Intelligent Video Search & Retrieval Analysis Skill：面向目标与语义描述的视频检索
SkillHub 社区技能 @user_bb47e3e3/video-search-analysis（v1.0.8）面向长视频按目标与自然语言做智能搜索，支持常规目标检索、描述检索与向量化匹配，并可经脚本查询云端历史报告。本文基于官方页面与 SKILL.md 说明安装路径（skillhub install）、Cursor 等 skills 目录、以及在技能根目录运行 python -m scripts.video_search_analysis 的典型命令与注意事项。
阅读全文即梦 Seedance 2.0 视频提示词：为多模态视频生成整理可执行提示词
SkillHub 社区 Skill「即梦 Seedance 2.0 视频提示词」（@user_9cf3307c/seedance-video-prompt-zh，v1.0.0）面向即梦 Seedance 2.0，在用户以文本、图片、视频、音频等多模态输入创作视频提示词时触发，覆盖 @ 引用、运镜复刻、特效模仿、延长与编辑、音乐卡点及电商、短剧、科普等场景。本文说明定位、能力、基于 skillhub CLI 的安装路径（含 Cursor 等）及典型对话用法，并注明 requires_api_key=false 与社区来源限制。
阅读全文kling v3 omni：在 Agent 中接入可灵 v3 Omni 多模态视频生成
kling v3 omni（@user_f95f21b8/dlazy-kling-v3-omni，v1.0.9）是 SkillHub 上的 design-media 类社区 Skill，通过 dLazy CLI 调用 Kling v3 Omni，支持提示词与图片等多模态输入生成动态视频。文章说明 Skill 定位、核心 CLI 参数、SkillHub 与 @dlazy/cli@1.0.9 安装路径、API Key 配置，以及官方命令示例与异步、计费相关注意点。
阅读全文Seedance 2.0 视频提示词撰写指南：为多模态视频生成整理提示词结构
SkillHub 社区 Skill「Seedance 2.0 视频提示词撰写指南」（@user_d5c3472c/seedance-prompt，v1.0.0）面向即梦 Seedance 2.0，在用户以文本、图、视频、音频等多模态输入写视频提示词时触发。涵盖 @ 引用、运镜复刻、特效模仿、延长与编辑、音乐卡点及电商广告、短剧、科普等场景；标注 requires_api_key=false。文章说明其定位与能力边界，给出 skillhub CLI 安装命令及 Cursor、Claude Code、Codex 等 skills 目录，并示例如何通过对话触发结构化提示词输出。
阅读全文seedance 2.0：在 Agent 里调用 ByteDance Seedance 2.0 视频生成
seedance 2.0 是 SkillHub 社区 Skill（@user_f95f21b8/dlazy-seedance-2-0，v1.0.9），通过 dLazy CLI 调用托管 API，对接 modelId doubao-seedance-2_0。支持多模态参考（图/视频/音频）、首尾帧与文生视频，可配置分辨率、画幅与时长。安装需 skillhub install 到 Agent skills 目录，并安装 @dlazy/cli@1.0.9、配置 dLazy API Key。适合在 Cursor 等环境中用自然语言驱动成片，需注意云端上传与账户余额。
阅读全文Qwen-VL 图片识别：为纯文本 Agent 补上视觉理解
介绍 SkillHub 社区 Skill「Qwen-VL 图片识别」（@user_213bfd3b/qwen-vl-image-reader，v1.0.2）。它通过阿里通义千问 Qwen-VL 把截图、文档、图表等解析为结构化 Markdown，供 DeepSeek 等纯文本 Agent 继续推理。文章说明定位、核心能力、requires_api_key 要求，并给出基于 skillhub.cn 官方文档的 CLI 安装步骤与 Cursor 等客户端 skills 目录示例；典型用法与配置细节以安装后的 SKILL.md 为准。
阅读全文提示词生成大师：统一图片与视频的多模态提示词 Skill
提示词生成大师（@user_5d00e27d/image-prompt-skill，v1.0.15）是 SkillHub 社区 Skill，定位为统一提示词生成器，支持图片与视频双模态：文/图生图、文/图生视频、图/视频反编译、上下文微调，并宣称自动适配画风与平台语法，内置 RAG 风格预设与安全校验；requires_api_key=false。本文基于 SkillHub 官方简介与安装文档，说明能力边界、skillhub CLI 安装命令及各 Agent skills 目录，并给出可复现的使用流程与注意事项。
阅读全文gemini-api-dev：面向 Gemini API 的官方开发 Skill
gemini-api-dev 是 Google gemini-skills 仓库中的官方 Agent Skill，用 Critical Rules 约束当前模型名、google-genai 新 SDK 与 interactions API，覆盖文本、多模态、函数调用、结构化输出与从 generateContent 迁移。文章说明安装命令 npx skills add、Python/TypeScript Quick Start、多轮 previous_interaction_id 与 Deep Research 后台任务模式，并提醒 store 默认值与 legacy 模型禁用策略。
阅读全文opencode-eyes：给文本模型一双眼睛（StepFun step-3.7-flash）
DeepSeek Harness 插件 opencode-eyes 为纯文本大模型提供视觉能力，通过挂载 StepFun 的 step-3.7-flash 模型实现多模态补全。插件将 MCP 服务器打包，开箱即用。使用时需配置 `STEP_API_KEY`，支持本地图片路径和自定义提示词。插件允许调整超时、图片尺寸及质量等参数，但需注意运行目录及权限限制。
阅读全文dsh-wsl-shot：将 Windows 剪贴板图像保存为 WSL 文件
dsh-wsl-shot 是一个 DeepSeek Harness 插件，旨在解决 WSL 环境中智能体无法直接读取 Windows 剪贴板图像的痛点。它通过工具调用将 Windows 剪贴板图像保存为 WSL 文件，使智能体能进行多模态分析。安装需 DSH 版本 >= 0.1.2，并在使用前重启服务。该插件是 dsh-wsl-kit 套件的一部分，需配合多模态模型使用。
阅读全文dsh-comfyui-image：在本地运行 ComfyUI 生成多模态资产
DeepSeek Harness 插件 `dsh-comfyui-image` 允许智能体直接操控本地 ComfyUI，利用 GPU 资源生成图片、视频、音频和 3D 资产，无需云端 API 成本。该插件支持 67 个模型家族的 116+ 工作流模板，提供文本生成、模板浏览、状态报告及技能决策等核心功能。安装需 Harness 0.2.0-rc.2 及以上版本，支持自动探测 ComfyUI 状态或启动无头模式。通过环境变量可灵活配置端口和模型路径，默认使用镜像站点下载模型，并支持自然语言指令直接调用本地生成任务。
阅读全文DeepSeek Harness 插件：dsh-vision-autoswitch —— 图片输入自动切换至视觉模型，回合结束后回落
`dsh-vision-autoswitch` 是 CultOfLuna 维护的 DeepSeek Harness 插件，旨在解决多模态对话中手动切换模型的繁琐问题。当检测到输入包含图片时，插件会自动将当前回合路由至 `deepseek-v4-flash-vision-exp`，处理完毕后自动切回用户原选模型。该插件支持实时显示当前模型、保持纯文本回合不变，并需通过编辑配置文件手动安装。它通过自动化路由有效降低了多模态对话的使用门槛。
阅读全文DeepSeek Harness Iris 插件介绍
@mokuyoaxis/dsh-iris 是一个为 DeepSeek Harness (DSH) 提供多模态能力的插件，集成了图像生成、视频处理、语音合成及视觉理解功能。它通过插件化架构，将复杂的媒体生产任务集中在 Iris 工作台中，支持从内容生成到视觉分析的完整链路。 安装需 Node.js >= 22.0.0 及对应版本宿主，且依赖 ffmpeg 和 sharp。插件以宿主进程权限运行，提供了异步任务跟踪、多供应商模型池及提示词优化等功能，旨在降低 Agent 开发中多模态任务的实现门槛。
阅读全文@blue/dsh-image-model-router
`@blue/dsh-image-model-router` 是一个 DeepSeek Harness 插件，用于自动根据输入内容（图像或纯文本）切换模型。它通过拦截请求检测图像，将包含图像的请求路由至视觉模型（默认 `deepseek-v4-flash-vision-exp`），而纯文本请求则保留在原始模型上，从而避免资源浪费和调用失败。安装后需在 `cordis.patch.yml` 中手动配置并启用，支持工具返回的图像输入。
阅读全文dsh-omni-workstation：DeepSeek Harness 全模态工作台插件
`dsh-omni-workstation` 是一个用于 DeepSeek Harness 的全模态工作站插件，旨在简化视觉、听觉和视频创作能力的集成。它通过统一的配置入口，提供图像分析、生成、视频合成及语音处理能力，并支持 ComfyUI 协议。该插件模块化设计灵活，允许独立开关功能以降低成本，支持多卡异步处理及多种协议，能显著减少开发者维护 Skill 提示词的工作量。
阅读全文deepseek-visual-plugin
DeepSeek Harness 插件通过拦截含图片的消息，将纯文本模型无法处理的图片转换为视觉模型生成的文字描述，使其具备“看图”能力。插件支持多模态模型直接放行，纯文本模型则自动调用视觉模型翻译。用户需将代码部署至 `$DSH_HOME/profiles/node_modules` 并在 `cordis.patch.yml` 中配置模型与 API Key。该插件覆盖会话日志与工具执行，支持 Windows/Linux/macOS 部署，并提供了自检脚本。
阅读全文dsh-official-vision：直连 DeepSeek 官方视觉 API 的 DSH 插件
`dsh-official-vision` 是一个 DeepSeek Harness (DSH) 插件，旨在直连 DeepSeek 官方视觉 API，无需依赖第三方模型。该插件注册了 `deepseek-v4-flash-vision-exp` 路由，支持 JPEG、PNG 等格式，提供 Base64 内联和 Files API 两种传输方式，并支持纯文本请求自动透传。它解决了现有视觉插件的中间模型依赖问题，允许用户直接调用 DeepSeek 的多模态能力，支持配置 API Key、图片细节度及大图处理选项。
阅读全文llm-deepseek-image-admit：DeepSeek 图片准入
DeepSeek 官方模型元数据限制图片准入，此插件通过接管官方路由并修改元数据（将 `inputModalities` 补全为 `['text', 'image']`），绕过 harness 的图片拦截，实现图片消息通过准入预检。它依赖官方产物布局，零 API 传输图片，需配合 `image-bridge` 等插件在 `pre-step` 阶段转录图片内容，无需更改用户操作习惯。安装命令为 `dsh plugin --profile web add github:Seryta/llm-deepseek-image-admit`。
阅读全文dsh-gemini-multimodal：为 DeepSeek Harness 提供多模态感知
**dsh-gemini-multimodal** 是为 DeepSeek Harness 开发的插件，通过调用 Google Gemini API 或本地 CLI，弥补 DeepSeek 模型无法直接处理截图、语音、视频等非结构化数据的缺陷。 该插件提供多模态分析、转录、图像生成及文档理解等能力，支持 `gemini_api` 和 `antigravity_cli` 两种提供者模式。安装后，用户可在 DeepSeek Harness 中调用相关工具，让主模型专注于逻辑判断，同时实现“看”和“听”的功能。
阅读全文DeepSeek Harness (DSH) 多模态视觉桥插件
DSH（DeepSeek Harness）插件 `dsh-vision-bridge` 旨在为不支持图片的纯文本模型（如 DeepSeek）赋予视觉能力。该插件通过代理 `llm/stream` 请求，将图片转换为结构化中文描述并注入上下文，同时提供 `view_image` 和 `ocr_image` 两个工具。它支持原生多模态路由探测以优化性能，允许在设置页热更新配置。安装后，用户可直接在对话中上传图片，插件会自动处理或通过工具调用，无需修改 DSH 核心源码。
阅读全文DeepSeek Harness 图片多模态描述插件 (`sd1g1/dsh-image-describe`)
`sd1g1/dsh-image-describe` 是一个 DeepSeek Harness 宿主插件，旨在解决纯文本模型无法直接处理图片的痛点。该插件通过注入 `describe_image` 工具，让主模型具备“看图”和描述的能力。 主要功能包括支持本地文件路径与会话附件、自动缩放处理及自动配置。插件需配置 `vision.provider` 和 `vision.model` 才能激活，支持 png、jpeg 等格式。安装后，主模型即可通过工具调用实现多模态描述，扩展了纯文本模型的应用边界。
阅读全文DeepSeek Harness 插件：dsh-codex-media
dsh-codex-media 是一款 DeepSeek Harness 插件，旨在利用本地已登录 ChatGPT Plus 的 Codex CLI 处理图片生成与编辑任务，节省 DeepSeek token。它通过 MCP 协议注册四个核心工具：生图、改图（支持多种参考图输入）、剪贴板存盘（需配合 PowerShell）及 Codex 子代理。插件支持通过命令行安装，需在配置文件中添加 MCP 服务器设置并重启服务。生成的图片默认保存在本地，功能消耗的是 ChatGPT 订阅额度。
阅读全文DeepSeek Harness 插件 dsh-subagent-vision：让纯文本主代理在会话中直接读取图像
DeepSeek Harness 插件 `dsh-subagent-vision` 解决了纯文本模型无法处理图像的问题。它通过将图像处理任务委派给配置的视觉子代理，允许主代理保持纯文本状态并获取视觉结果。该插件支持粘贴、拖放及路径导入图像，提供原生 Web GUI 体验，并可将图像大小限制在 25MB 以内。安装后，用户只需告知代理任务，插件即可自动调用子代理的 `read_image` 工具完成任务。
阅读全文dsh-autovision：为 DSH 文本模型添加视觉能力
`dsh-autovision` 插件为 DeepSeek Harness（DSH）的纯文本模型提供了原生视觉能力。它通过注册透明双胞胎提供者，自动将图片请求路由至配置的多模态模型进行转录，再将文本注入上下文，实现“粘贴即转文本”。用户无需切换模型或暴露密钥，支持直接粘贴图片和通过 Agent 工具读取文件。插件安装简便，具有配置持久化、LRU 缓存缓解延迟等特点，但需注意首图跳过、文件大小限制（5MB）及 UI 显示瑕疵等问题。
阅读全文dsh-image-bridge：让 DeepSeek Harness 中的文本模型支持图片输入
`dsh-image-bridge` 是一个 DeepSeek Harness (DSH) 插件，旨在解决纯文本模型在 DSH 中无法处理图片的限制。它通过包装接口和利用 DSH 的 surface replace 机制，允许文本模型接收图片，将图片落盘并转化为文本格式供模型调用视觉或 MCP 工具。该插件支持图片缩略图展示，安装简便，但需注意命令与图片混用以及历史图片的处理限制。
阅读全文auto-vision：DSH 图片一体化插件
`auto-vision` 是一款 DSH 插件，旨在解决直接粘贴图片导致的报错或渲染异常问题。它通过自动清洗图片数据并注册 `see_image` 工具，使文本模型能自动调用视觉模型读取内容，无需改变原有逻辑。 该插件支持智谱、魔搭等免费视觉模型，也兼容任意 OpenAI 平台。安装时需将目录拷贝至 `node_modules` 并在 `cordis.patch.yml` 中插入配置。用户可通过环境变量或凭证文件配置 Token，默认使用魔搭，可切换至智谱或本地模型。使用前需重启 DSH 进程。
阅读全文DeepSeek Harness 视觉桥接插件：analyze-image-tool
`analyze-image-tool` 是一个通用的视觉接口插件，为 DeepSeek Harness 文本模型提供“视觉桥接”层。该插件支持 OpenAI 兼容的任意端点，允许通过 `analyze_image` 工具调用多模态模型分析图片。核心功能包括通用端点配置、沙盒安全读取、Schema 安全编译、自动清理 API Key 及推理过程、结构化返回以及 WebUI 设置面板。安装需满足 Node.js ≥ 18.17 及 DSH 0.1.x 版本。注意粘贴图片功能需安装 main 分支，且重启后历史会话无法读取旧附件。
阅读全文dsh-modlens：为纯文本 LLM 提供视觉能力的 DSH 插件
DeepSeek Harness (DSH) 的 dsh-modlens 插件旨在为纯文本 LLM 补充视觉能力，将图片转换为结构化 JSON 证据。该插件支持多引擎（如 Gemini、豆包/Ark、Claude），用户可通过配置文件设置 API Key 和模型，或在调用时通过参数指定引擎。安装并启用后，模型将获得 `(modlens vision)` 能力及 `modlens_read_image` 工具，支持本地诊断验证。
阅读全文dsh-bridge-preview: 为 dsh-tool-vision 图片桥接提供对话内联预览
`dsh-bridge-preview` 是一个客户端插件，旨在解决 DeepSeek Harness 纯文本模型无法显示图片的问题。它利用 MutationObserver 监听 DOM，将 `dsh-tool-vision` 生成的图片路径文本自动转换为可视化的气泡内联预览。插件具有纯加法架构，不修改底层数据，支持点击缩略图查看大图及自动降级处理。用户需先安装并启用 `dsh-tool-vision`，随后通过终端命令安装此插件并重启即可使用。
阅读全文mimo-vision: DSH 原生视觉插件
mimo-vision 是一个为 DeepSeek Harness (DSH) 设计的原生插件，旨在为不具备原生视觉能力的主模型提供文本描述功能。作为 DSH 的一等公民，它通过注册 `describe_image` 工具，利用 DSH 基础设施管理依赖与凭证，将图片发送至多模态模型并转码解析。 插件支持路由至免费或付费 API，默认优先免费，安装命令为 `dsh plugin --profile web add mimo-vision`。它要求 Node.js 版本为 `^22.19` 或 `>=24`，并需配置 OpenCode API Key。使用时，主模型可调用该工具对指定路径的图片进
阅读全文DeepSeek VisionPlus：文本走 DeepSeek，图片自动路由到免费视觉模型池
# 前言 用 DeepSeek Harness（DSH）时有一个绕不开的限制：DeepSeek 官方模型是纯文本模型，本身不能看图。消息里出现截图、图表或界面照片，要么人工把内容转述成文字，要么把整段对话切到别的多模态模型，上下文就断了。 DeepSeek VisionPlus 走的是另一条路：文本请求继续由 DeepSeek 官方 API 处理，消息中出现图片时自动路由到免费视觉模型池，理解结果回到同一对话。DSH 的理念是一切皆插件，这个能力就是以插件形态实现的。下面介绍它的功能、安装和日常用法。 # 这是什么 DeepSeek VisionPlus
阅读全文dsh-vision-plugin：给 DSH 模型目录补上「图片输入」声明勾选框
# 前言 在 DSH 里接入自定义模型时，你可能会遇到这样的情况：端点本身支持多模态，但在对话框里发图却直接报「不支持图片输入」。原因是 DSH 的 host 端会读取模型条目上的 `input: ["text","image"]` 声明来决定是否把原图直通给该模型，而「设置 → 模型 → 模型目录」的界面一直没有暴露这个声明的入口。 dsh-vision-plugin 要解决的就是这一步：在模型目录的模型页上补一个「图片输入」勾选框，勾一下，声明就写进 DSH settings，自定义模型就能在对话框里直接收图。 # 它是什么 dsh-vision-p
阅读全文dsh-vision：为 DeepSeek Harness 增加识图工具的插件
dsh-vision 是由 Terry12138qy 维护的 DeepSeek Harness (DSH) bundle 插件，采用 MIT 许可证。该插件旨在解决 DSH 主模型缺乏原生图像识别能力的问题，通过封装识图流程，将本地图片路径或网络 URL 发送至阿里云百炼或智谱多模态模型，最终返回中文文字描述，供 agent 或 Code Mode 调用。 核心功能包括自动读取并编码图片，优先调用主模型 `qwen3.5-omni-plus`，在失败（如额度、限流等）时自动切换备用模型 `glm-4.6v-flash` 重试。支持通过 `await tools.vision(...)` 进行代
阅读全文dsh-video-lens：给纯文本 DSH 智能体装上视频理解能力
dsh-video-lens 是 dundunhan 维护的 DeepSeek Harness 插件（v0.3.1，MIT）。它通过 video_probe、video_analyze、video_ask 三个工具，用 ffprobe/ffmpeg 读取本地视频元数据、场景感知抽帧与可选 ASR，再对接 OpenAI 兼容视觉模型，输出带时间轴的结构化证据 JSON。安装需在 DSH Profile 目录 pnpm add dsh-video-lens 并注册 bundle，配置 VIDEO_LENS_API_KEY 等环境变量。适合审片、会议录像摘要与时间锚定问答；使用前请审阅源码与权限说明。
阅读全文