插件

在 DSH 使用自有 OpenAI 兼容视觉模型，先描述图片再交主模型；另有 image_understand 工具读取图表、截图、界面及 OCR。

DeepSeek Harness 的小米 MiMo TTS 语音插件：经本机扬声器朗读，系统提示提醒模型每轮发声；设置中支持密钥、音色设计与试听。

让纯文本模型看懂视频：需本机装好 ffmpeg；按 0.1–10 秒的可调间隔抽帧拼成总览图，每格烧录该帧的真实时间码；提取音轨后上传到听脑（需配置 ITINGNAO_API_KEY）转写成带时间戳的台词；并自行调用宿主里的视觉模型逐页描述画面，因此不依赖任何其他视觉插件。输入框上方有抽帧间隔滑块，纯音频文件则跳过抽帧只做转写。

在模型设置中配置自定义 pi-ai 服务商各模型的推理强度，附 GPT、Claude、Grok、GLM 及 MiMo 预设。

知识库、文档转换与知识图谱插件：文档文件名、内容与元数据检索，按 doc_id/文档名称定位并读取正文，主题查询，文档批量上传，文档转 Markdown，图搜图，文档图片转文字（流程图/架构图这类结构图自动转成 PlantUML 草图，其它图写成文字描述，并写入旁路描述 md，主 md 不动；原图改为可点链接），深度研究工作流，以及知识图谱能力（查本体结构、执行只读 Cypher、本体/实体/关系的增删改，全部走 DocChain API，无需 Neo4j 密码）。所有带脚本的能力同时提供原生 DSH 工具，由宿主进程内直接执行：文档定位、内容搜索、文件名搜索、主题查询、元数据查询、批量上传、图搜图、文档图片转文字、文档转 Markdown，以及知识图谱的本体查询 / Cypher / 节点与关系的增改删。配置页可保存多个 docchain 环境（各带独立地址与凭据）并一键切换，还可按环境预选主题。除 doc2markdown 外需配置 docchain 服务地址与 API key；图片转文字另需一个 OpenAI 兼容的多模态模型端点（默认走内网网关模型，可配置更换）。

实时技能提供器：把小米 MiMo（MiMo Desktop / MiMoCode）的全部 skill 读进 DSH 会话技能目录——engine-config 下的引擎内置技能（该目录缺失时从 app.asar 解包）、MiMoCode 全局与项目根、extensions.json 里扩展贡献的技能目录，以及 MiMo 自己的 skillPathCompat 开关启用的品牌兼容根。

MiMo TTS 语音合成——已定稿助手回复的朗读按钮与内联播放器（可拖动进度条）、插件页配置卡片（支持试听）和语音历史设置页。

为 DeepSeek Harness 增加「全模态设置」分区：可把生图 / 生视频指向任意 OpenAI 兼容端点，多套配置档案可随时切换，图片与视频各自独立的接口地址、API Key、模型、路径与尺寸，支持自由填写额外请求参数、不消耗额度的连通性测试，并注册 generate_image / generate_video / check_video 三个模型可见工具，异步视频任务可跨重启保留。

移除拦截图片请求的多模态能力门禁：改写 llm.resolveModelInfo 的返回值与适配器模型表，为未声明 input 的路由补上 image 输入能力，使其可以发送和读取图片。不改 app.asar，也不改配置树。

Slacom 定制套餐用量角标：显示 OCG、GLM、Kimi、DeepSeek、Codex、MiMo 及 WorkBuddy 余额/额度，含峰谷时段和配置卡。

给 DeepSeek Harness 的小米 MiMo 语音插件：把每段回答念出来、把输入框里的口述变成文字，带 9 个内置音色和一个克隆音色槽位。

DSH 会话费用统计：按模型汇总未缓存输入、缓存读写和输出，对照 DeepSeek/小米 MiMo 按量价格计费，含 DeepSeek 峰谷档。

MIMO Quota Panel —— DeepSeek Harness 的模型额度面板。装上即用，零配置：从会话事件日志逐调用自动记账（真实时间戳、全历史、实时增量），一屏展示 Token 用量、消费金额、请求次数、趋势波形、模型构成，支持按模型 / 粒度 / 时间范围 / 项目·对话 统计切换。内置可编辑定价，DeepSeek 峰谷价按记录时间自动套算，小米全系牌价开箱即用。

将 mimo桌面端包含的模型（内测有免费额度）自动接入 DeepSeek Harness，在 DSH 对话窗口里零配置使用。

DSH 的 macOS 无显示器优先 Computer Use 驱动：AX 优先观察、窗口多模态证据、宿主审批及有据动作回执。

延续 simon300000/dsh-auto 的 DSH WebUI 自动审批权限档位：每次审批只走一次单轮模型审查、不再起审查子代理，只自动放行审查通过的动作、其余全部转回人工审批；并会把用户确认过的决定记成项目级与全局级的允许/拒绝名单，右侧栏另有审批时间线。

为 DeepSeek Harness 提供 MiMo 语音输入、语义理解和语音合成工具，以及可配置的浏览器语音界面。

声明第三方模型是否支持图像（多模态）输入，写入所属提供方设置并通过运行时模型解析校验。

DeepSeek Harness 插件：语音与通知出口，agent 通过云端 TTS、桌面通知与提示音主动联系用户。

自动探测并配置 llm-pi-ai 的模型能力：补齐自建网关下缺失的思考等级（reasoningEfforts）与输入模态（是否支持图片）两个字段。

TokenLab 的 DSH provider bundle：原生支持 Responses、Messages 与 Chat 路由，并带多模态与异步工具。

DeepSeek Harness 余额与开销插件：状态栏显示 DeepSeek/MiMo 余额与花费，逐请求按模型与峰谷时段计价，并支持花费超线提醒。

把小米 MiMo 能力封装为 DSH 原生插件：联网搜索、图片/音频/视频理解、ASR 转写、TTS、音色设计与克隆，并在设置页配置 API Key。

面向 dsh 的 88API 图像工作室：四款 Image2 与 Nano Banana 模型，支持文生图、多参考图编辑与 2K/4K 输出