自动将用户图像转发至任意OpenAI兼容视觉模型，识别结果实时呈现在Web UI右侧面板，无需改动现有聊天链路，纯文本模型即刻获得视觉能力。

轻量级生图插件，借助第三方 OpenAI Images 兼容接口调用 gpt-image-2，仅需配置 baseURL 与 API Key 即可使用，支持自定义参数定制图片尺寸与质量，开箱即用，无需复杂鉴权流程

支持多文件上传与流式下载，内置缩略图生成与MIME类型校验，同时提供简洁的API和可插拔存储层，让附件操作一两行代码就能跑通。

完全在本地设备解析PDF、Office、图片及扫描文档，内置离线OCR引擎精准识别文字，无需联网上传，保障隐私数据安全，安装即用，体验流畅。

哈希锚定的文本编辑工具，支持精准读取、原地修改与撤销最后编辑。借助内容指纹只上传变更部分，大幅削减冗余令牌开销，让大模型辅助编辑更省钱。

内置42项技能与5个命令行工具，一站式管理AI代理资产。覆盖LLM工程、评估驱动与规格驱动开发，支持MySQL、PG、Redis等主流数据库操作，单个插件即可接入现有工作流。

图片以原生附件体验直接送入纯文本模型，文档、压缩包、音视频在附件栏显示为方块；点击发送自动转为工作区路径，配合 vision-toolkit 可粘贴即看图，兼顾视觉与文本信息。

本地优先自动化执行任务，数据全程不出设备。支持接入你自己的LLM、数据库和知识库，基于ReAct推理，附带300+技能模板。采用DAG、WAL、Saga等机制实现确定性工作流，兼容MCP协议，离线内网环境可用。

提供智能体无关的工作流技能，让任意AI助手都能通过标准流程维护Obsidian知识库，涵盖笔记创建、更新、链接整理与结构优化，接入即用，不干扰现有笔记内容

支持粘贴图片到任意会话，纯文本也可触发视觉理解与生成。内置GLM/Qwen/Gemini多模型故障切换，输出采用ModLens结构。

DeepSeek Harness 插件：DeepSeek 大脑 + 自动识图。GUI 附加图片自动经 OpenAI 兼容 VLM 转译成文字后交给 DeepSeek 作答；支持百炼/智谱/OpenRouter 等任意 OpenAI 兼容端点...

外挂式识图插件，圆形鲸鱼按钮一键触发，发送图片自动回传识别结果；支持模型自主截图与识图工具联动，多协议自动适配环境，未装Node.js也能一键安装。