Plugins

Proaktive assoziative Gedächtnisfunktion für DSH: injiziert an einer festen Grenze promptfreies Recall, mit dreischichtiger Auto-Konsolidierung, Skill-Kristallisierung und Astra-artigem Kontextmanagement. Enthält Übergabeprotokolle und ein PLAN-Whiteboard, die Fensterwechsel des Kontexts überstehen, sowie Wasserstandserkennung mit automatisch erkanntem Modellfenster. Lokale Markdown-Speicherung, modellagnostisch, null Abhängigkeiten; lexikalische 0-GB-Untergrenze mit optionalen semantischen Ebenen.

Kuratiertes dateibasiertes Langzeitgedächtnis für DeepSeek Harness — menschenlesbare Markdown-Notizen, ein einziger Klartext-Dateispeicher, der über Hosts hinweg gemeinsam genutzt wird (von git ignoriert, wenn er sich in einem Projekt-Repository befindet), und eine deterministische Indexobergrenze, die von ctx.tools.guard() durchgesetzt wird

Setzt Unterhaltung und Workspace-Zustand zurück, angetrieben von einem persistenten Change Ledger.

Red-Team-Modus: Zielorganisation angeben; eine Planungssitzung startet fünf Rollen (Aufklärung, Asset-Triage, Schwachstellensuche, Ausnutzung, interner Pivot) mit einstellbarer Parallelität. Vorabprüfung von Skills/Ressourcen. Bewertung in vier Stufen (Aufklärung, Internet, Grenze, intern), mit Serverlimits und Deduplizierung zugunsten höherer Privilegien. Befunde in lokaler SQLite-Faktenbasis. Die persistente Seitenkonsole hat neun Seiten: Asset-Karte, Agents, Sitzungen/Tunnel, Befunde, Bewertungsziele, Berichte, POC-Wissensbasis, Skill-Bibliothek. v0.15.2 ergänzt automatische HTTP-Beleg-/Aktionsprotokolle, Batch-Import, Scope-Prüfung, Tunnel-Pivot-Test, Datennachweis, Bereinigungsprotokoll und Asset-Zulassung T0-T3 gegen Scope-Abweichung. 59 redteam_* Tools, 38 Skills.

Langzeitgedächtnis für DSH-Agenten — dauerhafte, inspizierbare Erinnerungen mit Abruf-, Such-, Durchsuch- und Wissensgraph-Tools, Import aus zehn anderen KI-Coding-Tools und eine Einstellungsseite.

Das Gedächtnis, das träumt — sitzungsübergreifendes Gedächtnis für DeepSeek Harness: erinnert dich über Sitzungen hinweg, konsolidiert sich im Schlaf selbst (autoDream), friert widersprüchliche Erinnerungen für deine Prüfung ein und führt ein wiedergabefähiges Audit-Protokoll. Offline-first lokale semantische Suche über SQLite mit manuell editierbaren Markdown-Spiegeln, ein Entity-Graph, ein interaktives Gedächtnis-Panel sowie eine externe API und CLI.

Das Gedächtnis, das träumt — sitzungsübergreifendes Gedächtnis für DeepSeek Harness: erinnert sich über Sitzungen hinweg, konsolidiert sich im Schlaf (autoDream), friert widersprüchliche Erinnerungen für die Prüfung ein und führt eine wiederabspielbare Prüfspur. Offline-first lokale semantische Suche über SQLite mit menschenlesbaren Markdown-Spiegeln, einem Entitätengraphen, einem interaktiven Gedächtnis-Panel sowie externer API und CLI.

Selbstgebautes DSH-Gedächtnis-Plugin: SQLite-Persistenzspeicher + Audit-Wächter auf Datenbankebene (enforceAudit) + Audit-Protokoll. Erfasst Wissen nach Gesprächen automatisch, Agenten erinnern per memory_recall, Unterstützung für Multi-Agent-Teilen mit Claude Code/Codex/Cursor. Null externe Abhängigkeiten.

Kausaler Speicher für dsh: eine abhängigkeitfreie MCP-stdio-Brücke, die die 17 Tools des causal-memory-Servers unter klaren Namen (ohne Präfix mcp__) einbindet — Entscheidung-→-Ergebnis-Kanten mit typisierten Beziehungen (caused / enabled / prevented) in einem lokalen SQLite-Speicher, der Kompaktierungen übersteht — plus ein angehefteter System-Prompt-Abschnitt. Erfordert die Binärdatei des causal-memory-Servers im PATH (pip install causal-memory oder ein vorkompiliertes Release).

Link einfügen, Agent liest. Xiaohongshu, Douyin, Bilibili, WeChat, Artikel, PDFs und Audio werden zu zitierbarem Markdown für Wiki/Wissensdatenbank. Exploratives A/B mit 60 Turns (unterschiedliche Zeitlimits, Korrektheit nicht menschlich geprüft): Lesen abgeschlossen 22%→92% (+70 Prozentpunkte), Zeitüberschreitungen 68%→0%, Antworten mit echtem Quellenfakt 23%→82%. Von 123 Live-Links waren 80% nutzbar (93% der antwortenden Seiten); unerreichbare Links werden nach 26 s gemeldet. Unterstützt Codex, Claude Code, DSH.

Desktop-Teil der plattformübergreifenden DSH-Browsererweiterung: verbindet die Erweiterung mit dsh, stellt browser_*-Werkzeuge bereit und erkennt bei Bedarf Bilder auf der Seite. Dies sind alle Konfigurationsoptionen.

Dezentrale, offline-orientierte Graphspeicher- und Aufgabengraphen für DSH mit signierten Fakten, Synchronisierung mehrerer Geräte und gemeinsam genutzter Mebular Console im Seitenpanel. Ein laufender Mebular-Daemon ist erforderlich (Mebular-Desktop-App oder mebular serve aus @mebular/core); dieses Plugin bindet lediglich Speicher-Tools und Console-Panel daran an.

OpenAI-kompatible Bridge für Midscene mit den in DeepSeek Harness konfigurierten Modellen. Lauscht auf 127.0.0.1 (Standard 8787, weicht bei Belegung auf freien Port aus) und leitet Streaming-/normale chat completions an die Host-Modellschicht. Unterstützt offizielles DeepSeek-Routing, CodeBuddy, Codex und eigene OpenAI-/Anthropic-Endpunkte. Zugangsdaten bleiben in provider-Plugins; die Bridge berührt sie nicht. /v1/midscene-env erzeugt vier MIDSCENE_MODEL_*-Zeilen und erkennt die Modellfamilie. Sieben Skills für Browser, Desktop, Android, iOS, HarmonyOS, Vitest E2E und Midscene-Referenz; kein npx skills add. npm: dsh plugin --profile web add @tnnevol/dsh-midscene

Skill-gesteuertes Harness/Loop-Engineering-Workflow-Agent-Plugin.

Tiefgehendes Lesen von Büchern und Artikeln in fünf Modi (Schnell, Tief, Wissenskarte, Feynman, Vollständiges Buch) mit Aussage-Beleg-Daten-Berichten, Mermaid/XMind-Mindmaps, Stapelvergleich, Budget-Vorabprüfung, transparentem Fortschritt von Hintergrundaufgaben sowie MD/HTML-Exporten aus URLs, Dateien oder eingefügtem Text.

Per-Modell-Konfiguration für Reasoning-Aufwand und Eingabemodalität für Drittanbieter-Provider: Vorschläge, fusioniert aus einer Modell-Wissensbasis und Roh-/models-Endpoint-Evidenz mit Konfidenz-Labels, bearbeitbar innerhalb der offiziellen Models-Seitenkarte.

Die DSH-Plugin-Entwicklungs-Wissensdatenbank als On-Demand-Agenten-Skill: offizielle Einschränkungen, Aufgaben-Workflows, API-Referenz und Community-Fallstricke, mit dem Bundle installiert, damit der Agent beim Plugin-Erstellen nachschlagen kann.

Sitzungsübergreifende Speicher-Engine für DeepSeek Harness: SQLite-Speicher + von Menschen editierbarer Markdown-Spiegel, autoDream-Konsolidierung, Offline-Semantiksuche (lokale Vektorisierung/Reranking/Clustering), Entität-Attribut-Zeitachse, Sleep Mode, autoSummarize mit benutzerdefiniertem Modell und 7 Speicherwerkzeuge.

QA-Pipeline als 10 Agent-Skills: Anforderungsanalyse, Teststrategie, Fallerstellung und Review, E2E (Playwright) und API-Automatisierung, explorativ, Regressionsumfang und Bug-Analyse, gestützt auf eine gemeinsame Wissensbasis mit Formatregeln, Risikomodell und Schema-Validatoren.

Schwebender DSH-Desktop-Begleiter mit 12 verfassten Zustandsanimationen für Anfragen, Werkzeuge, Compaction, Archivierung und Prompt-Erweiterung; Live-Kontextauslastung; ein dauerhaftes Lifetime Ledger über Sitzungen hinweg; Summen pro Anbieter/Modell, stündliche Trends und 7/30-Tage-Ansichten; Dunkel/Hell-Themenwechsel; optionale Kostenschätzungen (standardmäßig aus) mit visuellem Preiseditor und monatlicher Budgetwarnung; clientseitiger Skin-ZIP-Import; JSON/CSV-Nutzungsexport; reine Snapshot-Panel-Lesevorgänge mit Hintergrund-Inkrementindexierung; und optionale Prompt-Erweiterung mit bearbeitbarer Vorschau und DSH-Composer-Übermittlung.

Mebular-Speicher, Aufgabengraph und gemeinsame Konsole für DeepSeek Harness.

Sitzungsübergreifendes Langzeitgedächtnis als lokale SQLite-Datenbank: zwei Bereiche (Nutzer und Projekt je Git-Origin), hybride Suche mit FTS5 und lokalen Vektoren, per RRF zusammengeführt, eine Evidenzprüfung mit explizitem Urteil zur ausreichenden Beleglage, Herkunfts-Prüfketten, SM-2-Wiederholungslernen, Verdichtungs-Destillation und Vergessen durch Abbau sowie Memory-Palace-Seitenleiste mit neun Ansichten. 22 Tools mit eng begrenzten Parametern, kein externer Dienst, kein API key, kein Docker.

Liest Assistentenantworten laut vor über kostenloses Edge TTS oder eigene RVC-Sprachmodelle: Vorlese-Schaltflächen + automatisches Vorlesen, adaptive blockweise progressive Wiedergabe (lückenlose Langtexte), Ein-Klick-Installation von Voice-Packs aus einer Registry sowie eine portable RVC-Laufzeitumgebung.

Skill-gesteuertes Workflow-Agent-Plugin für Harness-/Loop-Engineering.