Plugins

CSS-Skin für die von hytime/dsh-thinking-effort gezeichnete Reasoning-Stufensteuerung: blau-violettes Pill-Design mit Sternenfeld und Glanzbewegung, passend für helle und dunkle Paletten. Benötigt das Plugin und fügt selbst keine UI hinzu.

Ersetzt die Modellauswahl im Chat durch eine einklappbare, nach Provider gruppierte Liste. vision-bridge-Spiegelprovider werden ihrem Upstream zugeordnet; die in den Einstellungen je Modell festgelegten reasoning-effort-Optionen bleiben erhalten. Nur auf DSH Desktop getestet; DSH Web ist ungetestet.

Erfordert DSH >= 0.2.0-rc.2 und < 0.3.0. Beliebig viele LLM-Anbieter deklarieren, jeweils mit eigenem Endpoint, Zugangsdaten und Modellparametern (reasoning-effort-Vokabular, Bildeingabe, Retry-Richtlinie), für OpenAI Chat, OpenAI Responses, Anthropic Messages und Google Gemini. Konfiguration über Einstellungsseite.

Modell- und Reasoning-Aufwandsauswahl im Codex-Stil für DeepSeek Harness: vom Modell angebotene Stufen, DSH-native Themes, links abgeschnittene Strahleneffekte und kopierbare Hinweise zur Angabe des Reasoning-Aufwands für eigene Provider.

ZenTao-MCP-Bundle für DeepSeek Harness mit Aufgaben-/Bug-Workflows, Berichten und geprüfter formaler Aufwandserfassung.

Codex-artiger `/reasoning`-Befehl für DeepSeek Harness Web: Wählt im Slash-Menü den Denkaufwand des aktuellen Modells.

Verwaltet und startet externe Agent-CLIs in DSH, vollständig getrennt von den nativen Installationen des Nutzers. Pro CLI lassen sich Provider, Modell, Denkaufwand und Berechtigungen voreinstellen; Aufruf direkt oder wie native Subagents.

Ein minimalistischer Regler für den Reasoning-Aufwand im DSH-Composer: feine Linie, Schiebemarker, Speicher je Modell, optimistischer Wechsel und vereinfachte Modellauswahl.

Legt in den llm-pi-ai-Einstellungen Reasoning-Effort-Stufen je Drittanbieter-Modell fest, damit DSHs integrierter Schalter für Denkintensität auch bei nicht im pi-ai-Katalog beschriebenen Modellen funktioniert.

Sitzungsmodellauswahl mit zweistufiger Suche: zuerst normalisierte Teilzeichenfolge, dann Teilsequenz (glm53 findet GLM-5.3, ds findet DeepSeek). Provider mit kürzlich erfolgreichen Aufrufen stehen oben; das Effort-Fenster merkt je Modell die letzte ausdrücklich gewählte Reasoning-Stufe.

Ergänzt in Models kontextspezifische Felder für Kontextfenster und Kompaktierungsschwelle sowie eine anbieterbezogene Auswahl der Denkleistung im Eingabefeld. Schreibt in capacities, reasoningEfforts und eine compaction-basic-Patchzeile für llm-pi-ai.

DSH-(DeepSeek-Harness-)Plugin: Legt reasoningEffort als Standard-Denkstufe je LLM-Modell fest und ergänzt den Wert vor Eintritt in die untergeordnete Aufrufkette automatisch gemäß Routingregeln.

Passt den Modell-Denkaufwand je Aufgabe automatisch an (off/low/high/max): Aufgabenklassifizierung, [effort=...]-Marker, Eskalation bei Fehlern im laufenden Turn, Begrenzung zur DeepSeek-Spitzenpreiszeit mit Countdown-Hinweisen; manuelle Auswahl hat Vorrang.

Verwaltet wiederverwendbare benannte Subagent-Profile für DeepSeek Harness und führt sie mit je Profil festgelegtem Modell, Reasoning-Effort und Agent-Preset aus.

DSH-Plugin zum Konfigurieren von Eingabetyp (input) und Denkmodi (reasoningEfforts) für benutzerdefinierte Modelle.

Stufenweises Compaction-Center: Ersetzt die einzelne 80%-Schwelle durch eine konfigurierbare Leiter (Standard 30/50/70/90) von sanfter bis maximaler Konsolidierung. Ein deterministischer Keyword-Index kommt in jeden Checkpoint, damit Fakten über Zyklen anwachsen. Zusammenfassung über Modellkette: Primärmodell plus bis zu 3 Fallbacks, jeweils mit eigener Reasoning-Stufe. Ergänzt Compaction-Untertab und Settings-Karte; Abschalten stellt stets die Standard-Compaction wieder her.

Ersetzt die offizielle Models-Einstellungsseite durch Provider-Lifecycle-Verwaltung, Reasoning-Stufen pro Modell, Retry-Overrides, Drag-and-drop-Sortierung und Synchronisierung von Upstream-Modellen.

DSH-Plugin zur automatischen Erkennung und Konfiguration von Modellfähigkeiten (reasoningEfforts und Eingabemodalitäten) für llm-pi-ai. Nachfolger von dsh-reasoning-efforts.

Durchsuchbare Modellauswahl für DeepSeek Harness (DSH) Web: originalgetreuer Fork der nativen Auswahl (Model/Effort, nach Anbieter gruppierte Liste, Reasoning-Aufwand) mit Suchfeld oben, das während der Eingabe filtert.

Legt den Reasoning-Aufwand je Modell (off/minimal/low/medium/high/xhigh) für GPT, Codex, Gemini und OpenAI-kompatible Modelle fest. Installiert ein Hilfsprogramm, keinen Laufzeitadapter: Unter Windows `enable-capabilities.ps1` einmal pro profile ausführen und neu starten; die Stufen werden in `~/.dsh/settings.yaml` deklariert. Deaktivierungsskript und Backup zum Zurücksetzen enthalten.

Delegations-Preset für Spezial-Subagents (Orchestrator + 5 Rollen: oracle/designer/fixer/explorer/librarian), das sich in DSH home einrichtet. Hintergrund zuerst, JSON-gesteuerte Modelle/Denkanstrengung/Tool-Berechtigungen und eingegrenztes MCP für Recherche.

Verbesserte Modellauswahl für DeepSeek Harness: ein Ebenen-Picker für Modell und Denkaufwand, 5 Liang-Stufen, eigene Modell-Aliase und Countdown für Haupt-/Nebenzeitpreise.

Konfiguriert Modelleingabefähigkeiten und Denkaufwand für DeepSeek Harness.

DSH-Modellfavoriten: Favoriten oben anheften, Anbieter bei gleichnamigen Modellen anzeigen, getrennte Schaltflächen für Modell/Reasoning-Stufe und Effort je Modell merken.