Plugins

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.

TypeSafe Jev als erstklassiger Cordis-Dienst und drei modellsichtbare Tools für DeepSeek Harness — standardmäßig offline, Egress offengelegt, nie standardmäßig aktiv.

Superselfs self-CLI als modellseitige Tools (Projekt-Kontext, Work-Units, Reports, Decisions) plus ein /self-Befehl – sitzungs- und projektübergreifender Projektzustand außerhalb des Code-Repos.

Eingebettete Task-Management-Engine: Entscheidungspunkt-Protokoll, Ideenwand und Issue-Speicher im Linear-Stil.

Lieferboard für Kundenprojekte: Pipeline mit Standard- oder Governance-Vorlage oder eigenen Phasen; Karten mit Zuständigen, Fälligkeit, Abnahmekriterien und DoD. Phasenwechsel erzeugen automatisch ein Übergabeprüfprotokoll. Enthält Protokolle für Fortschritt/Risiken/Blocker/Entscheidungen, wöchentlichen Markdown-Kundenbericht, nur an loopback gebundenes Drag-and-drop-Board und schreibgeschützten HTML-Export. Zustand in delivery.json im Workspace; 11 delivery_*-Tools und /delivery.

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).

Dreischichtiges lokales Gedächtnis für DeepSeek Harness: L1 Snapshot-Gedächtnis (MEMORY.md/USER.md), bedarfsgesteuert über die memory_*-Tools gelesen + L2 durchsuchbare Wissensbasis (Fakten + SQLite FTS5, chinesische Suche per Sliding-Window-Tokenisierung) + L3 Import aus Hermes/Claude Code/Codex/WorkBuddy und aus freigegebenen Agent-Hub-Dokumenten (memory/global, memory/projects, akzeptierte Entscheidungen) mit Dedup per Content-Hash. v0.2.0 entfernte jede automatische Injektion: Gedächtnis gelangt nur in den Kontext, wenn das Modell eines der 12 memory_*-Tools aufruft, und Daten bleiben auf dem lokalen Laufwerk.

Decision-Split-Ansicht für die DSH-Web-UI: eine Decision-Zusammenfassungs-Karte im Hauptfenster plus der vollständige Plan in einem unabhängig scrollbaren Seitenpanel, sodass Sie den ganzen Plan prüfen können, während Sie Entscheidungen schreiben, und sie mit einem Klick an den Agent zurücksenden.

Browser-Provider für DeepSeek Harness: erledigt Webaufgaben Schritt für Schritt im echten Browser anhand einer indexierten Aktionstabelle statt HTML oder Screenshots. Pro Schritt eine gebündelte Jev-Entscheidung statt eines ganzen Modellturns; Repo-Benchmark: Median 1,1 s gegenüber 2,8–3,6 s pro Chatmodell-Turn. Die Unterhaltung erhält nur das Fazit und wächst nicht mit Seitenkontext. Ziele stammen aus der gerade gelesenen Seite; bei Änderung wird neu gelesen. Nutzt den Session-eigenen Browser und lässt dein normales Chrome unangetastet, außer im attach mode.

Verhindert, dass DeepSeek Harness die Unterhaltung zu früh komprimiert (zusammenfasst). Ohne Plugin beginnt das bei kleineren Kontextfenstern ungefähr zur Hälfte; mit Plugin wartet es bis zum gewünschten Füllstand (standardmäßig 80 %), einstellbar je Anbieter/Modell. Nur der Zeitpunkt der Komprimierung ändert sich – was die Zusammenfassung enthält, entscheidet weiterhin DSH.

Skill zur Prüfung von Behauptungen anhand des offenen Webs statt des Modellgedächtnisses. Zerlegt Aussagen in unabhängig prüfbare Fakten, ordnet sie einer domänenspezifischen Primärquellen-Hierarchie zu, sucht parallel national und international, ruft Primärseiten ab, bewertet Quellentypen und sucht mit Widerlegungsbegriffen erneut. Liefert zuerst das Fazit, für jede Aussage vollständige URL und Belegstelle, und trennt unbestätigte/unentscheidbare von bestätigten Punkten. Mit Schlüssel können drei Urteile optional an TypeSafe Jev (System One) gehen; ohne Schlüssel gelten deterministische Regeln. Das Modell darf die Vertrauensstufe nur senken.

Ein local-first persönliches Zustandsprotokoll und eine Entscheidungsmaschine für dsh: bewahrt jede Eingabe bytegenau mit Provenienz auf Zeilenebene auf, argumentiert gegen die eigenen Schlussfolgerungen, indem sie zuerst Gegenargumente erzeugt, versieht jeden gespeicherten Fakt mit eigener TTL und meldet, wo eine Entscheidung auf gar nichts beruht.

Projektgedächtnis DSH. Erstellt PROJECT.md, DECISIONS.md und SESSIONS.md beim ersten Schritt jeder Workspace-Sitzung; liest von Platte neu, injiziert nur bei Änderung oder Komprimierungsverlust. memory_checkpoint speichert Kategorien; begrenzter Hinweis bei Arbeit ohne Eintrag. memory_read liest Live-Log/Archiv; memory_search durchsucht sie per BM25 ohne Abhängigkeiten. Max. 200 Einträge; Überschuss in SESSIONS-archive.md wird nie injiziert, bleibt lesbar, durchsuchbar und einzeln wiederherstellbar. Einstellungen: Pfadfilter, Read-only-Tabs, Neuladen, JSON-Import/-Export je Workspace, Löschen in zwei Schritten, AGENTS.md-Block bearbeiten/entfernen, PROJECT.md-Altershinweis. Sync-Anzeige; Klick erstellt Dateien. Keine Abhängigkeiten, Vektordatenbank, Embeddings oder Modellaufrufe.

Expliziter sitzungsübergreifender Arbeitszustand für DeepSeek Harness: Ziele, Entscheidungen und nächste Schritte, die automatisch aus Host-Ereignissen oder über ein modellsichtbares work_state-Tool erfasst werden, prüfbar mit /checkpoint.

Automatisierte tägliche Content-Pipeline für Insta360 GO 3S: BLE/WiFi-Fernaufnahme von Aquariumaufnahmen, drahtloser Import, ffmpeg-Qualitätsbewertung mit Entscheidungsprotokoll, automatische Bearbeitung (Segmentauswahl, TTS-Erzählung, Musik, Untertitel) und Bilibili-Upload über biliup (standardmäßig Trockenlauf).

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.

Vom Agenten initiierte Sprachanrufe: `offer_call` lässt beim Menschen klingeln (接听/拒接/稍后再说); angenommene Anrufe werden lokal mit CrispASR + Qwen3-TTS (9 Sprecher, 2 chinesische Dialekte) synthetisiert und abgespielt, abgelehnte Anrufe geben die Entscheidung an den Agenten zurück.

Begrenztes lokales Gedächtnis mit CBDC-Autoritätskontrolle: SQLite + FTS5-Claims, bereichsbezogener Abruf mit erklärbaren Use/Verify/Ignore-Entscheidungen und vollständigem Audit-Trail, /memory-Befehle, ≤3 Claims/1200 Zeichen Injektion pro Aufruf, kein zusätzlicher Modellaufruf.

Optional JEV decision mode with deterministic project reads, bounded semantic selection, native authorization checks and desktop credential settings.

Model failover and turn keep-alive for DeepSeek Harness: a request that fails with a model error before any visible output falls through the models of the configured provider groups (then the next provider) until one streams; transient failures retry with backoff under a liveness watchdog, a dead turn self-resumes with templated 「继续」 wake-ups, and an optional full-auto mode auto-answers permission, question and plan approvals with every decision appended to an AUTO-MODE.md audit log.

DeepSeek Harness approval guardian: a reviewer model decides permission requests before they reach you, with a System One decision-API backend (TypeSafe Jev, SiliconFlow, self-hosted Laya), a configurable low-confidence policy and an allow-rule whitelist.

Keeps a project's documentation in step with its decisions on DeepSeek Harness: the same append-only decision log and derived design snapshot, kept fresh in-process instead of by a hook process.

TypeSafe Jev (System-One-Entscheidungsmodell) für DeepSeek Harness, durchgängig: jev_decision (Choice/Score/Noul, parallel, typisierte Antworten + Konfidenz), eine Karte Einstellungen > Plugins für API-Key und Schalter, Inline-Tool-Ansichten, die jede Entscheidung in der Konversation zeigen (Antwort, Konfidenz, Latenz, Kosten), ein Auto-Guard (deterministische + Jev-Risiko-/Loop-Prüfungen), ein lokales /jev-Dashboard und ein Online-Verifikationsbenchmark (96,3 % bei 27 gelabelten Fragen, Median ~283 ms auf jev-latest, 2026-09-21). Ehrlich ausgelegt: nur echte API, kein Mock-Fallback.

Semantic tool routing, skill discovery, and typed System One decisions for DeepSeek Harness powered by TypeSafe Jev.