Plugins

Ponte de visão para modelos somente-texto: cole uma imagem e receba evidências estruturadas em JSON (OCR, layout, semântica).

Visão gratuita para agentes somente-texto: cadeia de visão integrada sem chave, além de ferramentas de pixel (perguntas e respostas, grounding, recorte, diff de pixels, cores, OCR, rastreamento SVG, recorte de objetos, capturas de tela); cole uma imagem para usar.

Estúdio de equipe de filmagem TongFlow para produção de imagem, voz, música e vídeo: o agente escreve arquivos de fluxo de trabalho TongFlow por recurso (.tongflow.json) que são executados por plugins do TongFlow, com uma tela de fluxo incorporada, layout de projeto por plano/personagem/tomada e um modelo de mangá-drama; sessões iniciadas com @tongflow abrem a visualização de Estúdio.

Plugin de estúdio TongFlow para DeepSeek Harness (dsh): modelo de projeto no estilo de equipe de filmagem, fluxos de trabalho TongFlow criados pelo agente, geração de mídia determinística, tela incorporada.

Os recursos do DeepWatch, instaláveis em um perfil existente do DeepSeek Harness

Despache trabalho para agentes DSH a partir do Claude Code ou Codex: progresso nativo de subagentes, sessões de worker no host com predefinições por nível e uma ponte multimodal para visão e geração de imagens.

Adiciona uma aba de configurações Managed Agents e ferramentas MCP para despachar tarefas de agente de longa duração para o Ark cloud Managed Agents.

Registra as rotas Ark Agent Plan, Coding Plan e de modelos pós-pagos no seletor nativo de modelos do DSH.

Plugin de provedor Volcengine Ark para o DeepSeek Harness (DSH): registra as rotas Agent Plan, Coding Plan e pós-pagas no adaptador nativo pi-ai para que os modelos Ark apareçam no seletor de modelos.

Adiciona login de conta, configuração de API e Provider personalizado, troca de modelo, fallback de imagem para modelos somente de texto e atribuição de token/custo ao DeepSeek Harness 47f.

QA de fidelidade de design para modelos somente texto: uma ferramenta `deepseek_vision` empresta um olho de qualquer rota de visão compatível com OpenAI, para que o modelo possa julgar se uma implementação corresponde ao seu mock — fornecida com o benchmark por trás desse julgamento (quatro fixtures, 23 defeitos injetados, transcrições brutas) e a disciplina de questionamento da qual ele depende.

"Leitura" de imagens para modelos somente de texto: reduz a escala + reduz a profundidade de cor + converte impressões digitais de estrutura/cor em grades de texto devolvidas à conversa, permitindo que o modelo faça zoom, amostragem e OCR de forma autônoma como um modelo multimodal; totalmente local, sem dependência de modelo externo, inclui uma skill de metodologia de leitura de imagem e PaddleOCR opcional.

Compreensão de imagens quase nativa para o DeepSeek Harness

Conjunto de ferramentas de depuração ROS2 e análise de visão do estado do robô para DeepSeek Harness: enumeração de node/topic/service/action/interface/TF, JSON de topologia do grafo inteiro, verificações rosdep, builds com gate de aprovação e scaffolding de mensagens customizadas, capturas de tela da GUI e observação de visão multimodal, além de renderização offscreen RViz2 headless (malhas low-poly, leitura direta de pixel, passthrough GPU - renderização de movimento a 30Hz) com análise VLM paralela em tempo real.

Dá visão a modelos somente de texto: encaminha as imagens do usuário para um modelo de visão compatível com OpenAI e exibe as descrições em um painel direito da interface web.

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.

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`).

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.

Adiciona controles de texto para fala Xiaomi MiMo para mensagens finalizadas do assistente, com vozes predefinidas e design de voz personalizada.

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.

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.

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

Plugin multimodal alimentado por MiniMax: modo de chamada de voz em tempo real (conversa em streaming, interface de dock flutuante), modo de voz e entrada de voz pelo microfone, além de ferramentas de geração de imagem/vídeo/música/fala e de inspeção visual.

Plugin de provedor de modelos gratuitos para o DSH com mais de 20 modelos, incluindo Gemini, MiMo, GLM, etc.