Plugins

Reproduzierbare Wissenschaftswerkbank: agentengesteuerte Zellen, Inline-Abbildungen mit Feedback/Neuausführung, Manifest-basierte Provenienz, Umgebungs-Snapshots und publikationsreife Abbildungs-Skills (9 bio_*-Tools + Werkbank-UI).

Wandelt Bilibili-Videos in strukturierten KI-Text um: Metadaten, Kommentare, Danmaku, Untertitel, lokale ASR und Frame-OCR. Verarbeitung lokal, kein Cloud-Upload; erkennt Köder-Untertitel per Frame-Prüfung, nutzt Cache für erneutes Lesen und erstellt KI-Manifest samt Zusammenfassung. Frame-OCR benötigt ffmpeg. Lokale ASR/OCR brauchen Python-3.10+-venvs und unter Windows zusätzlich die VC++-Laufzeit. KI-Untertitel erfordern eine Bilibili-Anmeldung.

GUI-Plugin für img2img-studio (zwei Bereiche in einem Paket): Bildeditor mit nummerierten Markierungen, Hintergrundentfernung, Pinselradierer, Größenänderung, Tastaturbedienung und Zuschnitt-/Maskenvorschau; dazu ein Anbieterpanel für Vision/Generierung mit Katalogwahl, Script-Scan, kontogesteuerten chatgpt-web-Channels, Test/Probelauf/Befehl kopieren je Zeile, Vorschau vor Speichern und Guthabenprüfung. Chinesische/englische UI; Speichern schreibt in `scripts/.env` zweier Skills zurück.

Jailbreak und Markenpersona für DeepSeek Harness: blendet den Einstiegssatz „You are an AI agent powered by DeepSeek Harness.“ aus oder ersetzt ihn durch eine eigene Selbstbeschreibung und hängt die eigene Jailbreak-Formulierung (Inhaltsgrenze) an jeden Systemprompt an. Mit dreistufiger Freigabe für Aufgaben außerhalb des Umfangs, optionalem Berechtigungsprofil (Sandbox völlig offen, fragt aber weiterhin nach) und Rückleseprüfung des Sitzungsprotokolls.

Ergänzt zwei UI-Bereiche. Der Bildeditor im Composer bietet nummerierte Markierungen mit Einzelanweisungen, Hintergrundentfernung, Pinselmasken-Radierer, Größenänderung mit Zuschnitt-/Auffüllvorschau und tastaturbedienbare Marker; Ergebnisse kommen als Anhänge samt Manifest Version 1 zurück. Das Settings-Panel für vision/generation provider enthält explizite Provider-Auswahl, `providerId`-Normalisierung, Sync von ChatGPT-web-Konten mit Channels, Test/try-run/copy-command je Kanal, Script-Bereitschaftsprüfung und Speicherprüfung mit `.env`-Vorschau. Ein Probe deaktiviert nur bei expliziten Quotenfehlern. Chinesische/englische UI; schreibt Provider in die Skills-`.env`-Dateien zurück.

Sidecar zur Agent-Team-Orchestrierung für DSH: Teams mit einstellbarer Mitgliedergrenze, echte Subagenten mit Modellrouting je Mitglied, automatisch nach Abschluss der Abhängigkeiten gestarteter Aufgaben-DAG, Broker zur Durchsetzung von fs/exec/net/env-Berechtigungen und Live-Webpanel per SSE.

Leistungsfähiger Fork von SAOS-3624/dsh-video-storyboard: nur dieses Plugin oder das Upstream-Plugin installieren, nicht beide. Wandelt Videos in adressierbare Storyboard-Raster um (nummerierte Zellen, Zeitstempel und Transkriptzeile pro Zelle, Audiohüllkurve). Benötigt Node 20+ sowie ffmpeg/ffprobe im PATH; fehlt eine Untertitelspur, ist ein konfigurierter ASR-Endpunkt erforderlich.

Ersetzt Bearbeitungs-/Schreibzeilen im Chat durch die offizielle native Darstellung. Aufgeklappt erscheinen Dateikarten mit Typ-Icon, Hinzugefügt/Entfernt-Zahlen, einklappbaren Blöcken, Hervorhebung, +/- Umschaltung und Unified-Diff mit echten Zeilennummern; der Kontextabstand ist einstellbar. Ein Patch-Tool wendet mehrere Änderungen atomar im Format *** Begin Patch an (Beta, standardmäßig off). Eingefrorenes Archiv: angeheftete Version beibehalten, da der Autor neue DSH-Versionen nicht mehr berücksichtigt.

Verpackt das Presentation-Skillset ppt-master upstream als installierbares DeepSeek-Harness-Plugin: Skills bytegenau eingebunden, drei Lifecycle-Tools (ppt_master_info, ppt_master_check_env, ppt_master_setup_deps), optionale venv-Interpreter-Isolierung und Konfigurationskarte auf der Plugins-Seite. Erfordert python3 >= 3.10 und die mit ppt_master_setup_deps installierten pip-Abhängigkeiten.

Übernimmt die edit-/write-Zeilen im Chat-Stream mit der offiziellen nativen Zeilen-Hülle und deren Einklappverhalten; beim Ausklappen erscheinen Code-Karten je Datei mit Dateityp-Symbol, Statistik der Hinzufügungen/Löschungen, Einklappen je Block, Plus/Minus-Umschalter für die Hervorhebung, syntaxhervorgehobener einheitlicher Diff mit echten Dateizeilennummern und konfigurierbarem Kontextrand. Enthalten ist außerdem ein Patch-Werkzeug (Beta, standardmäßig aus), das Patches an mehreren Stellen und in mehreren Dateien atomar über die Hülle *** Begin Patch anwendet.

Schaltet DSH-Fetch-Datenverkehr im laufenden Betrieb zwischen direktem, manuellem HTTP(S)/SOCKS5-Proxy und umgebungsbedingtem System-Proxy-Modus um, mit No-Proxy-Regeln und optionalem Export der Proxy-Umgebung für neu gestartete Kindprozesse.

Web-Chat-Einstieg für DeepSeek Harness: Eine Seitenleisten-Schaltfläche öffnet chat.deepseek.com in einem dedizierten Desktop-Fenster unter dsh-desktop, mit In-Webview-Fallback für reine Web-Umgebungen.

DSH-Umgebungsdiagnose, abgestufte Reparatur mit Ein-Klick-Rollback und ein Laufzeit-Selbstheilungsdienst.

Bringt OpenViking in die DSH-Web-GUI: mit Studio-Panel, einer sitzungsbezogenen Anzeige des Memory-Commit-Status samt Verlauf und einem Tab in der rechten Seitenleiste, der zeigt, was die aktuelle Sitzung abruft.

DSH-Adapter zwischen DeepSeek-Webchat und DeepSeek Harness: erfasst DSM-Tags automatisch, injiziert und schreibt Gedächtnis zurück, speichert vollständige Antworten im Web, bietet DSH-Seitenleiste zum Durchsuchen und manuellen Einfügen, Abruf nach Namen, allgemeine/nicht allgemeine Einordnung und transaktionale Gedächtniskomprimierung. Die Chrome/Edge-Erweiterung unter `extension/` und der lokale Dienst `@zoria-lind/dsh-ecolink-service` müssen separat geladen werden; der Adapter kann den Dienst automatisch starten.

Spec-Driven-Development-Pipeline für Odoo: 15 Tools führen eine Anforderung von einer unveränderlichen Spezifikation über die Architektur bis zu Modulcode oder Live-Konfiguration und verlangen dann ein persistiertes Urteil, das durch Belege aus einer echten Odoo-Instanz gestützt ist – mit fail-closed-Gates, menschlich freigegebenen Stapeln in einer deklarierten Umgebung, Odoos eigenem CSV/Excel-Importer und einem Journal, das die über das Plugin geschriebenen Daten rückgängig macht.

Die Autorenschaft von Git-Commits an die Identität der Umgebung binden (gh-Konto + Noreply-E-Mail).

Umgebungs-Housekeeper für den Agenten: Toolchain-Inventar (node/pnpm/git/gh/ffmpeg/browsers), Scratch/Cache-Scan mit Whitelist-geschützter Ein-Klick-Bereinigung und Editor für die Maschinenregeldatei (AGENTS.md) – alles in den Web-GUI-Einstellungen.

PBR-3D-Modellvorschau für Game-Art: GLB/GLTF mit Texturen, IBL-Umgebungsbeleuchtung, Orbit-Steuerung und Materialkanal-Inspektor (baseColor/normal/roughness/metallic/AO/emissive/wireframe); Skalar-Kanäle gemäß PBR-Spezifikation als Graustufen dargestellt, über den pbr3d-Zaun und das pbr_render-Werkzeug.

Bindet Git-Commits an die eigene Autor-Identität der Umgebung; die Injektion von Umgebungsvariablen überschreibt alle `git config`-Einstellungen.

Windows-PowerShell-5.1-Skill für große GitHub-Release-Assets. Host nur lesend prüfen: Proxy-Ports, System-Proxy/Umgebung, Clash-Verge-Core/-Konfiguration, curl-Version. Vier Wege parallel messen (Proxy, headless Core, Mirrors, direkt), danach kurz zeitbegrenzte Parallelität testen. Per parallelen curl-Byte-Ranges laden; Bytes und SHA256 gegen Digest prüfen. Test unter 100 MB oder ab 3 MB/s je Verbindung überspringen. Autorenmessungen: 6,3× gedrosselt (1.234→7.759 KB/s), 0,72× schnell (5.829→4.175 KB/s). Kein aria2/7z; ändert Proxy nicht, fragt nicht nach Ports/Parallelität. Fehlt es: echte Kandidaten plus `ASSET_NOT_FOUND`, kein Ersatz. Ohne Digest nur Größenprüfung: `DOWNLOAD_SIZE_OK_NO_DIGEST`.

Fügt pro Runde eine vom lokalen JEV-Modell des jev-decision-kit-Arbeitsbereichs gewählte Skill-Auswahlpräambel ein, damit der Agent genau diese Skills lädt, statt zu suchen. Benötigt einen separat eingerichteten jev-decision-kit-Arbeitsbereich (Python .venv, host/preface_worker.py, models/jev/head.json); ohne ihn wird nichts eingefügt.

Großbild-Erkennung für vision-exp-Modelle: verlustfreie 800×800-Kachel-Erkennung (smart/pipeline/full), lokales OCR mit Vorverarbeitung und Handschriftrouting, optionale Multi-Vendor-GPU (DirectML/CUDA/OpenVINO) mit automatischem CPU-Fallback.

Ein deepseek-harness-Plugin für die Tensorlake-Sandbox.