Plugins

Superselfs self-CLI als modellseitige Tools (Projekt-Kontext, Work-Units, Reports, Decisions) plus ein /self-Befehl – sitzungs- und projektübergreifender Projektzustand außerhalb des Code-Repos.

Erweiterte Vision-Toolbox: 14 Pixel-Level-Vision-Tools (describe, ground, detect, crop, pixel-diff, OCR, long-screenshot OCR, vectorize, colors, cutout, screenshot, present, materialize, html-screenshot), gesteuert von einem OpenAI-kompatiblen Endpoint, mit sauberen [图片: path]-Bridge-Markern, Content-Safety-Klassifikation und Auto-Retry bei Rate-Limits.

Drag-and-Dose-Upload für PDF, Word, Excel und Bilder: abgelegte Dateien werden in einem lokalen Verzeichnis gespeichert und per Pfad referenziert, kein Base64-Bloat im Chat.

A-Aktien-Multi-Agent-Analyse hinter /trading-agent, portiert von TradingAgents-AShare, mit 14 Rollen (Analysten, Bull/Bear-Debatte, Risiko-Review, Trader) durch die Harness-LLM-Route.

Inline-Vorschau für [图片: path]-Bild-Bridge-Marker: nachdem der Marker gerendert ist, erscheint das Bild automatisch im Chat, sodass lange Anweisungen aus der Konversation herausgehalten werden.

Persistentes Fünf-Ebenen-Speichersystem mit Relevanzinjektion, automatischer LLM-Extraktion, Profilrotation und sechs Agenten-Tools.

Langzeit-Markdown-Gedächtnis über Sessions hinweg mit LLM-Wiki-Struktur und SOUL.md-Persona, beim Sessionstart injiziert (standardmäßig erst nach der ersten Nutzernachricht und nur in der aktiven Session), dazu remember/recall/consolidate/forget, eingebetteter Memory-Skill und Pack/Unpack-Migration. Zudem Beobachtbarkeit und Pflege: ein Boot-Block-Budget pro Datei schützt die Index-Routingtabelle vor Kürzung, automatische last_access-Stempel machen Salienz-Verfall wirksam, ein schreibgeschütztes Memory-Health-Dashboard, ein deklarativer Index-Compiler, ein interaktiver Memory-Graph, Cross-Link-Vorschläge und ein `checkup`-Bericht mit priorisierter Aufgabenliste.

DSH-Plugin: automatisches Ausfüllen von Metadaten (Kontextlänge, Output-Obergrenze, Anzeigename, Eingabemodalitäten) für Custom-Provider-Modelle aus der Model Metadata Registry (models.dev).

Vereinheitlichter LLM-Anfrage/Antwort-Inspektor: Tuning der Reasoning-Anstrengung, Export externen Denkens, Traffic- und Bundle-Analyse.

Kimi-Code-Stil-Schwarm: Batch-parallele Subagent-Dispatch mit adaptiver Planung, ein /swarm-Befehl und Live-Fortschrittszeilen im Chat.

Sessionübergreifendes Archiv: Workbench, gefaltete Timeline, subagent-Abstammung, Volltextsuche, rule+LLM-Zusammenfassungen, ZIP-Export und Live-Tracking. Die Session-Seite enthält turn rail, angedocktes rechtes Panel (Live-Modus, beim Wechsel an die Original-Session gepinnt), offizielles Umbenennen, Abschlusszusammenfassung und persistenten Status-Chip (idle / active / tool-wait / stalled). Ab dsh v0.1.2+ verschmilzt es mit TurnNavigatorRail: Vektor-Infochips für Dauer, tool calls, Fehler und thinking sowie verzögerte tool-Verteilung in der Vorschaukarte. Rechtsklick öffnet den workbench; der piano-key-Streifen ist standardmäßig aktiv, delegiert Sprünge zu nicht geladenen turns an das offizielle auto-load und die rail kann ganz verborgen werden. Dialog mit 10 Verhaltenseinstellungen.

Fallback-Ketten-Plugin für DeepSeek Harness: wechselt bei Ausfall des Hauptmodells automatisch zu einem Ersatz-Provider, mit Konfigurationspanel in der Web UI.

Nutzt den lokalen Codex App Server als Modellanbieter in DeepSeek Harness.

DeepSeek-Harness-LLM-Provider für Codex-Modelle über verwaltetes ChatGPT-OAuth.

DeepSeek-Harness-LLM-Provider für Codex-Modelle über verwaltetes ChatGPT-OAuth.

Deterministisches Keyword-Routing, Modellwechsel über eine Allow-List und ein isolierter image_gen-Kanal für DeepSeek Harness.

Leitet jede Aufgabe an ein Modell und ihre Überprüfung an ein anderes weiter, mit Qualifikationsnachweisen, Failover und einem dauerhaften Journal.

TypeSafe Jev (System-One-Entscheidungsmodell) als Tool jev_decide für DeepSeek Harness: noul-, Choice- und Score-Fragen liefern kalibrierte Wahrscheinlichkeiten; Credentials nutzen dieselbe Schnittstelle wie in DSH; 429/529-Backoff-Retry eingebaut.

Modellwechsel und Steuerung des Reasoning-Aufwands für DeepSeek Harness: Die Agenten-Tools set_model und list_models lassen den Agenten mitten in der Aufgabe autonom Anbieter, Modell oder Denktiefe ändern, mit Pflichtbegründung, Anbieter-Whitelist und Token-Druckwächter des Kontextfensters; das aktive Modell wird in den Laufzeitkontext injiziert, und der automatische Plan-Mode-Übergang wechselt beim Eintritt in den Planmodus zu einem konfigurierten Planungsmodell und stellt beim Verlassen das vorherige Ausführungsmodell wieder her.

Serverloser FriendliAI-LLM-Adapter für DeepSeek Harness – OpenAI-kompatible Chat-Vervollständigungen mit dynamischer Erkennung von Modellen und Unterstützung von Reasoning

femo (Flow Emerges Mag Opus) – Multi-Agenten-Welten orchestrieren, indem man ein Drehbuch schreibt. dsh-Plugin-Version: Engine, Brücke und visueller Editor in einem einzigen Ordner, selbstständig lauffähig, der ganze Ordner lässt sich verschieben und ist sofort einsatzbereit.

Kostenlose Modelle von Kilo Gateway und OpenCode Zen für DeepSeek Harness (DSH) über native dsh-llm-Adapter.

Fügt Modellzeilen in den Einstellungen einen Reasoning-Level-Editor mit Presets für OpenAI- und Anthropic-Protokoll (llm-pi-ai), Schalter für Eingabe-Modalitäten sowie ein 1M/128K-Kontext- und Max-Output-Preset hinzu.