Plugins

DeepSeek-Gehirn + automatische Bildtranskription: Bilder in der GUI anhängen und jedes wird standardmäßig über das offizielle deepseek-v4-flash-vision-exp transkribiert (ein reines Text-V4-Pro-Gehirn kann Bilder sehen), mit jeder OpenAI-kompatiblen VLM oder lokalem Ollama als Alternative.

Multi-Plattform-API-Guthaben- und Nutzungs-Dashboard für die DSH-Web-GUI: Guthaben für DeepSeek, Zhipu GLM, Kimi, StepFun, SiliconFlow, MiniMax, OpenRouter, Novita und xAI unter dem Composer, geschätzte Kosten pro Sitzung und pro Sub-Agent mit Peak/Off-Peak-Tarifen von DeepSeek, automatische Erkennung in den DSH-Einstellungen konfigurierter Relays sowie ein optional verschiebbares Wal-Widget.

Ordne deine Modelle und Token-Budgets jeder Rolle zu und lass dann DSH spezialisierte Subagents nach Aufgabentyp delegieren. Deckt Architektur-Analyse, UI/UX, Implementierung, Codebasis-Erkundung und Dokumentationsrecherche ab, mit automatischem Setup sowie Reasoning-Aufwand und Tool-Berechtigungen pro Rolle.

Neustart-Wiederherstellung für DeepSeek Harness Web: Nach einem Absturz oder Neustart wird ein unterbrochener Agent-Zug automatisch fortgesetzt (Host-seitiger agent/created-Listener, keine Browser-Timing-Race-Conditions).

Sitzungsübergreifendes Langzeitgedächtnis unter der Metapher des „Gedächtnispalasts“: SQLite-Speicher mit doppeltem Geltungsbereich (Benutzer + Projekt je Git-Ursprung), hybride Suche aus FTS5 und lokalen Vektoren mit RRF-Fusion und Aufwertung des Rankings nach Aktualität/Nachweis, automatische Erfassung aus dem Sitzungsprotokoll (einschließlich des letzten Turns), Herkunftsprüfketten, Verdichtung durch Konsolidierung und Vergessen durch Verfall sowie ein Panel „Gedächtnisbibliothek“ auf der Einstellungsseite mit Korridortopologie, Rundgangsbutler und Renovierungsliste.

Expert-Preset für DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): Chefkoordinator + 17 Domänen-Subagenten mit Auto-Delegation. Funktionen: Taskboard (Zustände pending/ready/running/done/failed, DAG, atomare Beanspruchung, Retry, Wiederherstellung), Quality Gates (5-stufige Pipeline: Anforderungen, Implementierung, Verifikation, Prüfung, Integration; 2 Überarbeitungen), Five-Anchor (Prüfung/Konvergenz/Anti-Drift/Zusammenarbeit/Ressourcen), Near-distance (Vorlage Identität/Aufgabe/Ausgabe), progressive Offenlegung (~28 % Token-Einsparung), Persistenz, P2P-Bus, Kreuzprüfung, Erfahrungspool, Schnellweg, Auto-Retry. 17 Experten: Daten, Redaktion, Recht, PM, Frontend, UI/UX, Architekt, Social, Growth, Quant.-Finanzen, Backend, DevOps, DB, QA, Sicherheit.

Fügt reinen Text-Hauptmodellen ein konfigurierbares Vision-Modell hinzu: ein vision_read_image-Tool, einen Vision-Modell-Selektor in der Composer-Leiste und automatische Bild-zu-Text-Konvertierung für reine Textrouten.

DeepSeek Harness-Plugin, das Jev-Urteile in drei automatische Aktionen übersetzt — übermäßig große Tool-Ausgaben auf die für die Anfrage relevanten Segmente kürzen, abgerufene Seiten auf an das Modell gerichtete Anweisungen prüfen und auswählen, welcher Skill zum nächsten Schritt passt — plus die Tools jev_ask und jev_gate, ein Urteils-Journal, das Neustarts übersteht, und einen /jev-status-Bericht. Benötigt einen TypeSafe-API-Schlüssel; ohne diesen ist es inaktiv und sendet nichts.

Regelbasierte automatische Genehmigung für Sandbox-Eskalationen in DeepSeek Harness, mit optionalem LLM-Prüfer und nativem menschlichem Fallback.

Eine bessere Faltenleiste: faltet automatisch Tool-Aufrufe und Think-Segmente in Schritt-Faltleisten und reduziert jeden abgeschlossenen Turn zu einem einzelnen Turn-Header mit Live-Metriken (Dauer, TTFT, Token, tok/s, Cache-Treffer) – nur die abschließende Zusammenfassung bleibt sichtbar; anpassbare führende Icons mit animierten Pokerkarten integriert (Karten-Animation mit zyklischen Farben während des Laufs, ein Deck im gefalteten Zustand, ein Fächer im erweiterten Zustand), eine Einstellungszeile für den offiziellen Faltmodus, kompatibel mit neuen und alten DSH-Versionen. Keine Eingriffe in den DSH-Quellcode.

Cache-Abrechnung pro Aufruf im Kontextzähler-Popover: aktuelle Summen für Schritt, Runde und Sitzung mit Treffer-/Fehl-/Ausgabe-Tokens und Beträgen, automatische Pekinger Preise für Spitzen- und Nebenzeiten, modellspezifische Tarife sowie Abrechnung von Drittanbieter-Relays.

Computer-Nutzung über ein externes USB-HID-Gerät: Benennen Sie ein Ziel in natürlicher Sprache, ein Vision-Modell lokalisiert es in einem zugeschnittenen Fensterscreenshot, und ein Raspberry Pi Pico 2 bewegt die echte Maus und tippt auf der echten Tastatur. 7 Tools. Windows bietet Fensterauflistung, pro Fenster zugeschnittene Ausschnitte und automatisches Fensteranheben; macOS benötigt pyobjc und bietet nichts davon; Linux wird nicht unterstützt.

Vom Chat zur Leinwand zum Werk: steuere ComfyUI als visuelle Workflow-IDE in DSH. Bette ComfyUI (lokal oder Cloud) als geteilte Leinwand in DSH Web ein: Der Agent schreibt Prompts und Skripte im Chat, wendet sie live an und erzeugt Bilder, Musik, Video und 3D. Operationen: Pipelines bauen, Workflows lesen/schreiben, Knoten bearbeiten, Links verdrahten, ausführen, justieren und debuggen. Produktion: Batch-Parameter-Sweeps (batch_run) und automatischer Abruf der Ausgaben in den Chat (get_outputs). Pflege: Ein-Klick-Start und -Upgrade von ComfyUI, Kern und Custom Nodes. Dieses Paket ist das DSH-seitige Plugin und liefert den ComfyUI-seitigen Brückenknoten mit.

GitHub Copilot LLM-Adapter: OAuth-Device-Flow-Anmeldung, Live-Modellentdeckung über die Copilot-API, Vision-Unterstützung für bildfähige Modelle (gpt-4.1, gpt-4o) und zwei Wire-Protokolle (Chat Completions und Responses API) mit automatischem Endpoint-Routing pro Modell.

Prüfung ausstehender Änderungen für DeepSeek Harness: jede Änderung von edit, write und str_replace_editor wird automatisch in der Dateiliste gesammelt, wo ein einzelner Änderungsblock, die Blöcke einer Auswahl oder die ganze Datei behalten oder verworfen werden können, mit Undo/Redo. Importiert die Versionskontroll-Änderungen des Arbeitsbereichs, zeigt das Diff einspaltig oder nebeneinander und bietet eine Markdown-Vorschau, in der Änderungen ebenfalls behalten oder verworfen, im Dateiinneren gesucht, Blöcke angesprungen und Zeilenreferenzen kopiert werden können; die Diff-Daten werden dauerhaft gespeichert, die Prüfung läuft nach einem Neustart weiter.

Ein ChatGPT-Konto über Browser-PKCE- oder Device-Code-OAuth mit Codex-Modellen in DeepSeek Harness verbinden, mit automatischem Token-Refresh und Web- oder Headless-Login.

Analysiert die Nutzung über Modelle, Anbieter, Arbeitsbereiche und Zeiträume — mit eigenen Start-/Enddaten über die gesamte Historie — inkl. Cache-Hit-Einblick und Aufschlüsselung nach Modell und Anbieter. Enthält stündliche/tägliche Trends, 53-Wochen-Heatmap im GitHub-Stil, Serien, Token-Quota-Ringe pro Modell und Arbeitsbereich (Tokens, Kosten, %), kombinierbare Filter, Cache-Effizienz, DeepSeek-Guthaben, Bereichs-Aliase, CSV-Export und ein dauerhaftes Journal, das Nutzung nach Sitzungs- oder Bereichslöschung bewahrt (Deleted-Zeile) und inkrementell neu aufbaut. Die Bereichs-Registry wird über die DSH-domain/changed-Sonde frisch gehalten; nur registrierte Bereiche zählen. Getrennte Buchhaltung für Eingabe, Cache und Reasoning. Chinesisch: Ortszeit; Englisch: UTC; API nur Loopback.

Plugin-Marktplatz in den Einstellungen, der jedes lokale Profil anspricht, nicht nur das laufende: Installieren, Aktualisieren und Entfernen über Web-, Headless- und andere Profile hinweg, mit Warnungen zu Installationsskripten, einer Ansicht installierter Elemente, die auch nicht katalogisierte Profilabhängigkeiten abdeckt, und einem automatischen DSH-Neustart bei Wechsel des aktuellen Profils.

Kontinuierliche Selbstverfeinerungsschleife: persistenter Speicher, periodisches Überprüfen und Verfeinern, sitzungsübergreifendes gemeinsames Wissen und automatisches Rollback über ein vom Modell aufrufbares harness_refine-Tool.

Verbessert die Datenvisualisierung in DeepSeek Harness, indem Diagrammtypen automatisch aus der Benutzereingabe ausgewählt und Bilder für Trends, Vergleiche, Anteile, Beziehungen und Abläufe erzeugt werden.

Einstellungs-Karte für die DSH LLM-Autowiederholungs-Engine: Wiederholungsanzahl, Backoff und Jitter live unter Settings -> General anpassen, mit konfigurierbaren retryableCodes-Chips – die Standardwerte fügen INVALID_REQUEST hinzu, sodass OpenAI-ähnliche HTTP-400-reasoning_text-Fehler im thinking mode automatisch erneut versucht werden.

Leitet jede delegierte Aufgabe automatisch und intelligent an das bestkonfigurierte Modell weiter – mit Aliassen, Fähigkeits-Tags und Nutzungshinweisen –, damit Routinearbeit schnell und günstig bleibt, während komplexe Arbeit an stärkere Spezialisten geht. Konfiguriere dein Modellteam in der Web-UI oder per geführtem Setup, führe Spezialisten parallel mit zuverlässigem Ergebnis-Merging aus und sieh das gewählte Modell in Subagent-Ansichten und direkt im Tasks-Baum von Better Sidebar auf einen Blick.

Sprechen Sie mit Excel in DeepSeek Harness: Erstellen, bearbeiten, reparieren und überprüfen Sie Tabellenkalkulationen per Gespräch, mit automatischen Formel-Gesundheitsprüfungen nach jeder Bearbeitung.