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.

Visão para modelos apenas de texto: cole uma imagem e o modelo muda para a variante Vision Toolkit para perguntas e respostas sobre imagens, comparação de múltiplas imagens, OCR de capturas longas, reprodução de UI a partir de capturas, localização de elementos e diferença de pixels. Sem chave de API por padrão — as imagens são processadas pelo serviço gratuito hospedado pelo autor, 100 por máquina por dia; configurável para seu próprio provedor.

Descarga local de faturas IMAP, OCR, arquivo e resumos de reembolso em Excel para o DeepSeek Harness.

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

Um iOS Simulator ao vivo ou iPhone conectado por USB dentro da conversa: 22 ferramentas de agente para inicializar, compilar, operar a UI por identidade de acessibilidade ou texto OCR, ações em linhas de lista e hot reload de preview SwiftUI, além de um painel lateral em streaming que você pode tocar e arrastar.

Um dispositivo Android ao vivo dentro da conversa — emulador ou telefone USB, controlado inteiramente via adb: 20 ferramentas de agente para streaming, build e execução com Gradle, interação pela árvore de UI ou por OCR, logcat, processos e memória, além de um painel de navegação com três botões.

Download local de faturas IMAP, OCR, arquivamento e pacote resumo em Excel para DeepSeek Harness

OpenMAIC: salas de aula, slides, widgets interativos e ensino socrático.

Painel de consumidor OpenBiliClaw para o DSH: recomendações, listas salvas, diálogo socrático, visualizações de perfil e ferramentas Agent Bridge.

"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.

Uso de computador Windows para DeepSeek Harness: um servidor MCP stdio sobre um backend PowerShell UIA expondo 22 ferramentas desktop (árvore UIA, screenshots, entrada digitada, OCR, gerenciamento de janelas, failsafe).

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.

Análise de documentos do DSH independente de provedor, alimentada por MinerU, com jobs em segundo plano nativos, resultados imutáveis e coalescência segura de solicitações.

Inteligência de documentos local para PDF, Office, imagens e OCR para o DeepSeek Harness.

FormatForge: forja mais de 30 formatos de arquivo (PDF, DOCX, PPTX, XLSX, EML, EPUB, TOML, arquivos compactados) em texto legível por IA via uma caixa de entrada arrastar e soltar, as ferramentas ff_translate/ff_formats/ff_result e uma CLI; PDFs digitalizados recorrem a OCR local ou a uma dica de aprimoramento para o modelo da sessão.

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.

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.

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.

Preset de agente Learning Mode: um agente de codificação que ensina enquanto codifica — explicações concretas ancoradas 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).

Uso do computador no macOS com AX primeiro para o DeepSeek Harness: instantâneos de acessibilidade com referências estáveis, entrada em segundo plano, digitação Unicode, menus, apps, capturas set-of-mark, OCR no dispositivo, ações verificadas e guardas semânticas opcionais do Jev (TypeSafe System One) — 1.

Uso de computador no macOS com foco em AX para o DeepSeek Harness: snapshots de acessibilidade com refs estáveis, entrada em segundo plano, digitação Unicode, menus e apps, capturas set-of-mark, OCR no dispositivo e ações verificadas — 11 ferramentas conectadas à CLI macos-cu.

Fallback de OCR local para rotas somente de texto: quando o modelo de sessão declara que não pode aceitar imagens, a imagem anexada é armazenada em cache localmente e seu caminho é injetado para que o modelo possa chamar ocr_image — PP-OCRv5 + ONNX Runtime em CPU, sem chave de API, imagens nunca saem da máquina. Silencioso quando o modelo pode ver imagens.