Plugins

Lerncoach für DeepSeek Harness: bildet Kurse als Wissenskarte aus Fach, Modul und Einheit ab, erfasst den Lernstand jeder Einheit in sechs Stufen, plant Tagesaufgaben anhand eines Materialindexes, führt Fehlerbuch und Karteikarten für verteiltes Wiederholen und bietet ein eigenes Webpanel.

Verfolgt den Sitzungsfortschritt in DeepSeek Harness ohne Logs zu durchsuchen: Der Agent pflegt eine gewichtete, verschachtelte Checkliste von Phasen bis Einzelschritten, damit Ring und Prozentanzeige dem tatsächlichen Stand entsprechen. Beim Überfahren erscheint die Aktivität; der Tab Session Progress zeigt Ziel, gewichtete Liste, nächste Schritte und Notizen. Nach Sitzungsende bleibt sie als Ergebnisprotokoll erhalten.

Zeichnet echte Klicks, Eingaben, Navigation und Netzwerkverkehr in einer nutzergeführten Browsersitzung auf und erstellt einen Markdown-Zeitstrahlbericht (report.md + events.jsonl) für API-basierte Skills.

Lese-Archiv für dsh: nach dem Lesen von Open-Source-Code schnelle Notizen erfassen oder ausführliche Tiefennotizen schreiben, die sich zu einer Karte pro Repo / Datei / Symbol gruppieren und als nur anhängbares Log von Markdown-Notizen gespeichert werden, die du in Obsidian öffnen kannst; Verlauf abfragen, letzte Lektüren durchsuchen oder im eigenen Obsidian-Vault suchen und verwandte Notizen mit einem Lese-Eintrag verknüpfen. Neun Tools, ein /codevault-Befehl und ein Code-Lese-Skill.

Funktionsreiche Aufzeichnung und Wiedergabe für DSH (funktioniert unter Windows) aus der huahua-Plugin-Reihe: Jede automatisch aufgezeichnete Sitzung als lesbare Zeitleiste wiedergeben, teilbare Wiedergabepakete exportieren/importieren, Unterhaltungen in einer neuen Sitzung erneut ausführen und Bildschirmoperationen aufzeichnen, um automatisch installierbare SKILL.md-Skills zu erzeugen. Enthält eine 4-Dateien-Windows-Anpassung von kangshifu1/dsh-record-replay für DSH rc.5 (siehe Hinweis zu abgeleiteten Werken in der README).

SSH-Terminal-Panel und KI-Verbindungsmanager für DeepSeek Harness: modellgesteuerte SSH-Verbindungen (verbinden/ausführen/auflisten/Status/trennen), automatisch gespeicherte Verbindungsdatensätze, Keep-alive + automatische Wiederverbindung, Ausführungs-Mutex, anmeldedatensichere Authentifizierung und eine Multi-Terminal-Benutzeroberfläche im XShell-Stil.

Zeigt das DeepSeek-Guthaben und die geschätzten täglichen Ausgaben an, fusioniert externe Vision-Call-JSONL-Datensätze und fügt ein Dashboard pro Sitzung mit Modellstatistiken, TTFT, Cache-Rate, Call-Logs, Kostenschätzungen, Filtern und CSV-Export hinzu.

Löscht einen abgeschlossenen Gesprächszug aus einer DSH-Unterhaltung, ohne die Sitzung zu löschen. Die Schaltfläche neben der letzten Assistentenantwort entfernt Frage, Antwort und Tool-Aufzeichnungen des Zugs aus Unterhaltung und Modellkontext. Sitzungs-ID und -Titel, spätere Züge und das nur ergänzte Protokoll bleiben erhalten. Die Löschung wird als dauerhaftes Tombstone gespeichert.

Skill-Werkzeuge nach Bedarf für DeepSeek Harness: skill_search / skill_load / skill_ref durchsuchen eine gestufte Bibliothek und laden Inhalte erst bei Bedarf, sodass die Bibliothek weder dauerhaft im Sitzungskatalog noch in jedem Zugkontext liegt. Der Skills-Tab liest die Sitzung zurück und listet tatsächlich geladene Skills samt Zug. Keine Abhängigkeiten; Protokolle werden nur clientseitig gerendert und gelangen nie in den Modellkontext.

Persönliche Einfüge-Inbox für DeepSeek Harness (dsh): /inbox im Composer oder Seitenleistenpanel speichert Links, Bilder, Text und Zugangsdaten in einem lokalen Tresor. Klassifizierung erst per lokalen Regeln, dann durch ein ratenbegrenztes Modell; im Panel durchsehen, suchen und bearbeiten. Der Assistent ruft Einträge auf Anfrage im Gespräch ab; Zugangsdaten sind im Ruhezustand verschlüsselt. Optionale WebDAV-/S3-Synchronisierung von Einträgen und Anhängen. Bisher nur Windows.

Simulierter Lebenskontext für DeepSeek Harness: In jedem Zug werden die letzten 24 Stunden aus .life/ im Workspace als eingeklappter Hinweis injiziert, mit gleitendem Zeitfenster, sitzungsbezogener Deduplizierung/Deltaupdates und Weltzusammenfassung. life_react schreibt Gefühle, Gedanken und Handlungen ins Lebenslog für die nächste Weltentwicklung – für eine Rollenspielfigur mit dauerhaftem Alltag.

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.

Feishu-(Lark-)Integration für DeepSeek Harness: 25 Tools für Chat-Nachrichten und -Verlauf, Cloud-Dokumente (einschließlich Wissensdatenbank-Seiten, generierter Diagramme und Bilder), bitable-Datensätze, Tabellenkalkulationsbereiche und Drive-Berechtigungen — mit Ihrer eigenen selbst erstellten Enterprise-Feishu-App.

Kontextmanager für DeepSeek Harness: fasst jeden Turn automatisch in nach Priorität sortierten Einträgen zusammen, spielt sie zusammen mit angehefteten sitzungsübergreifenden Notizen und eigenem Text in jede Anfrage an das Modell ein und faltet echte Unterhaltungsbereiche beliebiger Größe in Zusammenfassungen, um Tokens zu sparen. Persistent und neustartsicher. HINWEIS: manuelle Installation in mehreren Schritten – die drei Paketordner nach profiles/node_modules kopieren und die angegebenen Zeilen aus cordis.patch.yml ergänzen, dann DSH neu starten; keine standardmäßige Installation mit einem Befehl.

Odoo-Werkzeuge mit Lesezugriff über JSON-RPC: Serverinfo, Einsicht in die Felder der Modelle und ein eingeschränktes search_read, begrenzt auf eine Positivliste von Modellen, deren Domänenfeldnamen keine Punkte enthalten dürfen, sodass ein Durchlaufen verknüpfter Datensätze nicht möglich ist. Ein Werkzeug zum Anlegen von Entwürfen wird nur registriert, wenn allowWrite aktiviert ist, und ist auf sale.order und project.task beschränkt, wobei der Zustand als Entwurf vom Plugin erzwungen wird.

Plugin für Berechnungen in Elektrotechnik und Elektronik für DeepSeek Harness: Jede Berechnung läuft über eigene Werkzeuge auf selbstbeschreibenden komplexen Wertobjekten in SI-Basiseinheiten, mit einer isolierten Voreinstellung für einen Rechenagenten und einem Aufzeichnungspanel, das jede Lösung auf der Festplatte archiviert.

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.

Führt ein lokales Aufgaben-Ergebnisregister für DSH, prüft Akzeptanzkriterien anhand deterministischer Nachweise, erfasst Nutzerentscheidungen und Token-Nutzung und unterstützt Digest-gebundenen Export.

Selbstlern-Schleife für dsh: zeichnet Lektionen auf, entwirft und befördert Skills; regelmäßige Kurator-Überprüfung, die Skills korrigiert, konsolidiert und ausmustert.

Intelligenter Formular-Skill: Strukturierte Erfassung für Rechnungen, Kontobücher und Protokolle mit automatischer Kategorisierung und regelmäßigen Berichten.

Ermöglicht es einem lokalen DeepSeek Harness-Agenten, BailingHub zu verwenden, um Daten abzufragen, Datensätze zu aktualisieren und zulässige Aktionen in einem Online-Shop, einer SaaS oder einem anderen Verwaltungssystem auszuführen.

Evidence-First-Wächter: warnt den Agenten, wenn er Erfolg beansprucht, ohne passenden Werkzeugausführungs-Eintrag im aktuellen Kontext.

Selbstpflegendes Übergabe-Gedächtnis pro Arbeitsverzeichnis und Git-Branch: zeichnet Runden auf, verdichtet sie zu prägnantem Markdown und spielt das Ergebnis aus ~/.agent/agent-handoff in künftige Sitzungen ein, byte-kompatibel mit pi-handoff.