插件

为 DSH 聊天输入框提供图片上传和自定义区域截图，并将图片注入草稿；单张不超过 10MB，无外部依赖。

屏幕截图与外部视觉识别：take_screenshot、list_windows、analyze_image、view_image 四个工具，可配置 GPT 视觉通道（gpt-5.5 / gpt-5.6-sol / gpt-5.6-terra），API Key 经凭据服务存储，带设置卡片；view_image 在 Web 对话中显示截图，模型上下文只保留文字。

基于 FFmpeg.wasm 的浏览器端音视频工具集，支持抽帧、截图、图片压缩与视频转 GIF。

在对话气泡中内联显示 dsh-tool-vision 桥接的粘贴图片,点击可放大,旧消息也会自动补上预览。

DeepSeek Harness Web 界面动态壁纸插件：支持 GIF / 动图 WebP / APNG 与静态 PNG/JPG 图片，以及 MP4 / WebM 视频背景，格式自动识别，自带压暗与亮度调节，可让界面色调跟随背景。

多模态图片直传与会话图片清除：粘贴、拖入即发原图，并可移除模型可见图片。

面向 DeepSeek Harness 的分级模型路由：think/build 模型分级、视觉委派（视觉模型只负责描述图片，工作模型负责执行操作）、图片生成，以及高影响操作守卫。

Web 客户端悬浮文件预览窗：懒加载文件树、CodeMirror 预览与窗内编辑保存、Markdown 与图片预览、Quick Open 搜索，以及点击会话中的路径直接打开。

按文件类型串联多模态模型：先把图片、视频、音频转成提示词，再送入纯文本会话模型。

DeepSeek Harness Web 插件：在输入框粘贴文件并存入 inbox，显示缩略图；文本用 read_inbox 读取，图像理解需视觉 Skill。

DSH Web 持久化背景图/视频插件：在 设置 -> 通用 中提供壁纸卡片，可选本地图片或 MP4（最大 300 MB），调节表层透明度与模糊；检测到 ffmpeg/ffprobe 时在本机把视频压缩为 H.264；媒体保存到 ~/.dsh/wallpapers；并将 Web 服务固定到 9191 端口以便重启后恢复壁纸。

原神哥伦比娅主题插件：预设/自定义背景图与半透明蒙版，明暗双配色，以及会话标题的特殊辉光。

DeepSeek Harness 视觉插件：声明图像输入的 deepseek-vision 路由，先用免费智谱 GLM 视觉模型转写粘贴图片再交给 DeepSeek 适配器。

DeepSeek Harness 多模态插件：通过可配置的 OpenAI 兼容或 DashScope 端点实现图像理解与图像生成。

Paper Design MCP 桥接：连接 Paper Desktop MCP 服务器，把 paper_* 工具注册为原生工具，支持截图、设计技能与 OAuth。

为纯文本编码模型装上「眼睛」：通过 ctx.llm 将图片路由给 Qwen-VL（DashScope）识别后返回文本。

DSH Web 界面自定义背景插件：图片/GIF/动态壁纸，一个开关加本地素材库，兼容官方主题与皮肤中心。

在对话中新增产出文件卡片行，并提供可拖拽分屏的产物预览面板，支持 Markdown、源码、CSV、JSON、图片、HTML，以及本地端口预览。

注册 remove-pdf-background-gray 技能：去除扫描 PDF 的灰色/米白底色，保持分辨率、页面几何与抗锯齿文字边缘（无损 Flate 写回），核心为单文件 Python 脚本（pypdf + Pillow + numpy）。

纯文本 DeepSeek 的聊天识图插件：view_image 工具转发任意 OpenAI 兼容 VLM（本地 Ollama 或云端），对话框粘贴/拖拽的图片自动改写为 view_image 路径标记供模型查看。

`describe_image` 视觉桥：经 opencode Zen API（凭据 `OPENCODE_GO_API_KEY`，免费线路优先、付费兜底）把图片发给 mimo-v2.5、返回文字描述给纯文本模型，原生格式直发，SVG/TIFF/HEIC 等格式经 ImageMagick 自动转码。

面向模型的 image_describe（识图）工具（DashScope OpenAI 兼容接口，qwen3.7-flash）+ 粘贴桥：纯文本模型会话里粘贴的图片在发送时自动转为文件路径并在聊天记录中回显，不再触发图片准入拦截。自带 DASHSCOPE_API_KEY；端点/模型/预算可配置，重定向防护 HTTP 客户端，所有 Agent 预设均可用。

为任意 DSH 路由装上眼睛：Web 输入框贴图按意图自动聚焦分析，视觉子代理代读工作区图片，原图可随时物化编辑。

为纯文本 DeepSeek Harness 主模型搭视觉桥：自动从已配置模型中挑选多模态模型，通过 vision 工具把图片描述以纯文本返回。