Plugins

Inoffizieller Command-Code-LLM-Provider: registriert eine `commandcode`-Route mit einem Live-Modellkatalog und Unterstützung für Reasoning-Effort.

Wandelt ein Video (lokale Datei oder Bilibili-/yt-dlp-Link) in ein adressierbares Storyboard-Raster um: nummerierte Zellen, exakte Zeitstempel, Transkript je Zelle und Audiohüllkurve auf derselben Zeitleiste. video_zoom liest ein beliebiges Zeitfenster mit höherer Auflösung erneut ein, damit ein reines Textmodell das Video statt einer Zusammenfassung untersuchen kann.

Führt die auf diesem Rechner angemeldeten WorkBuddy-Konten in DeepSeek Harness zu einem Modellpool mit automatischem Failover zusammen. Enthält Kontenrotation, 429-Abklingzeit, Live-Guthaben, einen Katalog mit Modellspezifischen Guthabenmultiplikatoren und Gratis-/Nachtpreis-Tags, QR-Anmeldung für 13 Anbieter sowie gebündelte Gratis-Kanäle. Konten bleiben über Neustarts erhalten.

Führt alle lokal angemeldeten WorkBuddy-Konten in DeepSeek Harness zu einem einzigen Modell-Pool mit automatischem Failover zusammen (Multi-Konto-Rotation, Live-Guthaben und ein Modellkatalog mit Guthaben-Multiplikatoren pro Modell und Tags für kostenlos/nachts rabattiert).

Stellt die kostenlosen OpenCode-Zen-Modelle für DeepSeek Harness bereit, ohne API-Schlüssel.

Bringt den Agenten über SnowLuma (OneBot v11) als Persona-Figur zu QQ: Einzel- und Gruppenchats, Sprachnachrichten, Sticker, Qzone-Tagebuch, Bilibili-Browsing, Song-Cover, Bildgenerierung, Langzeitgedächtnis und Stimmung. Jede Funktion ist ein lokal abschaltbares, austauschbares oder erweiterbares Modul; heiß geladene Module können auch Gruppen-Antwortentscheidungen, Prompts, ausgehende Nachrichten und die Modellauswahl je Chat umschreiben. Standardmäßig sicher: Hauptschalter aus, Probelauf an.

Adaptiver Reasoning-Slider-Skin, der die verfügbaren Reasoning-Effort-Stufen jedes Modells auf eine visuelle Intensitätsskala von 0 bis 30 abbildet, mit synchronisierten Porträts, Hintergrund und Oberflächenfarben.

Fügt einen deepseek-web-Anbieter hinzu, der die Webmodelle von chat.deepseek.com in DSH nutzt, mit Browser-Login-Erfassung, PoW-Anfragesignatur, SSE-Streaming und promptbasierten Werkzeugaufrufen.

ChatGPT-OAuth-Provider für Codex-Modelle mit Abonnement-Websuche, Kontingent und sicherem Reset, Bildtools, Fast-Modus und modellbewusstem Kontext; kein API-Schlüssel oder Codex CLI erforderlich

Lässt einen rein textbasierten Agenten einen Livebildschirm oder Kamerastream beobachten. Jeder Frame wird nach der Bildänderung bewertet; nur relevante Frames kommen mit Audiohüllkurve auf ein nummeriertes Blatt, damit das Modell tatsächliche Änderungen statt alle paar Sekunden einen Screenshot sieht.

Generative UI direkt in der Unterhaltung: Das Modell rendert interaktive HTML-Karten in den Chat-Stream, mit Streaming-Vorschau und sandboxed Rendering.

Arbeitsbereichs-Studio für quellenbasierte Berichte, Folien, Tabellen, Mindmaps, Quizze, Lernkarten, Audio und Video mit DSH-Modellen und gemeinsamen Artefaktdiensten. Für Office-Erstellung sind Python 3.12+ samt Abhängigkeiten und die Konfiguration von DSH_OFFICE_PYTHON erforderlich; Medien-Rendering benötigt Chromium, lokales ASR zusätzlich whisper.cpp und ein Modell.

Konfigurierbare OIDC-Anmeldung und per Token autorisierter Modellzugriff, einschließlich LiteLLM und einer optionalen oidc-llm-Integration, mit einem eigenständigen DSH-Web-Backend.

Persistente Multi-Modell-Trupps, die in den Einstellungen konfiguriert und im Composer ausgewählt werden, mit Modell- und Tool-Richtlinien pro Mitglied. Standardmäßig erledigt der leitende Agent einfache Arbeit selbst und delegiert nur, wenn der gespeicherte Trupp gebraucht wird; delegierte Arbeit läuft als begrenzter DAG mit optionaler Prüfung und Reparatur. Run Center verfolgt Wiederholungen und Tokens pro Mitglied aus offiziellen Harness-Nutzungsereignissen.

Ergänzt den nativen DSH-Modellwähler um einen animierten Regler für den DeepSeek-Chan-Reasoning-Aufwand. Er folgt den vom Modell angegebenen Stufen; beim Ziehen wird die Animation schneller.

Automatische Überprüfung durch ein zweites Modell in der Genehmigungs-Antwortkette: Ein schreibgeschützter Reviewer-Subagent liefert strukturierte Erlauben/Verweigern-Urteile mit Begründung, standardmäßig fail-closed (im Zweifel ablehnend).

OpenCode-Go-Provider mit Live-Gateway-Modellerkennung, Online-Fähigkeits-Metadaten von models.dev, Sitzungs-Routing und Web-Einstellungen mit Abo-Nutzung.

In-place-Gesprächsrücklauf im selben Sitzungsfenster ohne Fork (Claude-Code-/rewind-Semantik): Eine ↶-Schaltfläche pro Nachricht schneidet den Modellkontext auf eine beliebige Benutzernachricht zurück, mit optionaler Dateiwiederherstellung im Claude-Code-Stil aus auf Festplatte gespeicherten Backups.

Bindet den Agenten über SnowLuma (OneBot v11) als Persona an QQ an: private und Gruppen-Chats, Sprachnachrichten, Sticker, Qzone-Tagebuch, Bilibili-Browsing, Song-Cover, Bildgenerierung, Langzeitgedächtnis und Stimmung. Jede Funktion ist ein lokal deaktivierbares, austauschbares oder erweiterbares Modul. Hot-reloadbare Module können auch Gruppen-Antwortentscheidungen, Prompts, ausgehende Nachrichten und die Modellauswahl je Chat ändern. Sicherer Standard: Hauptschalter aus, dry run an.

Einfach dieses Plugin in dsh installieren: kein Login, keine Registrierung, kein API Key — und die Frontier-Modelle sind da, darunter Muse Spark 1.3 und MiMo V2.6. Komplett kostenlos, ohne Nutzungslimit.

The memory that dreams – sitzungsübergreifendes Gedächtnis für DeepSeek Harness: erinnert sich an dich und deine Projekte, konsolidiert Erinnerungen im Leerlauf (autoDream), stellt widersprüchliche Erinnerungen zur Prüfung zurück und führt ein erneut abspielbares Prüfprotokoll. Das Gedächtnis bleibt als SQLite mit bearbeitbaren Markdown-Spiegeln auf deinem Rechner; Abruf über vier Wege (Stichwort, Vektor, BM25, Entitätsgraph), interaktives Gedächtnis-Panel, 10 Modell-Tools, MCP-Server, externe API und CLI. Zusammenfassung und Konsolidierung nutzen das bereits konfigurierte Host-Modell; mit lokalem Embedder läuft die semantische Suche vollständig offline.

Meldet, welche Skills in jedem Turn aufgerufen wurden (vom Modell geladen, als /name getippt oder keine) und verwaltet das lokale Skill-Verzeichnis: Installation aus einer eingefügten Repository-, Ordner-, SKILL.md- oder Zip-Adresse, Festlegen eines chinesischen Anzeigenamens in der Skill-meta.yaml und Entfernen eines Skills unter Beibehaltung eines Backups.

Seitenleisten-Nutzungspanel, das Tokens der Relay-Site zuordnet, die jede Anfrage bedient hat, ausgelesen aus Ihrer bestehenden Provider-Konfiguration: Summen für heute/Monat/gesamt, Aufschlüsselungen nach Site und Modell, eine Jahresaktivitäts-Heatmap sowie New API-/Sub2API-/DeepSeek-Guthaben.

Das Modell mit Datenbanken verbinden und SQL schreiben lassen.