Plugins

Bringt Skills und Konfiguration von Pi Agent per Bridge in DeepSeek Harness

Ein Symphony-kompatibler Multi-Provider-Aufgabenorchestrator und Dashboard für DeepSeek Harness

Ein modell-natives Meta-Agent-Plugin für DeepSeek Harness: Das Modell synthetisiert zur Laufzeit aufgabenspezifische Workflows aus fünf agentischen Workflow-Mustern (Prompt Chaining, parallele Worker, Router, Supervisor, Evaluationsschleife) und koordiniert Tools und Subagent

Lernassistenz-Erweiterung für DeepSeek Harness (dsh): DeepTutor-Nachhilfe für Ihren Agenten — ausführliche Erklärungen, Selbsttestfragen, Lernpfade, Suche in der persönlichen Wissensdatenbank (RAG) und Notizarchivierung (primär HTTP/WS, CLI als Fallback; passt sich automatisch an lokal/r

Langfuse-Observability für DeepSeek Harness: exportiert Sitzungsprotokolle als OpenTelemetry-Traces (GenAI-Semantikkonventionen) an den OTLP-Endpunkt von Langfuse

Kompatibilitätsschicht für Claude Code in DeepSeek Harness: lädt .claude-Skills/-Befehle/-Agenten und installiert Plugins aus Claude-Code-Marketplaces als native dsh-Skills.

Stabile, bearbeitbare PPTX-Generierung für KI-Agenten — semantische Zwischendarstellung rein, natives DrawingML raus

Selbstbearbeitende Desktop-Werkbank für DeepSeek Harness: eine vollständige Nachbildung von dsh web mit einem Bearbeitungsmodus, in dem der Agent die Werkbank (Patch-Layer, Plugins, UI) mit Hot Reload verändert.

Native interaktive Git-Diff-Review für DeepSeek Harness mit strukturierten Anmerkungen, die an die aktuelle Agenten-Sitzung zurückgesendet werden.

Token-Budgetverwaltung für den Agentenbaum.

Durchsucht Skills und MCP-Konfigurationen nach Prompt-Injection, Homoglyphen, verstecktem Unicode, gefährlichen Shell-Befehlen und Zugangsdaten-Lecks.

Schreibgeschützte Windows-Geräteinformations-Tools: ein Agenten-Tool pro Win32-Gerätekategorie (Zeit, System, CPU, Speicher, Festplatte, GPU, Netzwerk, Akku, Prozesse, USB, Audio, Drucker) über WMI/CIM- und Node-os-Collector.

Aufrufbezogene Überschreibungen von Modell, Anbieter, Persona und toolFilter für die Subagenten-Delegation, mit @preset:-Referenzen und zusammengesetzten Provider/Modell-IDs.

Bedarfsgesteuerte Tool-Erkennung pro Agent mit progressiver Schema-Offenlegung.

Projiziert .pack.json/.pack.zip nach .agent-pack/modpacks/ und stellt Skills über eine Workspace-Allow-List bereit.

Bringt Ihre bestehende Agent-Skills-Bibliothek (SKILL.md) nach DSH: entdeckt Skills über Claude-/Codex-/Cursor-/Gemini-Pfade hinweg, fügt einen Index mit progressiver Offenlegung ein und lädt Inhalte bei Bedarf nach.

Datenschutzfreundlicher lokaler Scanner für Sitzungs-/Workflow-Metadaten von Codex, Claude Code, WorkBuddy und CodeBuddy; speichert aggregierte Belege und empfiehlt integrierte DSH-Agent-Presets, ohne Inhalte zu behalten, ein Netzwerk zu nutzen oder Presets zu verändern.

Projektbezogenes, sitzungsübergreifendes Gedächtnis: PROJECT.md-Snapshot wird in die erste Nutzernachricht eingefügt, ein memory_remember-Tool sowie automatische Reflexion nach ReAct-Aufgaben; jedes Projekt führt seine eigene Gedächtnisdatei.

Belegtes Gedächtnis über DSHs verlustfreies Sitzungsprotokoll: destillierte Fakten tragen `(sessionId, eventRange)`-Zitate, die sich zum exakten Original-Protokollausschnitt zurück aufklappen lassen.

Deep-collaboration writing agent for DSH: per-user writing-style learning from edit pairs, clarify→outline→section-writing→red-team→reader-gallery flow, project-to-report synthesis (lab report / product intro / survey / README), 41 MCP tools, and web selection-improve UI with in-app file preview.

Drive Origin scientific plotting from DeepSeek Harness AI chat via MCP: write data, plot line/scatter/column, export PNG/SVG.

Falsification-driven correction loop for agent sessions: risky work commits an evidence-checkable claim first, deterministic gates verify it, falsified claims force mutually exclusive replacement hypotheses with discriminating experiments, and every event lands in an append-only evidence ledger.

Pre-flight plugin-library check for DSH agents: task-type requests trigger a Top-K hint of suitable plugins with use_when/not_for capability declarations, making plugin usage predictable instead of opportunistic.

Per-file-type multimodal chains: preset processing models per wildcard convert image/video/audio files into prompt tokens before they reach the text-only session model, with per-preset fallback chains and a Multimodal settings page.