Plugins

Ersetzt den eingebauten DSH-Kompaktierungs-Summarizer durch eine Übergabezusammenfassung mit fünf Abschnitten und hält jede verdrängte Nachricht in einem Segmentverzeichnis lesbar.

DeepSeek-Harness-Plugin, das aggressiv Tokens spart, ohne die Aufgabenqualität zu beeinträchtigen: verlustfreie Kopf-/Endkürzung von Tool-Ergebnissen (Standard), Falten von grep-Ergebnissen, druckausgelöste Delegation an dsh-compaction-basic und eine CompactionEngine-Unterklasse mit LLM-Zusammenfassung für den aggressiven Modus. Spart 97,6 % der Eingabe-Tokens in einer synthetischen Suite mit 8 Szenarien, alle Kürzungen laufen über den dsh-Ereignisfluss, damit modellsichtig = protokolliert erhalten bleibt.

Schwebendes HUD im Spielstil: HP-Leiste für Guthaben, MP-Leiste für Kontext, offizielle Spitzen-/Talpreisgestaltung mit Countdown, automatische Kompaktierung bei unter 5 % Restkapazität und neue Unterhaltung mit übernommenem Speicher.

Modellgesteuertes Paket zum Überlaufen des Kontextfensters für DeepSeek Harness: frischer Arbeitskontext, dauerhafte, vom Modell verwaltete Notizen, ein kleiner wörtlicher aktueller Schwanz und gezielte Wiederherstellung der Historie – ohne Zusammenfassung.

Automatische Fortsetzung unterbrochener Agent-Sessions: eine geordnete Regeltabelle routet nach Fehlertyp (Rate Limit, Quota, Auth, Kontextüberlauf, abgestürztes Orphan) zu automatischem Backoff-Retry, Modellwechsel, Fortsetzen nach Kontextkompaktierung oder einer Stop-Loss-Benachrichtigung, mit visuellem Regel-Editor und vollständigem Aktivitätsprotokoll.

Prompt-Optimierer in der Eingabeleiste: schreibt Entwürfe mit 6 Strategien × 3 Sprachen plus eigene Anweisungen um, mit optionalem Ziel/Todo/Kompaktionszusammenfassung/Werkzeugergebnis und Chat-Kontext, einem Bestätigungsdialog, Verlauf der letzten 5 und dreistufiger Einstellungspersistenz.

Korrektur der Kompaktierung für von NInfer gehostete Gateways qwen3.8-27b: deaktiviert das Denken bei Aufrufen von dsh zur Kompaktierung des Kontexts und zum Sitzungstitel, damit xhigh-Reasoning nicht das gesamte Budget der Ausgabe verbrennt; dieselbe Idee gilt für andere Startarten, dieses Paket zielt jedoch nur auf NInfer.

Sitzungsübergabe und Kontextverwaltung: Strukturierte Übergabedokumente (Export/Fortsetzen/Status), damit eine neue Sitzung nahtlos fortfahren kann, sowie aktive Kontextbereinigung (acp_*-Tools über die offizielle Kompaktierungs-API mit vom Modell verfassten Zusammenfassungen).

Verbesserte Auto-Compaction-Standards für DeepSeek-Harness-Agent-Presets: wendet mit einem einzigen Befehl fein abgestimmte Schwellen-/Aufbewahrungsbudgets und modellbezogene Richtlinien an, idempotent mit Backups und Rollback.

Native Vision-Bridge für LLM-Anbieter: In den Chat eingefügte Bilder werden von einem Vision-Modell (Qwen3-VL über pi-ai/llama.cpp) beschrieben, und die Textbeschreibung wird zur Antwort an das rein textbasierte DeepSeek weitergegeben — Bildaufnahme, Routing und Kompaktierung laufen vollständig über harness-native Mechanismen, mit LRU-Beschreibungscache und 503-Retry.

Teilt „New Session“ in der DSH-Web-Seitenleiste in zwei Modi: eine Zeile 日常聊天 öffnet eine Session mit dem Agent-Preset `daily`, das das Plugin in das Harness-Home installiert (Persona, Websuche und -abruf, Ask-User und Kompaktierung — keine Dateien, Shell, Plan-Modus oder Subagents), in einem eigenen daily-chat-Workspace, dessen Seitenleisten-Bereich nur diese Chats listet, während 开始工作 den mitgelieferten Coding-Agent behält; der eingebaute New-Session-Button wird versteckt und jeder andere New-Session-Einstiegspunkt folgt dem aktiven Modus, der in localStorage gemerkt wird.

GLM-Mode-Agent-Preset für zhipuai/glm-5.3-flash: PTC/Code-Mode-Tool-Präsentation, Reasoning-Loop-Guard und Tool-Spin-Guard (live-vorfall-gesteuert) sowie GLM-spezifische Auto-Compression bei 75 %/22 %.

Session-Anweisungsanker für DeepSeek Harness: Der erste Schritt einer neuen Session injiziert einen frei zusammengestellten Anweisungsblock als plugin-stammende Nachricht, und er wird nach einer zusammenfassenden Kompaktierung, alle N Turns oder wenn der gemessene Kontextdruck eine Schwelle überschreitet, neu verankert. Ein /anchor-Befehl verankert bei Bedarf ohne Modellaufruf neu; eine Einstellungsseite verwaltet die seitenweise Preset-Bibliothek, Injektionsreihenfolge, Neuanker-Quelle und Zeichenlimits.

Eine an das menschliche Gehirn angelehnte Kontextkomprimierung, die Kontextbelegung und Token-Verbrauch bei langen Aufgaben drastisch senkt.

Ein Stimmungsmaskottchen Taffy für die Weboberfläche von DeepSeek Harness: Das GIF in der Ecke reagiert live auf den Zustand des Agenten – Freigabe ausstehend / freigegeben / abgelehnt / bittend, Nachdenken, Werkzeugläufe, Unterbrechungen, Warten auf ask_user_question, Kompaktierung, Ermüdung bei langen Aufgaben, im Leerlauf ignorierte Freigabe, Leerlauf / Schlafen – mit über SSE übertragenem Zustand, Positionierung per Ziehen, Konsole per Mittelklick, Spiegelkonsole der Werkzeugkarten, Sperren je Stimmung, gespeicherten Erscheinungseinstellungen und Statistiken je Tag und Kategorie.

Entscheidungs- und Zielgedächtnis mit Linie: explizite Befehle und ein Modell-Tool erfassen Entscheidungen deterministisch, eine Status-Karte verankert sie über die Compaktion hinweg neu, ein verlustfreier Ereignisstrom mit BM25+jieba-Suche stützt dies, und eine Fidelity-Regressionssuite auf Szenarioebene schaltet Releases frei.

Analysiert Konversationsbilder durch modusspezifische Prompts (caption, UI, document, grounding, topology usw.) und fügt strukturierte Belege mit Koordinaten-Primitiven (Boxen, Punkte, Referenzen) als Text ein, mit Caching auf Sitzungsebene zur Wiederverwendung bei Replay und Compaction.

Vision-Toolkit für textonly DeepSeek: modellaufrufbares `vision`-Tool, Wrapper-Adapter für deepseek/opencode-go (v4 flash/pro), Antigravity-IDE-Kontingent (default, flash/pro) / jeden OpenAI-kompatiblen VLM / Gemini / lokale Ollama-Kanäle, Evidenzspeicher mit Kompaktierungs-Rehydration, Content-Hash-Cache und ein zweisprachiges Client-Panel.

Personal dsh preferences: a tunable companion to the official compaction engine (threshold, retention, summarization model/reasoning, turn-end compaction), llama.cpp model import for the Models page, and tab/notification helpers (status-light favicon, bro

DSH plugin: counts completed compactions per session and raises a floating reminder — with bilingual UI — only after repeated compactions plus heavy extra token spend.

Windowed, reversible context management for DeepSeek Harness; replaces Basic compaction.

Compresses older DSH context into a structured handoff, retains recent messages, and keeps session history searchable.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

Model-autonomous context compaction for DeepSeek Harness: a mind_map tool surveys the agent context surface (stable seq ids, roles, token weights, clear-boundary markers, the clear-mind playbook), a clear_mind tool replaces a chosen conversation-history span with a model-written checkpoint through the native compaction transaction, call and result pairs self-collapse into one-line tombstones, and a proactive reminder nudges the model when the context grows long or a turn runs too many steps.