Плагины

Распознавание крупных изображений для моделей vision-exp: распознавание плиток 800×800 без потерь (smart/pipeline/full), локальный OCR с предобработкой и маршрутизацией рукописного текста, опциональный мультивендорный GPU (DirectML/CUDA/OpenVINO) с автоматическим переходом на CPU.

Локальный OCR для DeepSeek Harness: вставьте или прикрепите изображение, получите его текст через PP-OCRv5 + ONNX Runtime, полностью офлайн. TUI (cc-tui) и Web.

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

Локальный графический рабочий стол, без абонентской платы: используйте собственный API для генерации изображений (любой OpenAI-совместимый интерфейс, без подписки), вёрстка холста + ретушь/стирание/удаление фона/OCR/векторизация, редактируемые PSD/AI на выходе, двусторонний мост на уровне слоёв Photoshop/Illustrator

Веб-плагин DeepSeek Harness — текстовый слой PDF и OCR сканированных PDF, конвертация Office docx/xlsx/pptx в Markdown, индекс-карточки TIFF/epub и длинных документов.

Расширенный набор инструментов vision: 14 пиксельных vision-инструментов (describe, ground, detect, crop, pixel-diff, OCR, OCR длинных скриншотов, vectorize, colors, cutout, screenshot, present, materialize, html-screenshot) на одном OpenAI-совместимом эндпоинте, с чистыми маркерами [图片: path], классификацией безопасности контента и авто-ретраем при лимите запросов.

Загрузка файлов drag-and-drop для PDF, Word, Excel и изображений: сброшенные файлы сохраняются в локальный каталог и упоминаются по пути, без раздувания base64 в чате.

Встроенный предпросмотр для маркеров изображения [图片: path]: после рендера маркера изображение автоматически показывается в чате, не загромождая беседу длинными инструкциями.

Официальный плагин DSH для nuphus-mcp (от мейнтейнеров nuphus-mcp): автоматизация рабочего стола и браузера (38 инструментов) с распознаванием элементов PaddleOCR и просмотром через Chrome CDP, через постоянный дочерний процесс stdio MCP.

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

Полностью локальное понимание изображений и OCR через Vision Framework macOS: `ocr_image` (текст, макет таблицы + координаты) и `view_image` (сцена, лица, QR) — вставьте несколько изображений в поле ввода в веб-интерфейсе или передайте путь/URL/base64; изображения никогда не покидают ваш Mac.

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.

Пресет агента Learning Mode: кодирующий агент, который обучает во время кодирования — конкретные сценарные объяснения, сократическое руководство и TODO(你) практические пропуски, смоделированные по стилю вывода Learning Claude Code; устанавливается через dsh plugin add (dsh-learning-mode в npm).

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

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.

Понимание изображений для любой модели DSH: инструменты зрения, OCR, grounding и кадрирования с доменными пресетами для гистопатологии, клеточной биологии, анатомии, клинических изображений и научных иллюстраций.

Плагин DeepSeek Harness, который превращает скриншоты UI в веб-спецификации уровня реализации с помощью OCR, детерминированной геометрии, графов сцены, ассетов и сравнения рендеринга.

Контент-студия для официальных аккаунтов WeChat: ротационное написание против однообразия, playbook устранения низкой креативности, визуальный базовый уровень для благословляющих изображений, gpt-image конвейер с приёмкой по OCR и измеренный web API черновиков xiaolvshu.

Преобразует документы Office и PDF (включая отсканированные) в структурно форматированный Markdown через конвейер OCR с маршрутизацией с приоритетом CPU (RapidOCR/SLANet/FormulaNet).

Структурированные визуальные доказательства (OCR/разметка/семантика), а также инструмент захвата с USB-камеры для цикла отладки «снимок-анализ-корректировка»; бэкенды: Ollama, DeepSeek, Xiaomi.

Селектор контекста UI рабочего стола Windows для Codex, DeepSeek Harness и клиентов MCP: выбор окон, элементов UI или областей экрана с подсветкой при наведении, UI Automation, скриншотами и локальным OCR с последующей проверкой и утверждением контекста Markdown/JSON перед выводом.

Направляет изображения в выбранную вами модель компьютерного зрения — авто-перезапись, явные инструменты или гибридный режим — чтобы текстовый чат-модель не срывала ход, в котором есть картинка.

Вызываемый моделью инструмент `vision` для DeepSeek Harness: описывает и распознаёт текст на файлах изображений, напрямую вызывая бесплатный Zhipu GLM vision API (цепочка fallback glm-4v-flash), без внешнего CLI.