Plugins

Speichert Projektentscheidungen in Markdown statt im Chatverlauf: ein Hauptdokument plus Dokumente je Modul, jeder Eintrag mit file:line-Beleg. Der Agent fragt offene Punkte ab und berechnet einen Fünf-Dimensionen-Score (Aufgabenkomplexität, Erweiterbarkeit, Wartbarkeit, Codequalität, Wiederverwendbarkeit), angezeigt neben der Modellauswahl. Eine Sitzung kann mehrere Projekte binden; small/medium/large erweitert die Eintragslimits. Bei Triggerwörtern wird ein wiederverwendbarer Pipeline-Abschnitt aus dem Hauptdokument eingefügt.

Sitzungsübergreifende Nutzungs- und Kostenübersicht für DSH: Tokenverläufe je Stunde sowie 90-Tage-/1-Jahres-Heatmaps; DeepSeek-Modellpreise für Spitzen-/Nebenzeiten, mit offiziellem Guthaben abgeglichen; GLM/Kimi/MiniMax-Abo-Kontingentfenster mit Verbrauchsprognose; Cache-Hit-Ring, Projektranglisten, CSV-Export und dsh-tui-Terminalansicht.

Verwaltet die Verfügbarkeit und Gruppen von Tools für jedes Agent Preset, lädt Tools wie Skills bei Bedarf und reduziert so den Kontextverbrauch des Modells.

Magpie gateway provider for DSH: syncs gateway models into the picker with visibility control, image input and thinking levels.

Zeigt das DeepSeek-Kontoguthaben unten in der Seitenleiste und ergänzt eine Konfigurationskarte auf der Plugins-Seite.

Berichte über Verhaltensdrift in DSH-Sessions: vergleicht zwei Session-Logs und meldet Übereinstimmung der Tool-Sequenz, Tool-Mix, Reasoning-Umfang, Timing, Wiederholungen und Dateiziele, mit optionalem CI-Schwellenwert-Gate. Keine Abhängigkeiten.

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.

Nutzt das Entscheidungsmodell-Paradigma Jev (System One) mit jedem OpenAI-kompatiblen LLM – kein TypeSafe-Schlüssel nötig. Registriert ein jev_decide-Tool, das in einem Aufruf wahrscheinlichkeitsverteilte Antworten auf typisierte Fragen (choice/score/boolean) liefert.

Urteilskern für DeepSeek Harness: Ein Erkenntniszyklus ordnet jeder Entscheidung Quelle und Zuschreibung zu und führt die Planung zum Abschluss; hippocampus-Speicher verdichtet Erfahrungen zu Wissen (Journal, Episodenarchiv, Abwertung geringer Sicherheit); die Architektur verankert Verantwortung und einheitliche Kriterien; ein A2A-Team verwaltet den Speicher mit dsh-linghun-assembler. Erfordert DSH ^0.1.0-rc.7 (rc.2 unterstützt).

Persistente Endeavour- und Challenger-Peer-Sessions für DeepSeek Harness, die planen, sequenzielle Aufgaben ausführen und gemeldete Ergebnisse verifizieren.

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.

Fügt eine Einstellungsseite hinzu, um Reasoning-Aufwand pro Modell und Vision-Unterstützung für pi-ai-Provider-Routen zu deklarieren.

Tokenrhythm (基元律动)-Finanz-Dashboard für DeepSeek Harness: Kontostand und auslaufende Guthaben, kategoriefilterbare Modell-Preiskarten (mit Rabattpreisen), Dienststatus und Plattform-Schlüsselverwaltung; Anmeldung per Plattformkonto oder Session-Cookie – Anmeldedaten bleiben auf dem lokalen Host.

Hebräische RTL-Darstellung für die Web-GUI: Richtung pro Block anhand der vorherrschenden Schrift, bidi-sichere Eingabefelder und RTL-bewusste Zeilennavigation mit Cmd+Pfeil links/rechts.

Drei-Bereiche-Workspace-Layout mit Dateibaum-Navigation, Dateibearbeitung, nichtlinearer Gesprächs-Mindmap-Ansicht und Unterstützung für den mobilen Modus.

Live2D-Begleiter für DSH: ein schwebendes Cubism-Modell mit zustandsgesteuerten Ausdrücken und Maus-Tracking; konfigurationsgesteuerte Geometrie (Größe/Position aus der Plugin-Konfig); offizielles Haru-Sample enthalten (© Live2D Inc.).

Akademische Literatursuche und Zitierwerkzeuge für DeepSeek Harness: Artikelsuche über Crossref und OpenAlex ohne API-Schlüssel, Entdeckung verwandter Arbeiten und Zitationsformatierung in GB/T 7714, APA und BibTeX.

Ein Big Fat Fish-Begleit-Plugin mit geringer Unterbrechung für den DeepSeek Harness Web Workspace

Lokal priorisierte Heatmap für Token-Nutzung in den DSH-Einstellungen: GitHub-artige Wochen-/Monats-/Quartals-/Jahresraster, stündliche Nutzung pro Tag, Top 5 je Modell und Anbieter sowie gespeicherter Verlauf, der das Löschen von Sitzungen übersteht. Kein Netzwerk, keine Abrechnung.

Lässt deinen KI-Agenten ein echtes Android-Telefon sehen und bedienen: phone_look (Verschmelzung von Bilderkennung und UI-Baum), Tippen/Wischen/Eingeben, Screenshot – über adb, für jeden MCP-Client.

Git- und Quellcodeverwaltungs-Plugin-Suite für DeepSeek Harness: lokale Git-Operationen plus Adapter für GitHub, GitLab, Bitbucket, Azure DevOps und Gitea, mit selbstentwickelndem Gedächtnis.

Desktop-BigFish-Begleiter für DSH: Echtzeit-Guthaben, Fragen & Antworten auf dem Desktop außerhalb des Browsers, 7 eigene Animationen, 53 Meme-Sprüche.

RLM-Modus für dsh: rekursive Sub-Agenten über eine einheitliche rlm()-Funktion – Kind-Agenten als First-Class-Python-Calls spawnen, erwarten und verketten. Fügt einen persistenten IPython-Kernel mit tools.*-Bindings und Context-als-Variable hinzu.

DSH-Tools zum Nachbilden und Validieren des ml-quant-trading protocol v1 CPU-Benchmarks und zum anschließenden Entwurf eines berichtsbereiten Issues. Erfordert einen lokalen Klon von initial-d/ml-quant-trading (als workspace oder repoPath festgelegt) sowie Python und PyTorch; dieses Plugin lädt das Repository nicht und installiert seine Abhängigkeiten nicht.