CATEGORY
该分类下经过 manifest 校验、精确版本的插件。
dsh-vision-toggle
DSH 模型视觉开关:设置页「模型视觉」行,为 llm-pi-ai 自定义路由下手写声明的模型切换 input 视觉模态(settings.mutate 官方通道,热生效)。
@dshp-inx/vision-bridge
DeepSeek Harness (DSH) 视觉桥接:通过 vision_describe 工具,让纯文本模型将图像理解任务交给多模态视觉模型,并提供持久化设置界面以及主模型/备用模型自动重试功能。
dsh-pdf-to-word
DeepSeek Harness 插件:将 PDF 转换为 Word(.docx),保持布局一致性(字体/表格/图像/边框),支持 OCR 扫描模式和可选的多模态 LLM 验证。注册 pdf_to_word 模型工具。
dsh-vision-patch
模型页面自定义提供商卡片中按模型和按路由设置的图像输入(视觉)复选框,通过 llm-pi-ai 设置命名空间写入。
dsh-plugin-show-image
通过全局 show_image 工具在 DSH 对话中内联渲染本地图像文件。
dsh-plugin-voice
DeepSeek Harness 插件:语音 + 通知出口——agent 通过云端 TTS(火山 seed-tts / 小米 MiMo V2.5,失败自动回退 SAPI)/ 桌面通知 / 提示音主动联系用户。融合 dsh-plugin-notify 的 DSH 原生深度集成与 agent-voice-mcp-minus 的云端 TTS 调优,零 Python 依赖,Windows 原生。
@maiziman/dsh-model-capabilities
自动检测自定义 DeepSeek Harness 模型的推理和图像能力
dsh-llm-multimodal
DSH 插件:在 DSH 中提供图像/视频生成工具,基于 OpenAI 兼容 API。模型自动从现有 llm-pi-ai 设置中发现。
@xiaokaizhou/dsh-media-preview
DSH 插件:在聊天记录中自动将本地音视频/图片路径渲染为可播放的预览组件。当助手消息或工具结果包含本地媒体路径时,该路径会在原位置替换为可播放的 <audio>/<video>/<img> 元素,并由同源 /api/media-preview/* 路由提供支持。
dsh-image-amnesia
保留原生视觉,在历史图像发送到中继提供商之前将其丢弃。面向每个代理的 Global DeepSeek Harness 捆绑包。
dsh-voice-control
DSH web 的语音控制:通过 Web Speech API 将语音转为文本输入编辑器(支持自动发送),并播放助手回复
dsh-photos
DeepSeek Harness 编辑器的照片上传功能——通过原生选择器接入内置粘贴流程
dsh-multimodal-runtime
Mogu Multimodal Runtime - DeepSeek Harness 统一多模态能力运行时(Comfy Local Provider V1)
dsh-speech-input
用于 DeepSeek Harness 的麦克风按钮,可将浏览器语音识别结果写入编写器草稿。
dsh-maclens
将 Apple 的设备端 Vision framework(macOS)接入 DeepSeek Harness:提供 OCR、图像分类、人脸检测和文档布局分析作为本地 dsh 工具。无需网络、API 密钥或守护进程。
dsh-tu4-inline-images
对话内联图片 DSH 插件 — 输入框/用户消息/LLM 回复中的本地图片路径直接渲染为图片(回环路由 + 强 token + 多根白名单 + 尺寸三档)。Inline local images in DSH web conversations.
dsh-model-auto-hot-switch
DeepSeek Harness (dsh) 按任务自动切换模型:包含图像的任务自动路由至视觉模型,其他任务继续使用默认模型。不增加额外 token,不干扰上下文。
xby-obb
检测图像中的旋转目标,输出旋转边界框、角度、置信度和类别标签。支持15个目标类别:飞机、船、储罐、棒球场、网球场、篮球场、田径场、港口、桥梁、大型车辆、小型车辆、直升机、环形交叉路口、足球场和游泳池。
xby-ocr-bank-card
识别银行卡号、发卡银行和卡类型,使用 Luhn 算法校验卡号有效性。
xby-ocr-captcha
输入常见验证码图片,返回验证码文本内容。
xby-ocr-driver-license
识别驾驶证主页(证号、姓名、性别、国籍、住址、出生日期、准驾车型、初次领证日期、有效期限)和副页(档案编号)。
xby-ocr-handwriting
输入包含手写文本的图像,自动检测文本行并识别内容。适用于手写笔记、签名、手写表单等。
xby-ocr-id-card
识别身份证正面(姓名、性别、民族、出生日期、住址、身份证号)和背面(签发机关、有效期限),自动判断正反面并校验身份证号有效性。
xby-ocr-pass
识别港澳通行证、台湾通行证的通行证号码、姓名、性别、出生日期、有效期、签发地点等信息,支持MRZ机读码解析。
xby-ocr-passport
识别护照号码、中文姓名、英文姓名、性别、国籍、出生日期、签发日期、有效期至、签发地点等信息,支持MRZ机读码解析。
xby-ocr-pro
高精度文字识别。输入包含文本的图像,自动检测并识别内容。适用于各类文档、广告牌、屏幕截图等场景。
xby-ocr-vehicle-license
识别机动车行驶证的号牌号码、车辆类型、所有人、住址、品牌型号、发动机号码、车辆识别代号等信息,支持自动方向检测和主副页过滤。
xby-ocr
兼顾速度与精度的文字识别。输入包含文本的图像,自动检测并识别内容。适用于各类文档、广告牌、屏幕截图等场景。
xby-pedestrian
输入一张图像,检测图像中的行人,输出所有目标的检测框、置信度和标签。
xby-pet-detect
识别宠物面部表情,输出 4 类情绪: Angry / Happy / Relaxed / Sad。