seleciona janelas, elementos de UI ou regiões da tela com destaque ao passar o mouse, UI Automation, capturas de tela e OCR local, e depois revisa e aprova o contexto Markdown/JSON antes da saída.

Encaminha imagens para um modelo de visão à sua escolha — reescrita automática, ferramentas explícitas ou híbrido — para que um modelo de chat apenas de texto não falhe em um turno que contenha uma imagem.

Ferramenta `vision` invocável pelo modelo para o DeepSeek Harness: descreve e faz OCR de arquivos de imagem chamando diretamente a API de visão Zhipu GLM gratuita (cadeia de fallback glm-4v-flash), sem precisar de CLI externo.