视觉与多模态类插件

DSH plugin 在会话需要关注时播放可配置音频提醒，覆盖审批请求、提问和回合结束三种场景，无需保持标签页可见。

星标

1

复刻

0

更新

2026-08-14

TypeScript MIT 可配置音频提醒 · 三种触发场景 · 支持本地音频文件

为 DeepSeek Harness 纯文本模型装上视觉能力的 DSH plugin：先由视觉模型描述图片，再由文本模型基于描述推理，让模型能看懂图片。

星标

1

复刻

0

更新

2026-08-14

TypeScript MIT 图片转文字描述 · 文本模型视觉推理 · 零开销透传无图请求

DSH plugin 让纯文本模型也能“看见”图片：粘贴图片自动改写为文本提示，并通过 analyze_image 工具路由到 Kimi 视觉模型，实现端到端图像理解。

星标

1

复刻

0

更新

2026-08-14

JavaScript MIT 粘贴图片自动改写 · 路由到视觉模型 · 支持多种图片格式

为 DeepSeek Harness Web 界面注入会话音景：回合完成奏响合成音效并撒彩带，阻塞、报错、发送均有提示音，零音频资源、零核心改动，并提供 ctx.soundscape 服务供其他 DSH 插件调用。

星标

1

复刻

0

更新

2026-08-14

JavaScript MIT 回合完成庆祝音效+彩带 · 阻塞/报错/发送提示音 · 可选打字环境音

PrismRelay 是一个本地 MCP 服务器，为 DeepSeek Harness 等纯文本 Agent 提供图像理解能力，通过 Agnes AI（BYOK）将图像转换为视觉答案。

星标

1

复刻

0

更新

2026-08-14

TypeScript MIT 图像理解 · 图像生成（实验） · 图像编辑（实验）

DSH plugin 配音插件，可将视频或音频翻译成 10 种语言并保留原声（AI 语音克隆），一条指令完成本地或 URL 媒体的配音。

星标

1

复刻

0

更新

2026-08-13

TypeScript MIT 多语言配音 · 语音克隆 · 本地/URL 输入

dsh-qwen-mm 将 Qwen-MM-Plugins 集成进 DeepSeek Harness，为纯文本模型提供多模态 MCP 工具（视觉、OCR、ASR、搜索、视频、Blender、FreeCAD）及图片附件桥接，让 DSH 原生支持多模态。

星标

1

复刻

0

更新

2026-08-13

TypeScript MIT 多模态 MCP 工具集 · 图片附件桥接 · 网络搜索与以图搜图

为 DeepSeek Harness 提供视觉工具箱，让纯文本 Agent 能描述、定位、检测和裁剪图像，并注册为技能。

星标

1

复刻

0

更新

2026-08-13

TypeScript MIT 图像描述与OCR · 元素定位返回坐标 · 批量检测同类元素

dsh-docs 是 DeepSeek Harness 的本地文档解析插件，离线 OCR 将 PDF、Office、扫描件等转为 Markdown、JSON 或纯文本，全程隐私安全。

星标

0

复刻

0

更新

2026-10-10

TypeScript MIT 离线 OCR 识别扫描件 · 支持 PDF、Office、图片 · 输出 Markdown、JSON、文本

DSH 审批提示音插件：宿主申请权限时响一声，内置风铃、铃铛、蜂鸣三种合成音色，音量与开关在「设置 → 通知提醒」里调，还能按会话单独静音。

星标

0

复刻

0

更新

2026-10-09

JavaScript MIT 审批请求时播放提示音 · 三种合成音色可试听 · 音量与开关持久化设置

为 DeepSeek Harness 提供经 SSH 远程操控 Windows 桌面的能力，可截图、读取 UI Automation 并执行点击输入等操作。

星标

0

复刻

0

更新

2026-10-09

TypeScript MIT SSH 远程 Windows 桌面控制 · 截图与 UI Automation 读取 · 点击、输入、滚动、按键

把 QQ 消息平台接入 DeepSeek Harness 的 IM 通道插件，为每个私聊或群聊分配独立会话，支持扫码绑定、模型切换与 Markdown 回复。

星标

0

复刻

0

更新

2026-10-09

Shell MIT QQ 私聊/群聊独立会话 · 扫码绑定凭据 · 斜杠命令切换模型

dsh-link 是 DeepSeek Harness 的移动端 H5 桥接插件，让手机浏览器经内网或 Tailscale 用连接密钥接入桌面版正在运行的会话，支持流式回复、Markdown、工具卡与图片上传。

星标

0

复刻

0

更新

2026-10-08

JavaScript MIT 手机浏览器接入桌面会话 · 流式回复与 Markdown 渲染 · 工具调用卡片可展开查看

为 DeepSeek Harness 提供文生图工具：把提示词发往 StepFun 兼容的 /images/generations 接口，直接返回图片 URL，内置 MCP 服务免手工配置。

星标

0

复刻

0

更新

2026-10-08

JavaScript MIT 一个工具调用文生图接口 · 返回图片 URL 而非落盘 · 内置 MCP 服务免手改配置

为 DeepSeek Harness 提供本地 PP-OCRv6 文字识别能力，通过 MCP 工具识别图片与多页 PDF，全程离线无需云端。

星标

0

复刻

0

更新

2026-10-08

JavaScript MIT 本地 OCR，无需云端 · 识别图片文字 · 逐页识别多页 PDF

为不具备多模态能力的模型补上视觉能力：作为 DeepSeek Harness 插件内置 MCP 服务，调用七种 NVIDIA NIM 视觉模型描述图片，并支持多 API Key 轮换。

星标

0

复刻

0

更新

2026-10-08

JavaScript MIT 七种 NVIDIA NIM 视觉模型可选 · 多 API Key 自动轮换 · 内置 MCP 服务免手工配置

在 DSH 里用 DeepSeek 官方朗读音色朗读助手消息、导出音频，并提供文本进音频出的 HTTP 接口与模型工具。

星标

0

复刻

0

更新

2026-10-07

TypeScript NOASSERTION 助手消息一键朗读 · 重新生成与音频导出 · 文本进音频出 HTTP 接口

为 DeepSeek Harness 语音输入新增本地俄语语音识别提供商，基于 NVIDIA Nemotron 3.5 ASR 与 transcribe.cpp，首次使用时自动下载并校验模型与运行时。

星标

0

复刻

0

更新

2026-10-06

JavaScript MIT 本地俄语语音识别 · 支持自动语言检测 · 首次使用自动下载模型

为 DeepSeek Harness 提供原生 AI 生图能力，智能体可调用 generate_image 完成文生图、参考图改图与蒙版局部编辑，图片存为持久附件并在对话中直接预览。

星标

0

复刻

0

更新

2026-10-06

JavaScript MIT 文生图与参考图改图 · PNG 蒙版局部编辑 · 图片存为持久附件预览

为 DeepSeek Harness 输入框加上麦克风按钮，录音后在本机用 faster-whisper 离线转写并插入草稿，音频不出本地。

星标

0

复刻

0

更新

2026-10-06

JavaScript MIT 输入框麦克风一键录音 · 本机离线转写，音频不上传 · 模型常驻，热态约 0.4 秒

为 DeepSeek Harness 提供 Windows 桌面操作能力，把移动、点击、输入等动作拆成独立工具调用，每次调用自动返回动作前后的屏幕帧，模型无需再手动截图。

星标

0

复刻

0

更新

2026-10-03

JavaScript MIT 十一个桌面操作工具 · 每次调用返回前后帧 · 可回读录制帧区间

为 DeepSeek Harness 提供独立图片与视频模型配置，并在聊天中直接调用生成媒体内容。

星标

0

复刻

0

更新

2026-10-03

TypeScript MIT 独立图片与视频模型配置 · 聊天内直接生成媒体 · 多服务商密钥分别管理

即作视频是 DeepSeek Harness 的视频创作插件，支持独立视频项目、跨小说章节改编剧本与视频剪辑导出，项目统一显示在工作区。

星标

0

复刻

0

更新

2026-10-03

TypeScript MIT 独立视频项目与工作区管理 · 小说章节改编为剧本 · 视频剪辑与字幕烧录导出

为 DeepSeek Harness 提供实时 DOM 浮动面板：快捷键选中界面控件即可拖出、缩放并继续交互，还能用浮窗管理器找回重摆。

星标

0

复刻

0

更新

2026-10-03

TypeScript NOASSERTION 快捷键选中任意界面控件 · 移动真实 DOM 节点保留交互 · 面板拖动缩放与置前