Plugins

dsh-shell für DeepSeek Harness: führt unter Windows cmd/PowerShell und auf POSIX bash-ähnliche Shells aus, mit bash-inspiriertem Sicherheitsmodell: Zeitlimits, gekürzte Ausgabe, Exitcodes, Hintergrundjobs und cwd-Zulassungsliste.

Systemweite Tokenstatistik für DeepSeek Harness (dsh): Einstellungsseite mit Gesamtwerten, Beitrags-Heatmap, Serien und Modellaufschlüsselung. Liest Sitzungslogs aus allen dsh-Homes; keine Kostenschätzung.

LLMTR-Gateway-Provider für den LLM-Anschluss von DeepSeek Harness: über 170 Chatmodelle und in Türkiye gehostete LLMs mit einem einzigen OpenAI-kompatiblen Schlüssel.

Prompt-Optimierer im Eingabefeld: formt den Entwurf anhand des Gesprächs, Workspace-Dateien und Sitzungsmodell zu einem analytischen Prompt mit elf Abschnitten um; Ein-Klick-Rückgängig.

DeepSeek-Harness-Bundle, das MCP-Server (stdio, streamable HTTP, Legacy-SSE) als native Harness-Tools bereitstellt, mit Einstellungs-UI, Live-Status, automatischer Wiederverbindung sowie Sicherung/Wiederherstellung über lokale Dateien oder WebDAV.

Ausgabenlimit für DeepSeek Harness: Verweigert überbudgetierte Modellaufrufe im llm/stream-Ablauf vor der Abrechnung. Bei Überschreiten eines weichen Limits wird automatisch herabgestuft.

Plugin für automatischen Modellwechsel bei DeepSeek-Spitzenzeiten: vor dem Peak zum festgelegten Ersatzmodell, danach zurück zum offiziellen Modell. Vollständig von KI entwickelt; der Autor hat keine Programmiererfahrung. Sicherheit selbst prüfen; Installationshinweise können KI-Halluzinationen enthalten.

Verwendet den lokalen TraeX-Coding-Agenten über ACP als Modellanbieter für DeepSeek Harness.

Minimaler Codex-Harness für GPT-Modelle, die nicht in die native DSH-Oberfläche passen, aber mit dem DSH-Plugin-Ökosystem kompatibel bleiben.

昔涟-(Cyrene)-Theme und Desktop-Haustier für die dsh-Web-GUI: perlmuttweiß-rosa Theme, Live2D-Haustier, Partikelhintergrund, Verlauf und einklappbare Konfigurationskarte. Von Cyrene-Agent (MIT) portiert, mit Erlaubnis des Live2D-Modellerstellers.

Speichert unsortierte Notizen (Text und Bilder) in einer Yuque-Wissensdatenbank, kategorisiert durch das Modell.

Loopback-WebSocket-Bridge, die Frontend-Tools einer Anwendung in die Agenten-Toolliste spiegelt und Modellaufrufe an die Anwendung zurückleitet: eine Bridge, viele Apps, Schlüssel-basierte Namespace-Isolation.

Generischer LLM-Gateway-Modellanbieter für DeepSeek Harness: bindet newapi, LiteLLM, Higress oder beliebige OpenAI-kompatible Gateways als Provider-Routen ein, erkennt Modelllisten automatisch und ergänzt jedes Modell um models.dev-Parameter.

Ökosystemübergreifende Aggregationsschicht: synchronisiert GitHub-Topic dsh-plugin und npm-Registry in einen offenen JSON-Index, den Modelltools, CLI und ein minimaler stdio-MCP-Server abfragen können.

Plugin-Wertprüfer: Prüfung vor Installation (Quellscan + LLM-Bewertung) und Prüfung installierter Bundles danach. Erinnert nach Modellwechsel an eine erneute Prüfung.

Gesundheitsprüfungen für DSH-Plugins: Manifest/Patch/Entry/Build/Pack/Install-Verifikation, modellaufrufbares plugin_check, Profil-Host-Shadowing + BOM-Erkennung, Umgebungsdiagnose und Poison-Preflight.

RLM-Modus für dsh: rekursive Subagents über eine einheitliche Funktion rlm(), mit spawn/await/chain als erstklassigen Python-Aufrufen. Ergänzt einen dauerhaften IPython-Kernel mit tools.*-Bindings und context-as-variable.

Ein-Klick-Starter für die Web-UI: eine Start-DSH-Web.cmd auf dem Windows-Desktop, die dsh web startet und den Browser automatisch öffnet (pollt bis bereit), plus ein web_launcher-Modelltool (install / open / status).

Exportiert reine Metadaten-Events zu DSH-Zügen, Modellen, Tools, Genehmigungen, Wiederholungen und Fehlern an Tuning Engines für kontrollierte Traces, Richtlinienbewertung, Kostenanalyse und Work-Session-Review, mit einer festplattengestützten Wiederholungswarteschlange.

Sitzungsübergreifendes, ereignisbasiertes Arbeitsregister: Aufgaben erfassen, verfolgen und abschließen, mit vollständigem Auditverlauf, Kanban-Export und einer in jeden Modellturn eingefügten Board-Zusammenfassung.

Ergänzt reine Textmodelle um Bildverständnis: Das Tool describe_image delegiert Bilder über die eigene LLM-Laufzeit des Harness an ein Vision-Modell aus der dsh-Modellliste.

Lokale OCR für angehängte Bilder über die integrierte Windows-Engine (Windows.Media.Ocr): Nur der erkannte Text wird an das Modell gesendet, niemals die Bild-Bytes; der Vision-Passthrough ist opt-in.

Lokale OCR für angehängte Bilder via Tesseract: Nur der erkannte Text wird an das Modell gesendet, niemals die Bilddaten; Vision-Passthrough ist optional.

Ergänzt reine Textmodelle um Bildverständnis: Chat-Bildanhänge werden mit einem Standard-Prompt automatisch durch ein Vision-Modell beschrieben und bei fehlenden Details mit modellgenerierten Prompts erneut analysiert. Mit system/custom-Modi, GUI-Konfiguration, sicherer Schlüsselverwaltung und kleinem Host-Patch für DSH 0.1.0-rc.6.