Plugins

Cérebro DeepSeek + transcrição automática de imagens: anexe imagens na GUI e cada uma é transcrita pelo deepseek-v4-flash-vision-exp oficial por padrão (um cérebro V4-Pro puramente textual pode ver imagens), com qualquer VLM compatível com OpenAI ou Ollama local como alternativas.

Adiciona um modelo de visão configurável a modelos principais somente de texto: uma ferramenta vision_read_image, um seletor de modelo de visão na barra do compositor e conversão automática de imagem para texto em rotas somente de texto.

Rotas de modelo dedicadas, ferramentas e orientação de sistema para visão, compactação, revisões, subagentes, títulos e geração de imagens.

Uso do computador por meio de um dispositivo USB HID externo: nomeie um alvo em linguagem natural, um modelo de visão o localiza em uma captura de tela recortada, e um Raspberry Pi Pico 2 move o mouse real e digita no teclado real. 7 ferramentas. Windows tem listagem de janelas, recorte por janela e elevação automática de janelas; macOS precisa de pyobjc e não tem nenhum dos recursos; Linux não é suportado.

Ponte MCP para gemini.google.com: análise visual de imagens e vídeos, geração de imagens com Imagen e vídeos com Veo, e gerenciamento de conversas usando a sessão de navegador já autenticada, sem chave de API.

Um botão de upload mais arrastar e soltar arquivos na conversa como caminhos locais: salva em uploads/ do projeto, insere o texto do caminho na caixa de entrada, funciona com qualquer ferramenta de visão.

Mouse e teclado reais para um agente do DeepSeek Harness: descreva em palavras o que deve ser clicado, um modelo de visão encontra o alvo e um dispositivo USB HID clica nele.

Ponte multimodal MiniMax: uma única ferramenta `mmx_bridge` cobre compreensão/geração de imagens, vídeo, TTS, música, capas, busca na web e cota; substituição opcional de `web_search`/`read_image`; players e pré-visualizações de imagem embutidos diretamente na GUI web (npm: `dsh-mmx-bridge`).

Adaptador LLM do GitHub Copilot: login com fluxo de dispositivo OAuth, descoberta de modelos ao vivo pela API do Copilot, suporte a visão para modelos com capacidade de imagem (gpt-4.1, gpt-4o), e dois protocolos de comunicação (Chat Completions e Responses API) com roteamento automático de endpoint por modelo.

Tabuleiro de Xiangqi na barra lateral para DSH: jogue como vermelho enquanto o modelo atual do DSH escolhe os lances das pretas, com verificações de regra e de revisão no lado Host.

Analisa o uso entre modelos, provedores, espaços e períodos, com datas personalizadas sobre todo o histórico, cache-hit visível e detalhamentos por modelo e provedor. Inclui tendências horárias/diárias, mapa de calor de 53 semanas estilo GitHub, sequências, anéis de tokens por modelo e espaço (tokens, custo, %), filtros combináveis, eficiência de cache, saldo DeepSeek, aliases de espaços, exportação CSV e um livro-razão durável que preserva o uso após excluir a sessão ou o espaço (linha Deleted) e se reconstrói de forma incremental. O registro de espaços é atualizado via sonda DSH domain/changed; só espaços registrados contam. Contabilidade separada de entrada, cache e raciocínio. Chinês: hora local; inglês: UTC; API somente loopback.

Minecraft assistido por IA para o DeepSeek Harness: controle um agente Mineflayer autônomo (sobrevivência, mineração, chat, mapa ao vivo) com ferramentas de visão/controle, além de um launcher integrado (login Microsoft, download de versão, inicialização do jogo).

Uma rota de provedor de gateway de visão-linguagem: as imagens coladas são descritas por um modelo VL configurável (Qwen-VL por padrão) antes de serem enviadas ao DeepSeek.

Análise de vídeos do Bilibili: metadados, transcrição (fallback de ASR via Bijian/sherpa-onnx/whisper.cpp), comentários, danmaku e keyframes nítidos com descrições de visão local opcionais.

Plugin de visão externa para o DeepSeek Harness: painel de configuração via botão da baleia, reconhecimento de imagens com resposta automática e ferramentas de captura de tela/reconhecimento para o agente.

Para o modelo de visão nativo do DeepSeek Harness deepseek-v4-flash-vision-exp, eleva os limites de admissão de imagens para 32 MiB / 8192 px / 600 imagens e adiciona uma ferramenta highres_read que divide imagens grandes em blocos e depois retorna a imagem inteira mais blocos de 800x800 por meio da ferramenta read_image do host.

Busca qualquer página http/https e retorna título, descrição, texto principal, esboço de cabeçalhos e links, com estatísticas (contagem de caracteres/palavras, tempo de leitura, idioma) e palavras-chave principais; pode baixar imagens do conteúdo para o espaço de trabalho da sessão para análise de visão e despachá-las para analisadores registrados via serviço scrape.imageAnalyzer.

Ponte de visão gratuita para modelos apenas de texto: compreensão de imagens, OCR, análise de interface e depuração via provedores de nível gratuito (Qwen3-VL-Flash, Doubao, DeepSeek-OCR) com uma GUI de configurações.

Envie imagens locais ou URLs HTTP(S) de imagens para um endpoint de visão compatível com OpenAI configurado com a ferramenta inspect_image e retorne a resposta em texto para a conversa.

Espaço de trabalho de mídia e visão para o DeepSeek Harness: geração de imagem, vídeo e fala, perguntas e respostas sobre imagens e localização de elementos, OCR de imagens longas, diff de pixels, verificação por captura de tela de HTML e sumarização de vídeo, com provedores DashScope e compatíveis com a OpenAI, pools de modelos e um cliente de bancada.

Visão para o DeepSeek somente-texto via Doubao Web por padrão (sem custo, sem chave de API — controla seu Chrome logado por meio de uma ponte CDP do Windows), com cota do Antigravity IDE (flash/pro) ou fallback para o Gemini; escalonamento automático de detalhe, memória de evidências visuais com reidratação após compactação, cache por hash de conteúdo e um painel de cliente bilíngue.

O DSH Director Toolkit é um plugin do DeepSeek Harness para artistas 3D, designers técnicos e desenvolvedores criativos. Cole uma ideia ainda mal formada, uma nota de referência ou uma legenda de portfólio, e receba um pacote de direção compacto para Blender, Three.js, Houdini ou C4D.

Bancada de escrita de romances para o DeepSeek Harness: você dá joinha ou não para trechos candidatos, e o modelo os destila em um perfil de preferência curto que acompanha as chamadas de redação seguintes, enquanto o manuscrito fica fora do contexto de redação. Adiciona um quadro de capítulos, pacotes de escrita por capítulo, revisão limitada à anotação que reescreve apenas o parágrafo anotado e verifica o resto byte a byte, um livro-razão do projeto e checagens locais de ritmo.

Deixe os modelos apenas de texto ver imagens: quando chega uma imagem com um marcador como \[image omitted because this model accepts text only], o modelo chama a ferramenta vision_describe e o plugin encaminha a referência da imagem mais a pergunta para um modelo multimodal, repetindo com um modelo de recurso em caso de falha. Configurado na página de definições e persistido através da API oficial de definições.