Плагины

Рабочая среда для медиа и компьютерного зрения в DeepSeek Harness: генерация изображений, видео и речи, вопросы и ответы по изображениям и поиск элементов, OCR длинных изображений, попиксельное сравнение, проверка HTML-скриншотов и суммаризация видео, с провайдерами DashScope и OpenAI-совместимыми, пулами моделей и клиентом рабочего места.

Маршрут провайдера шлюза «зрение-язык»: вставленные изображения описываются настраиваемой VL-моделью (по умолчанию Qwen-VL) перед отправкой в DeepSeek.

Зрение для текстового DeepSeek по умолчанию через Doubao Web (бесплатно, без API-ключа — управляет вашим авторизованным Chrome через мост Windows CDP), с квотой Antigravity IDE (flash/pro) или резервным вариантом Gemini; автоматическое повышение уровня детализации, память визуальных доказательств с регидратацией после сжатия, кеш по хешу контента и двуязычная клиентская панель.

Мультиаккаунтный провайдер Google Gemini: выбирает аккаунт с наибольшим остатком квоты, переключается при 429 с экспоненциальным откатом, в фоне проверяет отключённые аккаунты; поставляет страницу настроек на китайском и английском.

Позволяет текстовым моделям видеть изображения: когда приходит картинка с заглушкой вида \[image omitted because this model accepts text only], модель вызывает инструмент vision_describe, и плагин передаёт ссылку на изображение вместе с вопросом мультимодальной модели, повторяя попытку с резервной моделью при сбое. Настраивается на странице настроек и сохраняется через официальный API настроек.

Управляет авторизованным Chrome: реальные вкладки и iframe того же источника. macOS/Windows/Linux, Chrome 116+, Node 18+. Native messaging + `chrome.debugger`, без порта; 12 `browser_*`, CLI `cb`. `browser_download`: ссылка/цель/URL с cookies входа; сохраняет в Downloads или рабочую папку, следует редиректам и сохраняет имя сервера. iframe других источников только перечислены, без доступа. Пакет: native host + MV3; первая загрузка копирует/устанавливает и регистрирует native messaging. Без клонирования, `install.sh`, `python3`. DSH Bridge: Chrome Web Store (https://chromewebstore.google.com/detail/bippcbbbipppmhjkjomgdnjbooecbimo, без Developer mode) или распакованная копия в `chrome://extensions`; до добавления инструменты укажут шаг. Windows: реестр Chrome/Edge, именованный канал.

Мультимодальная рабочая станция для DSH: analyze_image по упорядоченной цепочке переключения из нескольких карт VLM, набор из шести инструментов зрения (масштабирование, выбор цвета, попиксельное сравнение, OCR, обнаружение элементов, встроенный показ) с общим распознавателем изображений, generate_image по протоколам OpenAI/DashScope/ComfyUI, асинхронный generate_video с несколькими картами и конструктором /build-video-tool, а также TTS speak/clone_voice по семи провайдерам — всё управляется одной автосохраняемой страницей настроек.

Визуальная обработка по запросу для текстовых сеансов DSH: изображения становятся маркерами, а инструмент vision_describe отправляет только изображение и вопрос в модель визуального анализа, совместимую с OpenAI

Игра-тамагочи в стиле Дигимонов: вылупите яйцо, питающееся реальной работой (ходы, вызовы инструментов, ошибки), и развивайте его по четырём ветвящимся линиям, зависящим от вашего стиля работы; ноль токенов, невидимо для модели.

Мультимодальный плагин на базе MiniMax: режим голосового вызова в реальном времени (потоковая беседа, плавающий интерфейс дока), голосовой режим и ввод голоса через микрофон, а также инструменты генерации изображений/видео/музыки/речи и визуального анализа.

Позволяет перетаскивать, вставлять и загружать файлы и изображения; для немультимодальных моделей настроенный VLM автоматически описывает изображения.

Плагин-адаптер LLM для локально развёрнутых моделей Qwen за совместимым с OpenAI эндпоинтом vLLM, с переключателем мультимодальности для каждой модели, полностью настраиваемыми уровнями усилий рассуждения и веб-страницей настроек для изменения развёртывания из фронтенда.

Добавляет селектор модальностей ввода в настройки пользовательских моделей в DeepSeek Harness Web UI.

Родной визуальный бандл DeepSeek Harness: вставьте или перетащите изображение, вызвав размещённый deepseek-vision-mcp для вызова совместимой с OpenAI визуальной модели.

Показывает вставленные или загруженные изображения прямо в чате DSH Web и даёт зрение моделям только с текстом: вызываемый моделью инструмент visual_review сначала обращается к любой совместимой с OpenAI мультимодальной API, а при сбое переходит на локальный воркер Qwen3-VL.

Vision MCP и бандл DSH для текстового DeepSeek: инструменты analyze_image, analyze_clipboard, compare_images и vision_status, страница визуальных настроек, бесплатный GLM-4.6V-Flash по умолчанию, кэширование результатов и устойчивость к ограничению скорости; ключи не попадают в логи.

Плагин зрения DeepEye для DeepSeek Harness (DSH): описание изображений, OCR, VQA, разметка UI и анализ буфера обмена.

Плагин dsh, позволяющий AI автоматически вызывать VLM (мультимодальные модели) для визуального анализа.

Неофициальный форк dougen/dsh-deepseek-usage (базовая версия v0.16.0). Карточка баланса и квоты активного провайдера —DeepSeek, Moonshot, Z.ai, OpenRouter, Kimi, MiniMax и OpenCode—, баланс купонов Alibaba Cloud для qwen-token-plan (BSS OpenAPI с AccessKey), а также баланс Xiaomi MiMo и расход тарифного плана через cookie консоли. Есть страница состояния запросов провайдера и цены за токен. Не ставьте вместе с исходным плагином: оба показывают одну и ту же карточку боковой панели.

Локальные медиа→таймлайн/транскрипт/области; ссылки на кадр/секунду/говорящего. Fallback каждого медиа в meta.attempts (не скрытый): мультимодальные модели хоста→OpenAI-совместимый endpoint/ротация ключей→локальные ffmpeg/ASR→метаданные. Cooldown только auth/quota; кандидат сохраняется и переносится в конец, не удаляется. Ошибки маскируются до обрезки; magic bytes, не расширение. Опциональный vision-bridge; регистрация моделей/inline AV (video_url/input_audio) требует peers dsh-thinking-levels/dsh-llm-openai-completions; без них деградация без ошибок. По умолчанию удалённо; strictLocalOnly локально. ffmpeg/ffprobe и ASR CLI не включены, нужны только локальному fallback; без них — метаданные. Hosts 0.1.7/0.2.0/0.2.1 (6 rc, enum engines.dsh); npm dsh-media-lens.

Стеклянная карточка для квот и балансов нескольких провайдеров внизу боковой панели DSH. Поддерживает 11 провайдеров, включая StepFun, Xiaomi MiMo и Claude, с входом через браузер в один клик; также отображает кредит Step Plan. Устанавливается из маркетплейса dsh-plugin (тема GitHub «dsh-plugin»).

Неофициальный FreeCodeGo для DeepSeek Harness: движки DeepSeek, Codex и Claude в одной сессии и цепочке инструментов. Бесплатный доступ за 0 токенов к deepseek-v4.1-flash, deepseek-v4-pro, deepseek-v4-flash-free, glm-5.3-flash, grok-4.6, kimi-k3, nemotron-3-ultra-free, muse-spark-1.3, Qwen 3.8 Flash и mimo-v2.6-flash-free, а также шлюз private-key без ключа.

Олимпиадная математика (IMO/Putnam/USAMO/AIME), решаемая проходом чистого рассуждения, верификатором-антагонистом в свежем контексте подагента и калиброванным выводом уверенности (высокая / средняя / честное «нет уверенного решения»); опциональный рендеринг LaTeX в PDF.

Анализирует изображения из диалогов с помощью мод-специфичных промптов (caption, UI, document, grounding, topology и т.д.) и внедряет структурированные доказательства с примитивами координат (боксы, точки, ссылки) в виде текста, с кэшированием на уровне сессии для повторного использования при replay и compaction.