Plugins

Local Windows 11 OneOCR tool for DSH: `oneocr_recognize` returns OCR text and structured line/word polygons, confidence, rotation, and handwriting style.

Local WeChat OCR tool for DSH: `wechat_ocr_recognize` returns recognized text and the engine structured result for a local image path.

KiroCrew bridge for DeepSeek Harness: let your dsh agent delegate to a persistent, self-evolving KiroCrew workspace over ACP (JSON-RPC 2.0 over stdio).

DeepSeek Harness OCR plugin — offline image text recognition powered by PaddleOCR-json (primary) and RapidOCR-json (fallback). 让 DeepSeek Harness 直接识别图片中的文字，无需视觉模型、完全本地离线运行。

Hands repetitive text and vision labor (OCR, image analysis, comparison) to a locally running Unsloth Desktop (Unsloth Studio) server through unsloth_run and unsloth_vision tools; pure HTTP client, never spawns or owns processes.

Hands repetitive text and vision labor (OCR, image analysis, comparison) to a local KoboldCpp (llama.cpp) server through koboldcpp_run and koboldcpp_vision tools, with on-demand server lifecycle management.

OCR local para imagens anexadas via mecanismo integrado do Windows (Windows.Media.Ocr): apenas o texto reconhecido é enviado ao modelo, nunca os bytes da imagem; o passthrough de visão é opcional (opt-in).

OCR local para imagens anexadas via Tesseract: apenas o texto reconhecido é enviado ao modelo, nunca os bytes da imagem; o passthrough de visão é opcional.

Two-tier image reading for text-only models: fast local OCR (RapidOCR, offline) first, vision-model fallback (modlens).

Transparent image guard for text-only routes: paste images without the 400 session deadlock, plus a vision_analyze tool for OCR/PDF/docx/pptx/video.

Give DSH text-only models vision: an image/OCR/document recognition skill (race pool → custom channels → local) plus an idempotent host patch so image messages reach the model.

Visão para LLMs somente de texto: descrição de imagens / OCR / VQA via APIs de visão gratuitas do Gemini e GLM

Portão de revisão de código com IA local: revisa um diff de workspace/branch/commit via o ocr.js gerenciado, retornando descobertas estruturadas com estatísticas de tokens; no modo portão, falha quando há descobertas

Ponte de automação de desktop e navegador (36 ferramentas): controle de janela/tela/mouse/teclado com percepção de elementos via PaddleOCR, navegação via Chrome CDP com snapshots de acessibilidade