Plugins

Wandelt DOCX ohne Microsoft Office, LibreOffice oder Netzwerk in PDF um, mit der dxpdf-Rust/Skia-Engine. Repariert schemawidriges OOXML von WPS Office und stellt Leerseiten wieder her, die Word an geraden/ungeraden Abschnittswechseln einfügt. Python 3.8+ in PATH und `pip install dxpdf lxml` erforderlich.

Synchronisiert Gruppen, Schlüssel und Modelle einer sub2api-Instanz in die Provider-Routen von dsh-llm-pi-ai. Panel-Anmeldung per Passwort/OAuth; eine Provider-Route je Relay-Schlüssel.

Start- und Endanimationen für DeepSeek Harness: fünf handgezeichnete Stile (whale light-sweep, pulse, stardust, typewriter, radar rings) oder eigenes Video/GIF. Einstellungen für Tempo, Partikelzahl, Akzentfarbe, Text, Stummschaltung und Einpassen. Die Endanimation benötigt den enthaltenen einmaligen, umkehrbaren Desktop-Shell-Patch `node tools/patch-asar.mjs --apply`; ohne ihn wird beim Schließen nur das Fenster ausgeblendet.

dsh-dual-bridge: Seitenleisten-Plugin für `@deepseek-ai/dsh`: Verpackt Projektkontext als strukturierten Prompt und kopiert ihn in die Zwischenablage, damit er in DeepSeek Web auf demselben Bildschirm gelesen/erfragt werden kann. Text aus PDF/Word/PPT/Excel, Bild-OCR, lokale poppler-Erkennung. Rein lokal: kein Netzwerk, keine Web-API, keine Browsersteuerung.

Relvato-Webseitenmonitoring für DeepSeek Harness: Bindet den gehosteten Relvato-MCP-Server mit 58 Tools über `dsh-mcp-client` ein und benötigt einen Relvato-API-Key.

Hält das NapCat-QQ-Backend neben DSH am Laufen. Prüft beim Start den OneBot-11-HTTP-Port, startet NapCat bei fehlender Antwort und prüft danach alle 45 Sekunden erneut. Beendet doppelte Prozessketten, blendet das Konsolenfenster aus und kann bei gesetztem Aufgabennamen eine Anmelde-Aufgabe planen. Mit Einstellungsseite sowie `napcat_status`, `napcat_restart`, `napcat_dedupe`. Nach Risikobestätigung kann das QQ-Passwort gespeichert werden, um ein abgelaufenes fast-login-Token ohne QR zu erneuern. Nur Windows; ohne geplante Aufgabe endet das gestartete QQ mit DSH.

Durchsucht BOOTH nach Kleidung, Shadern, Basismodellen, Zubehör, Texturen, Animationen und Requisiten für VRChat-Avatare – über einen eigenen BOOTH-Tab neben dem Gespräch oder zwei schreibgeschützte Tools. Chinesische Suchbegriffe werden vor der Anfrage ins Japanische übersetzt.

Zehn animierte Vollflächenhintergründe für den DSH-Chatbereich — Sternenfeld, Code-Regen, Schaltkreise, Schwertkampf, Katze, Mädchen, Kampfjet, Rennfahrer, Schnee und Blasen. Je Turn ein zufälliges Thema; ein Schleier über der Textspalte hält den Chat lesbar.

QQbot überwacht ausgewählte QQ-Gruppen über OneBot 11 und bündelt Nachrichten ab einem Mengenschwellenwert. Jedes Bündel wird mit einem bereits in DSH konfigurierten Modell zusammengefasst; der Gruppenbericht geht per QQ-Privatnachricht an ausgewählte Freunde. Mit Schlüsselwort-/Absenderfilter, Einstellungsseite, lokaler Webkonsole und Zusammenfassungsarchiv.

Syntaxhervorgehobener Code für Berichte über ein einziges Tool `highlight_code`: 68 Sprachen, 15 Themes und 11 Ausgabeformate (Inline-HTML, Word-fertiges SVG/PNG, LaTeX), einschließlich klassischer SyntaxHighlighter-Themes. PNG benötigt Python 3 mit Pillow; andere Formate brauchen keine externe Laufzeit.

Cite Lens für dsh: Markiere Text in einem PDF im Tab Files, um ihn im aktuellen Chat zu zitieren oder danach zu fragen. Modellzitate im Format `[main.pdf p.7 "exact words"]` werden zu Links, die das PDF öffnen und die Stelle hervorheben. `/cite-links` lässt den Chat jede Behauptung belegen.

Lokale Spracheingabe per Aktivierungswort für DSH. Aktivierungswort sagen, Signalton abwarten und sprechen; der Text wird an eine DSH-Sitzung gesendet. Audio wird standardmäßig lokal verarbeitet und nicht gespeichert. Der DSH-Spracheingabedienst (`speechToText`) muss verfügbar sein.

Zeigt die tatsächlichen Gesprächskosten: Modellanfragen, Größe von Systemprompt und Tooltabelle, kumulierte Tokens, geschätzte Ausgaben und Abstand bis zur automatischen Kontextkompaktierung. Liest nur das lokale Sitzungsprotokoll, ruft nie ein Modell auf und ergänzt kein Wort im Systemprompt. Token- und Kostenzahlen basieren auf Zeichenanzahl, nicht auf Provider-Nutzungsdaten.

Gleicht jede fertige Behauptung mit der im selben Turn gelesenen Tool-Ausgabe ab. Nur wenn das Zitat für einen Widerspruch in genau dieser Ausgabe gefunden wird, wird einmal im selben Turn eine Korrektur angestoßen. Unbelegte Aussagen erscheinen im Sitzungsprotokoll und auf stderr. Zuerst kostenlose Prüfung auf absolute Wörter und abweichende Zahlen; ohne Tool-Aufruf kein Weg zum Modell.

Such-Tab für Schlüsselwörter und Codegraph, angedockt in der integrierten rechten Seitenleiste der dsh-Web-GUI.

Prüft KI-generierte Word-, PowerPoint-, PDF- und HTML-Dateien in der offiziellen Vorschau: Probleme markieren, Text direkt bearbeiten und Notizen an den Agenten weitergeben. PDFs und Bilder unterstützen nur Annotationen. Zum Bearbeiten sind das mit Harness gelieferte LibreOffice-Kit und Python erforderlich.

Ersetzt sensible Zeichen in DeepSeek Harness. Prüft Nachrichten und Tool-Ergebnisse vor dem Lesen durch das Modell anhand einer gepflegten YAML-Sperrliste (global, je Provider-ID oder Modell) und bereinigt die ausgehende Anfrage nochmals vor dem Versand. So sollen diese Zeichen keinen offiziellen API-Fehler 400 „Content Exists Risk“ auslösen.

Synchronisiert Gruppen, Schlüssel und Modelle einer sub2api-Instanz in die Provider-Routen von dsh-llm-pi-ai. Anmeldung im Panel per Passwort/OAuth; ein Relay-Schlüssel je Provider.

Chinesischer Multi-Agent-Debattensimulator: acht Debattierende, Live-Diskussion in zwei Spalten mit Entwurfsnotizen, Jury/Scoreboard, Einzel-Seiten-Uhren und ZIP je Runde. Trainingsseite mit Endbedingung Siegesraten-Schwelle oder fester Rundenzahl. Word-Vorbereitungspaket.

Plugin-Berater für DSH: Beschreibe deinen Bedarf; npm-Pakete mit dsh-plugin-Keyword werden anhand bereinigter Kennzahlen (Tagesbasis, Wochenwachstum, Release-Takt, Aktualität) als erste Wahl, Alternativen und zu meiden sortiert. Seitenleiste, vier KI-Tools, Ein-Klick-Installation.

Compaction-Integrität: Vergleicht aus dem kompaktierten Bereich extrahierte Direktiven (never/must/必须-Marker) wörtlich oder anhand der Inhaltswort-Abdeckung mit der Zusammenfassung. Meldet vergessene Vorgaben im JSONL-Ledger; in Config fixierte Vorgaben werden bei jeder Compaction geprüft.

Verschlüsselter lokaler Credential-Tresor für DeepSeek Harness: Sidebar-Verwaltung, info_records-Tool für Abfragen vor dem Anmelden, optionale Chat-Erfassung und manual-only je Eintrag. AES-256-GCM, geschützt durch Windows DPAPI, macOS Keychain oder Linux Secret Service.

Credential-Audit vor Veröffentlichung: durchsucht Verzeichnisbäume nach API-Keys, Tokens, privaten Schlüsseln, DB-Verbindungsstrings und fest codierten Passwörtern vor Commit/Publish/Ship. Keine Abhängigkeiten, vollständig offline; Befunde zeigen nur die ersten sechs Zeichen.

Extrahiert Bilibili-Plattform-/KI-Untertitel oder nutzt externe/eingebettete Untertitel sowie ASR/OCR als Fallback und erzeugt Markdown, Word, PDF, TXT, SRT oder JSON mit Zeitstempeln, zweisprachiger Ausrichtung und Qualitätsbericht. Python 3.10+ erforderlich. Plattform-/KI-Untertitel benötigen ein Bilibili-SESSDATA-Cookie; OCR/ASR/PDF benötigen ffmpeg, faster-whisper und LibreOffice oder reportlab.