Plugins
Durchsuche, filtere und installiere DeepSeek-Harness-Plugins.
419 Plugins gefunden
dsh-dania-voice
xcw520/dsh-dania-voice
Lokale GPT-SoVITS-Sprachausgabe liest Antworten des DeepSeek-Harness-Assistenten vor, mit verschiebbarem Maskottchen-Schalter und Ein-Klick-Installer. Python 3.10–3.12 muss vorinstalliert sein (der Installer findet es nur, installiert Python aber nicht); etwa 5 GB Speicher und eine GPU werden empfohlen.
dsh-bili-pond
yoyolnfu/dsh-bili-pond
Der blaue, große, dicke Fisch durchstöbert Bilibili für dich: Er kommentiert in deinem Namen, sendet interessante Fundstücke per DM und führt Tagebuch sowie Erinnerungen für Langzeitzusammenfassungen. Er filtert Videos nach deinem Geschmack, erstellt Markdown-Digests und kann Kommentare beobachten und beantworten. Im Circle Mode antwortet er nur in Threads, zu denen der Video-Uploader ausdrücklich in einem Top-Level-Kommentar eingeladen hat; normale Zuschaueranfragen zählen nicht, und er startet nie einen neuen Top-Level-Kommentar. Kommentieren, DMs, Autostart und Kommentarüberwachung sind standardmäßig ausgeschaltet. Benötigt Node 22, DSH 0.1.7-rc.1+, ein angemeldetes Bilibili-Konto, eine Model-Route und Python.
dsh-media-skills
mjorgin/dsh-media-skills
Bildgenerierung und Bilderkennung für DSH: Images-Seite in der Seitenleiste, eine Zeile pro Modell, 10 Seitenverhältnisse, Größen 1K–4K, Kontaktbogen mit Detailkarten, Zoom, Wiederverwendung und Löschen. Drei voreingestellte Provider (einer ohne Schlüssel), eigene Endpunkte und eine Vision-Review-Skill. Ein eingefügter Schlüssel wird mit Modus 600 unter ~/.dsh/secrets/media-tools.env gespeichert und nur an den gewählten Provider gesendet. Die Seite übernimmt die Harness-Sprache (Chinesisch oder Englisch). Python 3.9+ erforderlich; Generierung über scripts/generate.py; Seite benötigt DSH Desktop 0.2.1+.
dsh-office-kit
hairyf/dsh-office-kit
Erstellt, liest und bearbeitet DOCX, PDF, PPTX und XLSX über /documents, /pdf, /presentations und /spreadsheets. Rendert Seiten zur Layoutprüfung und wandelt Markierungen in der Seitenleisten-Vorschau in Bearbeitungsaufträge für die Session um. Python 3.10–3.13 erforderlich.
dsh-video-coursemap
linner1224/dsh-video-coursemap
Nur Windows: Überwacht den Titel des Vordergrundfensters, erkennt Bilibili-Videokurse, ordnet sie Fächern zu, lädt Metadaten/Danmaku/Kommentare und erstellt Markdown+Mermaid-Wissenskarten sowie Word-Lernhandbücher. Word-Ausgabe erfordert lokal installiertes Python.
dsh-reel
eileenes/dsh-reel
Promo-Studio für DSH-Plugins: Pluginname eingeben, einer Fallakte zuordnen und lokal einen 28-Sekunden-Film mit echter UI plus Poster rendern. V0.1 rendert in lokalem Chrome mit eigenem Frame-Renderer (Shutter-Intervall-Sampling für Bewegungsunschärfe, harte Schnitte) und liefert Kompositions-Assets mit; npm install reicht ohne Onetake-Runtime. Benötigt Node.js 22+, Chrome/Chromium und ffmpeg; python3 für den Tonmix.
Paper-Agent-Skills
scodive/paper-agent-skills
Belegorientierte wissenschaftliche Schreib-Skills für DeepSeek Harness: Überarbeitung anhand bereitgestellter Versuchsprotokolle und Quellen, Vorbereitung von Erwiderungen und Präsentations-Dramaturgie. Jede Funktion enthält Python-Tools zum Bündeln der Belege und lokalen Prüfen der Änderungen.
dsh-kb-rag (npm-package)
breeze136/dsh-kb-rag
Lokale Literatur-Wissensdatenbank-RAG: 10 Tools (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), hybride BM25+Vector+Reranker-Suche, belegte Fragen-Antworten mit anklickbaren DOI-Links, vollständig lokale bge-Embeddings über einen Single-File-SQLite-Index. Benötigt Python 3.9+ mit pymupdf, faiss-cpu und sentence-transformers; der Installer `npx dsh-kb-rag-install` richtet diese ein und lädt das Modell vorab herunter.
dsh-smart-charts
hherosoul/dsh-smart-charts
Smart-Charts-Skill: verwandelt Datendateien (CSV/TSV/TXT/XLSX/XLS/JSON) in eigenständiges interaktives ECharts-HTML – 32 Diagrammtypen inklusive Offline-Karten, 3 Themes, kein CDN. Ein --profile-Datenprofil (dtype je Spalte, Kardinalität, Fehlwerte, Stichproben, Statistiken, Entitätskörnung, Insight-Signale) lässt den Agenten die Daten selbst lesen und das Diagramm wählen; jedes Diagramm bettet ein Fact Sheet (plot_stats + data_preview) ein, dessen Zahlen die einzigen zitierbaren Werte sind. LLM-Transform-Code läuft in einer eingeschränkten Sandbox (Blacklist + AST-Whitelist + sichere Builtins); --doctor prüft die Python-Umgebung selbst. Vollständig offline, ECharts mitgeliefert.
dsh-live2d-mao (dsh-live2d-mao)
xkk6663/dsh-live2d-mao
Nur ein Connector: Er rendert selbst nichts. Er abonniert DeepSeek-Harness-Sitzungsereignisse, fasst sie zu 12 Arbeitsphasen zusammen (planning / thinking / executing-tool / streaming / waiting-input / voice / awaiting-approval / complete / error / paused / idle / heartbeat) und sendet jede Phase per POST an das Desktop-Pet-Backend unter http://127.0.0.1:8000/api/plugin/dsh/ingest. Es gibt kein Fenster; API-Schlüssel oder Token sind nicht nötig. Die Mao-Live2D-Pet-App muss separat installiert und gestartet werden (eine Windows-Electron-App mit eigenen Voraussetzungen PowerShell 7 / Python 3.10+ / Node 18+). Ohne sie gibt es kein Ziel für die Daten.
pbfuzz (dsh-pbfuzz)
sgzeng/pbfuzz
LLM-Agent-gestütztes Directed Fuzzing. Aus Zielrepository und Fehler (CVE-Beschreibung, Patch, Crash-Trace oder file:line) durchläuft es PLAN, IMPLEMENT, EXECUTE, REFLECT; das Modell schreibt Python-Eingabegeneratoren, bis der stderr-Musterorakel der Kampagne auslöst oder sie endet.
dsh-bili-watch
sacredbluedragon/dsh-bili-watch
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.
sgme
freehul/sgme
Bridge zur ShiGuang Memory Engine (SGME): agentenübergreifendes gemeinsames Langzeitgedächtnis über HTTP — L0/L1/L1.5/L2-Destillation, szenariobasierte Injektion, einheitliche Suche und proaktive Care-Signale (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), installierbar als `dsh-sgme`.
agent-web-search
jerryliu369/agent-web-search
Gebündelte Websuche aus mehreren Quellen für DeepSeek Harness: ersetzt web_search durch modellnatives Grounding und Agent-Such-APIs mit Quellenangaben und erweiterten Zitatkarten.
rea-gp
matriq/rea-gp
Findet Android-Spielpakete und führt durch die Analyse und Änderung von Google-Play-Abhängigkeiten. Benötigt Python 3 und ausgewählte Android-Tools (JADX/apktool/adb).
deterministic-pixel-art (dsh)
chenamel/deterministic-pixel-art
Beschreibe, was du in DSH zeichnen möchtest, oder gib ein PNG vor und nenne die Änderungen. Exportiert ein PNG und bearbeitbares JSON oder färbt einen ausgewählten Bereich um. Zum Zeichnen werden Python 3.10+ und Pillow benötigt.
dsh-sw-cad
27painter/dsh-sw-cad
Registriert zwei MCP-Server, die installierte AutoCAD- und SolidWorks-Desktop-Apps über COM steuern, sowie zwei Skills bei Bedarf. Nur Windows, Python 3.11+. Die fixierten Upstream-Server installieren sich beim ersten Laden; angezeigt wird nur der Server, dessen CAD-App registriert ist. Jeder Server bewirbt zwei Meta-Tools statt des vollständigen Katalogs (hier ein Discovery-Shim für SolidWorks, upstream DISCOVERY_MODE=search für AutoCAD). Senkt die vor der ersten Anfrage geladenen Schemas von 23.404 auf 256 Tokens bzw. von 83.732 auf 365.
dsh-video-understand
ilps2/dsh-video-understand
Kostengünstiges Video-Verständnis-Tool: Ein video_understand-Tool wandelt einen Bilibili-Link / BV / ein lokales Video in eine AVIS-Informationsschicht (ASR + Szenenstruktur + Objekt-Tracking + YOLO-Labels) um und liefert Zusammenfassung + Q&A. Fragegesteuertes dynamisches Routing über Ebenen hinweg (L0 ASR / L1 Objekt-Tracking / L2 Keyframe-VLM), Wiederverwendung der semantischen Schicht für Wiederholungsfragen, Budgetobergrenze pro Frage. Python-Engine: Die Kernschicht benötigt faster-whisper / opencv / yt-dlp (~200-300MB); die optionale semantische Schicht fügt ~2GB torch / transformers / ultralytics hinzu. Ein mitgeliefertes doctor --fix richtet das venv ein und installiert beide.
Aurify (bundle-patent)
ai-tools-mtl/aurify
Patent-Schreib-Gatekeeper für dsh – prüft die Idee zuerst gegen chinesischen Stand der Technik, führt dann Gespräche zur Ausrichtung von fünf Parteien, das Verfassen einer achtkapiteligen Offenbarung, Abbildungen und Simulationsläufe, eine Sieben-Dimensionen-Prüfung und den Export nach docx/PDF durch. Die Skills funktionieren sofort; die Such-, Export- und Experimentier-Tools stammen aus einem mitgelieferten Python-MCP-Dienst, der deaktiviert ausgeliefert wird – eine Zeile in ~/.dsh/patent-services.yaml aktiviert ihn, und uvx holt das Wheel von PyPI.
minta (dsh-plugin)
xinchen03/minta
DSH-native Integrationsschicht für die Minta-Speicher-Engine: setzt die offizielle dsh-mcp-client-Zeile zusammen, registriert die Skill minta-memory-governance sowie ein Speicher-Prewarm zu Sitzungsbeginn und liefert ein Minta-Agent-Preset mit; erfordert die separat bereitgestellte Minta-Engine (Python/Docker), die die 19 MCP-Tools bereitstellt — ohne diese nicht verwendbar.
chelate-shell
jiamingshi-jsphys/chelate-shell
Führt 19 Forschungs- und Engineering-Skills als Pipeline mit Gates aus. Jeder Skill belegt eine feste Phase; scheitert ein Gate, werden nachgelagerte Skills blockiert und erhalten das Ergebnis nicht. Die Gates sind falsifizierbare Prüfungen statt Ablaufsteuerung: Atomerhaltung chemischer Gleichungen, CAS-/Einheitenprüfung von Formeln, DOI-Auflösung über Crossref, Leakage-Erkennung in ml-Datensätzen und Elementprüfung von OBJ-Meshes. Ein Lauf nennt den konkreten Fehler, statt ein plausibles Dokument zu erzeugen. Vier Tools steuern die CLI: Registry auflisten, Skill ausführen, Pipeline mit dry run starten und results/ auf Dateien ohne zugehörige Freigabe prüfen. Python 3.10+ auf dem Host erforderlich.
open-dream-rsi
patrykorwat/open-dream-rsi
Offline-Selbstverbesserung für Coding-Agenten: Strategien werden per kontrafaktischem Replay in einem sich entwickelnden Weltmodell geprüft. Kein Fine-Tuning, LLM bleibt unverändert. Mit MCP und Python-Server.
dsh-workbench
chengyunlai/dsh-workbench
Öffnet Quellcode-Links aus DeepSeek-Harness-Gesprächen an der referenzierten Zeile, zeigt Git-Diffs neben dem Chat, prüft pausierte Variablen und macht Erklärungen zu durchsuchbaren Markdown-Speicherkarten. Python-Klassenbeziehungen sind Beta. Go/Java-Navigation benötigt Language-Server, Breakpoint-Debugging einen Debug-Adapter.
dsh-chrome-bridge (plugin)
orderg-x/dsh-chrome-bridge
Steuert angemeldetes Chrome: echte Tabs, Iframes gleicher Herkunft. macOS/Windows/Linux; Chrome 116+, Node 18+. Native messaging + `chrome.debugger`, kein Port; 12 `browser_*`, CLI `cb`. `browser_download`: Link/Ziel/URL mit Anmelde-Cookies; Downloads/Arbeitsordner, folgt Weiterleitungen, erhält Servernamen. Fremdherkunft-Iframes nur gelistet, ohne Zugriff. Paket mit nativem Host + MV3; Erststart kopiert/installiert und registriert native messaging. Kein Klonen, `install.sh`, `python3`. DSH Bridge hinzufügen: Chrome Web Store (https://chromewebstore.google.com/detail/bippcbbbipppmhjkjomgdnjbooecbimo, kein Developer mode) oder entpackte Kopie via `chrome://extensions`; bis dahin Tools mit Fehlerhinweis. Windows: Chrome/Edge-Registrierung, benannte Pipe.