DSH Marketplace

插件索引

视觉与多模态

这些 DSH 插件同步自社区精选库和 GitHub 的 dsh-plugin topic。Star 数、最近推送时间直接取自 GitHub。

534 个插件

84% 在 DeepSeek Harness 0.2 上实测可装

10k

给纯文本模型补视觉:describe_image 把本地路径/URL/附件图片交给可配置的 OpenAI 兼容视觉端点,进会话的只有返回文本。

没有一行式安装命令——这个插件在一个大仓库的子目录里,也没发 npm 包。

GitHub 源码TypeScript2 天前

AI 锐评

dsh-tool-describe-image

是什么 — dsh-tool-describe-image 是纯文本模型的图像描述工具。支持将本地路径、URL或附件发送至配置的 OpenAI 兼容视觉端点,仅返回文本进入会话。

谁该装 — 在使用 DeepSeek Harness 的纯文本模型处理图像附件时,用户适合安装此插件。 使用支持原生视觉模型的用户可以选择不安装,因为他们的模型有内置图像处理能力。

注意 — 在全新 profile 中安装并注册测试通过,未发现明显的坑。 静态检查未发现任何问题。

锐评 — 我会装,因为它让纯文本模型在会话中处理图像输入。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1详情

esp32-iphone-agent

onehumanbeing

4.4k

Let an AI model use a real iPhone with a $7 ESP32: AirPlay eyes, USB HID hands, any OpenAI-compatible vision model. No Mac, no developer account, no jailbreak.

我们跑过,装得上

GitHub 源码Swift11 天前

AI 锐评

esp32-iphone-agent

是什么 — 经 ESP32-S3 把 iPhone 画面交给兼容 OpenAI 的视觉模型,并用 USB HID 点按、滑动和输入。

谁该装 — 在 DeepSeek Harness 里跑兼容 OpenAI 的视觉模型,要把「设重复闹钟并保存」这类步骤做到真机 iPhone 上,同时不走 Mac、开发者账号和越狱。低于 iOS 18、或没有已烧录固件的 ESP32-S3,不必装:没有接收端,链路接不起来。

注意 — 板子会开热点当 AirPlay 接收端,手机要开 AssistiveTouch,模型请求走蜂窝;视觉接口的 API key 或 token 得自备,运行中会执行 shell 命令。指针是相对位移,应用会甩动指针再在画面里校正。在全新 profile 里可以装上并被 DeepSeek Harness 注册。

锐评 — profile 注册成功只说明插件能进 harness,不说明真机已被驱动;我会先看 TestFlight 里镜像和点击是否已经稳定,再决定放不放进 profile。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
2源码

modlens

liustack

4.4k

为纯文本模型架起视觉桥梁:粘贴图片,输出结构化 JSON 证据(OCR、版面、语义)。

我们跑过,装得上

npm 包TypeScript1 个月前

AI 锐评

modlens

是什么 — 给 DeepSeek Harness 里的纯文本模型处理直接粘贴的图片,产出带 OCR、阅读顺序版面和实体关系的结构化 JSON。

谁该装 — 用 DeepSeek-V4-Flash、DeepSeek-V4-Pro、GLM-5.3 或 MiMo Pro 在 DeepSeek Harness 里核对界面截图、扫描件时,模型看不见图,缺转写和版面证据。日常已经开在 GLM-5.3-Flash 这类被确认带原生视觉的路由上的人不必装,插件会跳过它们,粘贴仍走原来的多模态通道。

注意 — 实测在全新 profile 里能装上并被注册进 profile。读图走本机已有的 Claude Code、Codex、OpenCode、Pi 登录,或 Antigravity CLI、Gemini、OpenAI 兼容密钥;免费 Gemini 一次约 5–10 秒,逗号分隔密钥会在鉴权、限流或配额失败时轮换。它会执行 shell 命令;屏幕截取热键不在本包,要另找 dsh-screenshot。

锐评 — 装。不写 hook、不改 DeepSeek Harness 配置、不跑本地代理,卸了只删一个文件夹,这个可逆性够我放进常用 profile。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1详情

为纯文本模型"看图“设计更好的视觉工具箱和技能,支持多图理解,图片问答,前端UI还原、GUI 自动化等,并可选无缝接入多个主流agent,直接识别粘贴图片| A vision toolkit and skill designed for text-only llms — image Q&A, long-screenshot OCR, frontend UI restoration, and GUI automation, with optional seamless integration for Codex, Claude Code, Pi, Oh My Pi, and OpenCode

我们跑过,装得上

GitHub 源码Python1 个月前

AI 锐评

agent-vision-toolkit

是什么 — 给纯文本 agent 配看图 CLI 和 skill,做多图问答、长截图 OCR、前端还原和 GUI 自动化。

谁该装 — 在 DeepSeek Harness 里用 DeepSeek 对着设计稿或产品截图改前端、操作 GUI 时,模型吃不到像素。主 agent 已经是多模态、对话里贴图就能问能改的人,用不上这层 CLI。

注意 — 实测在全新 profile 里能装上并被 harness 注册。从 GitHub 源码安装,能力通过 shell CLI 提供。粘贴图要无缝进对话需另内部署本地代理;DSH 的 10 个结构化视觉工具在 dsh-vision-toolkit submodule 中,不初始化就没有。

锐评 — 我装,因为我要的是 harness 补眼,不是为了看图去换掉 DeepSeek。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1源码

为纯文本 Agent 提供视觉能力:内置免 Key 视觉链 + 像素级视觉工具(看图问答、定位、裁剪、像素对比、取色、OCR、矢量化、抠图、截图);粘贴图片即可用。

我们跑过,装得上

npm 包JavaScript24 天前

AI 锐评

dsh-vision-router

是什么 — 给 DeepSeek Harness 上的纯文本 agent 接识图链路和像素工具,composer 开启 Vision 后贴图即可调用。

谁该装 — 你在 DeepSeek Harness 里用纯文本模型处理报错截图、给 UI 控件定位、做 OCR 或设计稿对比,但当前聊天模型吃不进图片。图像不能出机、也不打算自己接视觉后端的人不必装。

注意 — 实测在全新 profile 里能装上,并被 harness 注册。默认会把原图或裁剪、视觉提示和相关请求元数据发到云端视觉提供方,新装还开着匿名 OVHcloud 回退,免 key 并不等于离线。运行过程中会执行 shell 命令。

锐评 — 我会装进日常用的 profile:要的是可重复的 tool turn,不是多一个能看图的聊天窗口。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1详情

让纯文本模型处理视觉任务:粘贴图片后自动切换到 Vision Toolkit 变体,支持图片问答、多图比较、长截图 OCR、截图还原前端 UI、元素定位与像素对比。默认无需 API Key——图片经作者自建的免费服务处理,每台机器每天 100 张;也可改为指向自己的服务商。

DeepSeek Harness 0.2.2-rc.1 拒装最新版

npm 包TypeScript23 天前

AI 锐评

dsh-vision-toolkit

是什么 — 给纯文本模型贴图后切到 Vision Toolkit 变体,做图像问答、多图对比、长图 OCR、截图还原 UI、元素定位和像素 diff。

谁该装 — 在 DSH Web 里用纯文本模型改界面或排障,材料只是贴进会话的截图。 已经固定使用带视觉的模型、不会切回纯文本的人不必装。

注意 — 实测 DeepSeek Harness 0.2.2-rc.1 会在安装前拒掉目前所有版本,因为声明的 DSH 范围不含该版本。默认图片走作者托管的免费服务,每机每日 100 次,也可改成自己的 provider。

锐评 — 我会挂着等作者更新 DSH 范围,而不是放弃或强装最新版。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
详情

dsh-browser

omdsh-dev

809

Chrome sidebar extension that lets DeepSeek Harness operate your browser directly, no vision capabilities required. 一款 Chrome 侧边栏扩展程序,可让 DeepSeek Harness 直接操控您的浏览器,无需视觉能力。

我们跑过,装得上

GitHub 源码TypeScript1 个月前

AI 锐评

dsh-browser

是什么 — dsh-browser 是一个 Chrome 侧边栏插件,让 DeepSeek Harness 能直接操控浏览器页面,无需视觉能力。

谁该装 — 在使用 deepseek-v4-flash 模型执行网页点击、表单填写和导航任务的用户适合装它。 不需要浏览器交互的人无需安装此插件。

注意 — 安装需提供 API key 或 token,会执行 shell 命令。从源码安装时需手动允许构建脚本。沙箱实测在全新 profile 中通过。基准测试显示端到端平均延迟 5.32 秒,比 Playwright 基线快约 20%。

锐评 — 不装,因为它只提供浏览器工具而不包含 multimodal 截图功能,若任务不需要这类操作则无需额外插件。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
2源码
512

DeepWatch, powered by Watch Skill: a local-first perception and verification stack for AI agents. Understand video, audio and screen activity, keep timestamped evidence, and independently verify what a tool or workflow actually did. MCP, CLI, REST, Web and DeepSeek Harness.

我们跑过,装得上

GitHub 源码Python1 个月前

AI 锐评

watch-skill

是什么 — Watch Skill 是一个本地优先的感知和验证堆栈,为 AI 代理理解视频、音频和屏幕活动,并通过时间戳证据独立验证工具操作。

谁该装 — 在使用 DeepSeek Harness 的代理中,需要观察屏幕活动并验证工具实际执行的操作时,Watch Skill 适合你。它支持 MCP、CLI 和 REST 接口来集成。 不需要分离感知与验证的人可以不用它,因为它把这两个能力故意分开。

注意 — 安装必须从 GitHub 源码进行。 插件会执行 shell 命令。 沙箱实测通过:在全新 profile 安装并被 harness 注册进 profile。 没发现明显的坑。

锐评 — 我会装它,因为它提供独立的 deterministic verification,这对确保代理工具结果准确有直接价值。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1源码

filens

IceWhaleTech

253

📄 Office / PDF / iWork / CAD / 3D / RAW / 360° 🔒 Browser-local preview & conversion 🤖 Agent CLI with OCR, structured text & layout extraction ⚡ Rust + WebAssembly 🧩 Vue 3 integration. Open-source, local-first. Your files, your device.

我们跑过,装得上

GitHub 源码TypeScript13 天前

AI 锐评

filens

是什么 — filens 是一个本地 Agent CLI,支持文件 OCR、搜索和预览。

谁该装 — 在 Agent 处理 Office PDF CAD 等复杂文件需要 OCR 和结构化提取的任务中,安装 filens 是合适的场景。不使用本地优先文件处理的开发者可以不安装它,因为 filens 强调所有文件都留在设备上。

注意 — 从 GitHub 源码装时需要先手动放行它的构建脚本。沙箱实测在全新 profile 里装上并被 harness 注册进 profile。没发现明显的坑。

锐评 — 我会装它,因为它是开源的本地文件 Agent CLI,但前提是接受从源码安装的构建放行要求。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
源码

dsh-see-now

SAOS-3624

170

让只有文字的智能体「看」实时屏幕或摄像头:每帧按画面变化量打分,只把真正变了的帧拼成一张带编号、带音轨条的宫格图——看视频、看演示、看游戏都行,token 只花在变了的地方。

我们跑过,装得上

npm 包JavaScript14 天前

Community Docker and Kubernetes packaging for DeepSeek Harness (@deepseek-ai/dsh), with a hardened image, Compose stack, Helm chart, Web UI, and headless CLI.

我们跑过,装得上

GitHub 源码Shell22 天前

AI 锐评

deepseek-harness-docker

是什么 — DeepSeek Harness Docker 提供 hardened image、Compose stack、Helm chart、Web UI 和 headless CLI,在 Node.js 24 运行时使用官方 npm 发行物部署。

谁该装 — 当需要在 Docker 容器中运行 DeepSeek Harness Web UI 并持久化 profile、sessions 和 workspace 时适合安装此方案。那些仅需 headless 模式或无需容器边界处理的用户不适合安装此方案。

注意 — 从源码安装时需要先手动放行构建脚本。会执行 shell 命令。沙箱实测在全新 profile 里通过,并被 harness 注册进 profile。

锐评 — 我会装它,因为它处理了官方发行物在容器中的 PTY 监听地址等边界,而上游暂无容器方案。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
2源码
131

面向 DSH Web GUI 的 AI 生图插件:通过可配置的 OpenAI 兼容端点(gpt-image-2 / gpt-image-1 / dall-e-3)实现文生图与图生图,提供 api_url/api_key 设置卡片与侧边栏分栏生图工作台。

我们跑过,装得上

npm 包TypeScript28 天前

AI 锐评

dsh-imagegen

是什么 — 集成 DeepSeek Harness Web GUI 的 AI 图像生成插件,支持文生图和图生图。

谁该装 — 在使用 DeepSeek Harness Web GUI 进行图像生成时,用户适合安装此插件。 不使用 DSH 宿主进程代理 API 的用户不需要此插件。

注意 — 沙箱实测通过,在全新 profile 里装上并被 harness 注册进 profile。需在设置卡片中配置 API 地址和密钥。没发现明显的坑。

锐评 — 我会装它,因为它支持跨设备共享历史记录。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1源码

Photo-to-editorial Skill with Original (Codex) and V3 Adaptive editions. Scene-aware layouts, creative controls, Strict Fidelity composition, structured QA, and a validated DeepSeek Harness capability path.

我们跑过,装得上

GitHub 源码Python22 天前

AI 锐评

photo-abstract-editorial

是什么 — 将照片转化为带原图、抽象面板和英文题目的编辑构图。

谁该装 — 使用 DeepSeek Harness 进行照片编辑任务时,若需场景自适应布局和创意控制,此插件适合。 如果追求固定不变的 Codex 工作流,则无需此插件。

注意 — 沙箱实测通过:在全新 profile 里装上,并被 harness 注册进 profile。未发现明显的坑。

锐评 — 我会装它,因为它提供了 validated DeepSeek Harness capability path。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1源码

dsh-comfyui

fandc520

115

让 DeepSeek Harness 的 Agent 直接驱动本地或远程 ComfyUI:comfyui_run / comfyui_object_info / comfyui_workflow 工具生成与编辑图像、视频,附带工作流库(图工作流提取:按分量 / 主流程 / 整体)、加载区分辨率自动匹配、实时队列、SDXL 与 Wan 2.1 模板、配套 skill 与同源媒体代理。

我们跑过,装得上

npm 包TypeScript1 个月前

DSH-Spicy

kingcharleslzy-ai

92

完美适配 Purge 的 NSFW content creation 插件。在 DeepSeek Harness 中用自托管模型创作成人向图像、有声视频与多镜头短片,支持参考图编辑、LoRA 风格控制和 Agent 分镜剪辑。

装得上,但要先放行构建脚本

GitHub 源码TypeScript3 天前

dsh-qwen-paint

wonderandyou

66

DSH 插件:在对话里调用本机 ComfyUI,用千问 Qwen-Image 2.1 出图。纯本地、不出网、不需要 API Key。

我们跑过,装得上

GitHub 源码JavaScript1 个月前

DeepSeek Harness 素材浏览插件:按工作区查看 MUSE AV 素材与出图记录,复制素材直链。DSH asset browser for MUSE AV workspaces, image libraries and generation history.

我们跑过,装得上

npm 包JavaScript29 天前

dsh-directorx

LaplaceYoung

46

DirectorX as a DeepSeek Harness plugin: AI video/image/audio skills, knowledge corpus, and configurable vision/image/video/audio model tools.

我们跑过,装得上

GitHub 源码JavaScript1 个月前

AI 锐评

dsh-directorx

是什么 — DirectorX 是 DeepSeek Harness 插件,集成 AI 视频图像音频生成编辑和知识库工具。

谁该装 — 在 DeepSeek Harness 中制作多镜头视频时,需要分镜板和角色锚点规划,这个插件提供无限画布和本地剪辑能力。 对于仅单次图像生成且不涉及画布任务的用户,不需要 DirectorX 提供的分镜确认和画布工具。

注意 — 实测通过:在全新 profile 里装上,并被 harness 注册进 profile。 没发现明显的坑。

锐评 — 我会装它,因为它允许本地 ffmpeg 剪辑无限重跑而无需二次生成,但前提是确认后再落到画布。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1源码

dsh-design-qa

sunxin-ai

44

给纯文本模型的设计稿保真判定:`deepseek_vision` 工具从任意 OpenAI 兼容视觉路由借来一只眼,让模型判断实现与设计稿是否一致——并附上支撑该判定的基准(4 组夹具、23 处注入缺陷、逐格原始输出)与其依赖的提问纪律。

我们跑过,装得上

npm 包JavaScript27 天前

AI 锐评

dsh-design-qa

是什么 — dsh-design-qa 插件通过 deepseek_vision 工具让纯文本模型读取图片。

谁该装 — 如果你需要在 DeepSeek Harness 中让模型判断实现是否与 mock 匹配,就适合安装此插件。 如果你没有 OpenAI-compatible vision route,就无法使用此插件。

注意 — 沙箱测试在全新 profile 里装上,并被 harness 注册进 profile。插件会执行 shell 命令。

锐评 — 前提是模型支持 tool calling,我会装它,因为它包含了判断所需的基准和提问规范。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1源码

把视频(本地文件,或 B 站 / yt-dlp 链接)压成一张可寻址的宫格图:每格烧编号、对应精确时间、挂台词,底部还有同时间轴的音频包络;video_zoom 可对任意窗口高清重看——纯文本模型因此能「看」视频,而不是读别人写的摘要。

我们跑过,装得上

GitHub 源码JavaScript20 天前

dsh-qwen-paint

yanfei0725

38

面向 DeepSeek Harness 的本地图像生成插件(优化版):经本机 ComfyUI 调用 Qwen-Image 2.1 生成图像,全部流量限于 127.0.0.1。本版增强推理性能、NVIDIA/Intel/AMD 显卡适配与 Windows/Linux 兼容。原作者 @奇迹与你,优化版 @yanfei0725。

我们跑过,装得上

npm 包JavaScript昨天
36

给纯文本模型的"读图"能力:图片降分辨率+降色深+结构/色彩指纹渲染成文本网格喂回对话,模型像多模态一样自主缩放、取样、OCR 读图;纯本地零外部模型依赖,附读图方法论 skill 与可选 PaddleOCR。

DeepSeek Harness 0.2.2-rc.1 拒装最新版

npm 包JavaScript1 个月前

AI 锐评

picturereader

是什么 — picturereader 将图片降分辨率降色深生成文本网格供纯文本模型自主看图。

谁该装 — 使用 DeepSeek 等纯文本模型分析图像时缺读图能力适合安装 picturereader。 对于执行纯文本任务的用户来说无需安装,因为他们不需要视觉信息输入。

注意 — 沙箱测试通过,安装并被 DeepSeek Harness 注册进 profile 成功。 ZCode 版存在 MCP 进程通信额外开销。 没发现其他明显问题。

锐评 — 我会装它,因为它提供了经过大量真实图片迭代验证的图像阅读方法论技能,能让文本模型自主验证图像内容。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1源码

DSH-vison

hisence999

35

DSH-vison 是一个 DeepSeek Harness 插件,为不支持多模态的模型补充图片理解能力。agent 仍可直接接收图片;插件调用 DSH 中已配置的视觉模型生成文字描述,再把描述交给纯文本模型。原始图片会保留在会话历史中,UI 仍可显示图片;模型侧则通过替换后的消息看到描述文字。readimage 工具也会采用同样的处理方式,多模态模型则自动放行,不重复识别。

我们跑过,装得上

GitHub 源码JavaScript3 个月前

AI 锐评

DSH-vison

是什么 — DSH-vison 为纯文本模型提供图片理解,通过配置的视觉模型将图像转为描述文字。

谁该装 — 当你使用纯文本模型处理包含图片的用户消息时,需要图片理解能力。 如果你使用支持图片的模型,可以不安装此插件。

注意 — 沙箱实测通过:在全新 profile 里装上,并被 harness 注册进 profile。没发现明显的坑。

锐评 — 我会安装它,因为沙箱测试通过且安装后全局生效。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
LINUX DO1详情

dsh-vision

william-jin-cmu

30

dsh 插件:给纯文本 DeepSeek 加视觉——view_image 工具桥接任意 OpenAI 兼容 VLM(默认智谱免费档,实测 4 厂商 10 模型)

我们跑过,装得上

GitHub 源码TypeScript3 个月前

AI 锐评

dsh-vision

是什么 — dsh-vision 插件注册 view_image 工具桥接 OpenAI 兼容 VLM,为纯文本 DeepSeek 提供图片分析。

谁该装 — 使用 DeepSeek-V4-Flash 在 DSH web 上描述桌面图片时需要安装此插件。 不需视觉分析的用户可以不装此插件。

注意 — 沙箱实测通过:在全新 profile 里装上并被 harness 注册进 profile。 从 GitHub 源码安装需要手工链接宿主依赖。 没发现明显的坑。

锐评 — 我会装它,因为它让 DeepSeek-V4-Flash 能看图描述,但前提是手动配置后端 apiKey。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1源码