Plugins

dsh-Plugin-Bundle, das das omp-Advisor-Subsystem portiert: ein Reviewer-Modell je Sitzung, das das primäre Transkript beobachtet und nach Schweregrad geordnete Hinweise (nit/concern/blocker) einfügt.

OpenCode-Go-Kontingent-Ring: durchklickbarer Fortschrittsring (5 Stunden/wöchentlich/monatlich) links neben der Modellauswahl, farblich nach Dringlichkeit, mit Reset-Countdown beim Hover.

Lässt reine Textmodelle Bilder sehen: Trifft ein Bild mit einem Platzhalter wie \[image omitted because this model accepts text only] ein, ruft das Modell das Werkzeug vision_describe auf, und das Plugin leitet die Bildreferenz samt Frage an ein multimodales Modell weiter und wiederholt bei Fehlschlag mit einem Ausweichmodell. Konfiguriert wird auf der Einstellungsseite, gespeichert über die offizielle Settings-API.

Fragt das chinesische Minecraft-Wiki (MediaWiki-API) ab und wandelt rohen Wiki-Text in saubere, KI-lesbare Ausgabe um — Suche, Seiteneinleitung, Ganzseiten-Markdown und Zufallseintrag; Vorlagen, Referenzen, Bilder und Sprachlinks werden entfernt, bevor sie das Modell erreichen.

Einheitliches Token-Kontingent und Nutzungsstatistiken für dsh: anbieterübergreifendes Rolling-/Pay-as-you-go-Kontingent mit Seitenleisten-Karten und Anbieter-Operationen, plus Token-Aggregation aus Sitzungsprotokollen mit Trends, Heatmap und Aufschlüsselung pro Modell.

Lokaler OCR-Fallback für reine Textrouten: Wenn das Sitzungsmodell erklärt, dass es keine Bilder akzeptieren kann, wird das angehängte Bild lokal zwischengespeichert und sein Pfad injiziert, damit das Modell ocr_image aufrufen kann — PP-OCRv5 + ONNX Runtime auf der CPU, kein API-Schlüssel erforderlich, Bilder verlassen die Maschine nie. Still, wenn das Modell Bilder sehen kann.

Plugin für kostenlose Modellanbieter für DSH mit über 20 Modellen, darunter Gemini, MiMo, GLM usw.

Kostenloser Anbieter des konversationellen ChatGPT Web (GPT 5.6 Luna) für DeepSeek Harness mit Streaming-Markdown.

Dispatcht Subagenten mit benannten Profilen (Modell, Reasoning-Aufwand und Tool-Umfang pro Aufgabe), Sicherheitsprüfungen, Kostenschätzung mit Sparvergleich und einem vollständigen Protokoll der Dispatch-Entscheidungen.

Medien- und Vision-Workspace für DeepSeek Harness: Erzeugung von Bildern, Videos und Sprache, Fragen und Antworten zu Bildern sowie Lokalisierung von Elementen, OCR für lange Bilder, Pixel-Diff, Verifikation von HTML-Screenshots und Zusammenfassung von Videos, mit DashScope- und OpenAI-kompatiblen Anbietern, Modellpools und einem Workbench-Client.

Modellseitiges display_file-Tool, das 36 Dateiendungen in der Weboberfläche inline darstellt: Bilder mit Klick-Zoom-Lightbox, spulbares Video, Audio, PDF, per LibreOffice auf dem Host in PDF konvertierte Office- und OpenDocument-Dateien sowie lokales HTML in einem isolierten Frame; Bytes werden über eine signierte HTTP-Route mit Range-Unterstützung gestreamt, und PNG/JPEG/WebP/GIF gelangen auf bildfähigen Routen auch in den Modellkontext.

Evidenzbasiertes Zielverifizierungs-Plugin für DeepSeek Harness. Sperrt Ziele über /ultragoal und prüft den Abschluss anhand von Befehls-Exit-Codes und erzeugten Artefakten, damit das Modell den Aufgabenabschluss nicht fälschlich meldet.

CLIProxyAPI-Kontingent für DeepSeek Harness: Ein Ring neben der Modellauswahl sowie ein Einstellungsbereich, der die Kontingentzeiträume aller Konten mit Tarifen und Zurücksetzungszeiten auflistet.

Mach dein dsh bereit für ernsthaftes Coden. (Tools x Schemas)^REPL. `skill://`, `ctx://`, `agent://`, `dvc://`, `dsh://`, IPython REPL, Context als Variablen, über Kompaktionen hinweg abrufbar, vollständige Kontextwiederherstellung. `hash-edit`, `dvc://browser`, Subagent als Funktion, Workflow als Funktion.

Schreibgeschützte Trajectory-Überprüfung in einer in der Größe veränderbaren Konversations-Seitenleiste, mit Regelanalyse, optionalen Modellerklärungen, Evidenz-Navigation und Vergleich von Läufen im selben Bereich.

Authentifizierungs-Gate für die DeepSeek-Harness-Weboberfläche: deckt Seiten, /api, /plugins und WebSocket-Upgrades ab, mit PBKDF2-Hashing, HttpOnly-SameSite-Sitzungscookies und IP-basierter Login-Sperre; Registrierung per Einladungscode; 2FA per TOTP oder Passkeys (mehrere Schlüssel pro Konto, Handy-Registrierung per QR, Anmeldung ohne Benutzernamen und Step-up vor dem Hinzufügen oder Entfernen von Faktoren); Benutzerverwaltungspanel (eigenes Profil, eigene TOTP und Passkeys, Anlegen und Entfernen von Benutzern, Passwort-Reset, Einladungen, Löschen der Passkeys verlorener Geräte); Modell- und API-Schlüssel-Konfigurationsschutz nur für Admins; Benutzerisolation bei REST/list-APIs und WebSocket-Ereignisströmen; Sitzungen überleben Neustarts; JSONL-Auditlog und Fail-Closed-Gateway.

Kiro-Modellanbieter mit Anmeldung über Builder ID, Identity Center, Google, GitHub und Credential-Import, automatischer Token- und Profilaktualisierung, Kontonutzung, Live-Modellsuche, auswählbarem Reasoning-Aufwand, Streaming-Tool-Aufrufen, Behandlung von Provider-Stoppgründen und Kontextüberlauf sowie Token-Buchhaltung, die die exakten Zähler von Kiro verwendet, wenn es sie sendet, und andernfalls den gesendeten Prozentsatz der Kontextnutzung anhand des vom Modell beworbenen Fensters skaliert.

Identitätsgesteuerter Tailscale-Zugriff auf die Web-GUI mit dsh weiterhin an Loopback gebunden: Ein von tailscale serve veröffentlichter 127.0.0.1-Proxy lässt eine Anfrage nur zu, wenn der Tailscale-Login, den er stempelt, erlaubt ist, mit einer optionalen Allowlist pro Gerät, sodass die privilegierten /api-Methoden hinter der Loopback-Prüfung — Settings, Models, Plugins — antworten, ohne dass dsh angewiesen wird, einem Remote-Host zu vertrauen.

Stellt das see_image-Tool für DSH bereit: sendet eine Bilddatei an ein konfigurierbares OpenAI-kompatibles Vision-Modell und leitet dessen Beschreibung an ein reines Textmodell zurück.

Umhüllt globalThis.fetch, um DeepSeek Harness-API-Anfragen je nach Ziel-Domain über einen HTTP/SOCKS-Proxy zu leiten, während alle anderen Anfragen über die direkte Verbindung bleiben, ohne den Harness-Quellcode zu ändern.

Überschreibt die chinesische Kopie eines marktinstallierten Plugins mithilfe eines bereits im Harness konfigurierten Modells ins Englische – automatisch bei der Plugin-Installation, danach per Live-Reload. Jede Datei wird in einem kompletten Durchlauf übersetzt, durch einen echten Parser validiert, falls vorhanden (node --check für JavaScript, sonst JSON- und YAML-Parser), und mit dem Fehler bis zu drei Reparaturversuchen ans Modell zurückgegeben; Dateien über 48 KB oder die nie parsen, greifen auf einen Zeilenbereich-Durchlauf zurück, der jede zurückgegebene Zeile strukturell mit dem Original vergleicht. Trigger-Phrasen und Locale-Tabellen können optional erhalten bleiben statt übersetzt zu werden, und das unberührte Original wird neben der Datei als .zh.bak aufbewahrt.

Tiefenrecherche als Agentenmodus: eine einzige geprüfte Schleife, die plant, in adaptiven parallelen Runden forscht — gesteuert von den Lücken, die die Forscher selbst benennen —, einen zitierten Bericht synthetisiert und ihn dann adversarial überprüft, anstelle eines Skripts, das das Modell pro Aufruf neu schreibt. Fragen, die das Rundbudget nie erreichte, werden im Bericht benannt, statt verworfen zu werden.

Konfigurationsgesteuerte Lebenszyklus-Hooks, einschließlich Kontextinjektion: Deklarieren Sie event, handler und outcome in YAML, wobei der handler ein in-harness-Tool (MCP eingeschlossen), ein Shell-Befehl oder ein HTTP-Endpunkt ist und das outcome model-visible context, ein denied tool call oder fire-and-forget ist.

Fähigkeit zur Aussagenprüfung, die Designdokumente und Pläne gegen Code-Fakten abgleicht und Verhaltensaussagen auf ausführbare Logik-Primitiv-Verifikation für Zustandsmaschinen und Datenmodelle hochstuft, mit Vorher/Nachher-Regression, Domänenbeschränkungen und Mining von Nebenläufigkeitsrisiken.