PicGo内核，在对话面板内直接上传图片与文件至自选图床，无需切换窗口。支持多图床配置，粘贴后自动上传并返回链接，提升写作与分享效率。
提供图像描述、OCR识别、VQA问答、UI布局解析与剪贴板分析，自动提取屏幕或图片中的文字、结构与视觉信息，直接输出结构化结果，便于智能代理理解界面和文档内容。
自动管理多任务辅助模型调度，支持按任务设定模型、超时与并发限制，失败冷却后自动切换主模型，并提供视觉分析与网页提取功能。
一个工具 = MiniMax 全部多模态能力：DSH 纯文本模型看图/画图/生视频/说话/唱歌/翻唱/搜索/查额度 | One mmx_bridge tool = all MiniMax multimodal (VLM/image/vide...
变更证明插件，在代码改动后自动比对覆盖数据，逐行标出改动代码是否被测试命中，确保每处修改都经过实际测试验证，避免遗漏，让开发提交更安心。
轻量级文字识别插件，直接调用系统自带识别引擎，支持多语言文字提取，提供图像文字输出，无需额外模型，安装即可使用，运行高效。
自动将Zotero文献库索引为标准化的证据存储，为AI智能体提供可追溯的引用上下文。内置元数据抓取、全文关联与查询接口，保留原有目录结构，无需迁移数据即可实现跨库检索与证据溯源，让文献直接服务于智能体的推理与决策。
自动识别会话消息中的Mermaid代码围栏，实时渲染为高清SVG矢量图，保留原始代码便于复制，渲染全程在聊天窗口内完成，无需切换工具，所见即所得
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。
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。
Local OCR for DeepSeek Harness — read text from screenshots on your Mac with Apple's Vision framework. No API key, no up...
自动拦截图像输入流，透明完成缩放、格式归一化与增强，并按视觉任务动态路由至最优处理节点。零侵入接入现有流程，无需改动业务代码，即插即用，简化多模型图像调用链路。