Плагины

Мост зрения для текстовых моделей: вставьте изображение — получите структурированные JSON-данные (OCR, разметка, семантика).

Бесплатное зрение для текстовых агентов: встроенная цепочка распознавания без ключей API плюс пиксельные инструменты (вопрос-ответ, grounding, обрезка, попиксельное сравнение, цвета, OCR, трассировка в SVG, вырезание, скриншоты); просто вставьте изображение.

Зрение для текстовых моделей: вставьте изображение, и модель переключится на вариант Vision Toolkit для вопросов-ответов по изображениям, сравнения нескольких изображений, OCR длинных скриншотов, воспроизведения UI по скриншоту, привязки элементов и пиксельной разницы. По умолчанию ключ API не требуется — изображения обрабатываются бесплатным сервисом автора, 100 на машину в день; можно настроить на собственного провайдера.

Локальное скачивание счетов IMAP, OCR, архивирование и сводки возмещения расходов в Excel для DeepSeek Harness.

Возможности DeepWatch, устанавливаемые в существующий профиль DeepSeek Harness

Живой iOS Simulator или подключённый по USB iPhone внутри разговора: 22 agent tools для запуска, сборки, управления UI по accessibility identity или OCR-тексту, действий по строкам списка и hot reload превью SwiftUI, плюс потоковая боковая панель, по которой можно нажимать и перетаскивать.

Живое Android-устройство внутри разговора — эмулятор или USB-телефон, полностью управляемый через adb: 20 agent tools для стриминга, сборки и запуска через Gradle, взаимодействия с UI-деревом или OCR, logcat, процессов и памяти, плюс панель навигации с тремя кнопками.

Локальная загрузка счетов по IMAP, OCR, архивирование и сводный пакет Excel для DeepSeek Harness

OpenMAIC: аудитории, слайды, интерактивные виджеты и обучение по методу Сократа.

Потребительская панель OpenBiliClaw для DSH: рекомендации, сохранённые списки, сократический диалог, просмотр профиля и инструменты Agent Bridge.

«Чтение» изображений для текстовых моделей: уменьшение масштаба + снижение глубины цвета + отпечатки структуры/цвета преобразуются в текстовые сетки, возвращаемые в диалог, что позволяет модели самостоятельно масштабировать, сэмплировать и распознавать текст (OCR), как мультимодальная модель; полностью локально, без зависимости от внешних моделей, поставляется с навыком методологии чтения изображений и опциональным PaddleOCR.

Windows computer use для DeepSeek Harness: MCP stdio-сервер поверх бэкенда PowerShell UIA, предоставляющий 22 десктопных инструмента (дерево UIA, скриншоты, ввод с клавиатуры, OCR, управление окнами, фейлсейф).

Мозг DeepSeek + автоматическая транскрипция изображений: прикрепляйте изображения в GUI, и каждое по умолчанию транскрибируется через официальную модель deepseek-v4-flash-vision-exp (чисто текстовый мозг V4-Pro тоже может видеть изображения), в качестве альтернатив — любая VLM, совместимая с OpenAI, или локальный Ollama.

Независимый от поставщика разбор документов DSH на базе MinerU, с нативными фоновыми задачами, неизменяемыми результатами и безопасным объединением запросов.

Локальный интеллектуальный анализ документов PDF, Office, изображений и OCR для DeepSeek Harness.

FormatForge: куёт 30+ форматов файлов (PDF, DOCX, PPTX, XLSX, EML, EPUB, TOML, архивы) в читаемый для ИИ текст через входящий ящик с перетаскиванием, инструменты ff_translate/ff_formats/ff_result и CLI; отсканированные PDF переключаются на локальный OCR или подсказку улучшения для модели сессии.

Внешний плагин зрения для DeepSeek Harness: панель настроек с кнопкой-китом, распознавание изображений с авто-ответом и инструменты агента для скриншотов/распознавания.

Бесплатный мост зрения для текстовых моделей: понимание изображений, OCR, анализ интерфейса и отладка через бесплатных провайдеров (Qwen3-VL-Flash, Doubao, DeepSeek-OCR) с графическим интерфейсом настроек.

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.

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.

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

Управление компьютером macOS с приоритетом AX для DeepSeek Harness: снимки доступности со стабильными ссылками, фоновый ввод, ввод Unicode, меню, приложения, скриншоты set-of-mark, OCR на устройстве, проверенные действия и опциональные семантические защиты Jev (TypeSafe System One) — 1.

Компьютерное использование macOS с приоритетом AX для DeepSeek Harness: снапшоты accessibility со стабильными refs, фоновый ввод, ввод Unicode, меню и приложения, скриншоты set-of-mark, OCR на устройстве и проверяемые действия — 11 инструментов, подключённых к CLI macos-cu.

Локальный OCR-резерв для текстовых маршрутов: когда модель сессии заявляет, что не может принимать изображения, прикреплённое изображение кешируется локально и его путь подставляется, чтобы модель могла вызвать ocr_image — PP-OCRv5 + ONNX Runtime на CPU, без API-ключа, изображения никогда не покидают машину. Молчит, когда модель может видеть изображения.