Plugins

DeepResearch-Plugin (cordis).

Ordne deine Modelle und Token-Budgets jeder Rolle zu und lass dann DSH spezialisierte Subagents nach Aufgabentyp delegieren. Deckt Architektur-Analyse, UI/UX, Implementierung, Codebasis-Erkundung und Dokumentationsrecherche ab, mit automatischem Setup sowie Reasoning-Aufwand und Tool-Berechtigungen pro Rolle.

Multi-Engine-Websuche, Seitenabruf, Echtzeit-X-(Twitter)-Suche mit anmeldungsfreiem Fallback, Deep Research und parallele Multi-Agenten-Recherche für DeepSeek Harness. Kostenlose Ebene: Bing / DuckDuckGo / Yahoo / Exa MCP (alle ohne Schlüssel, live geprüft); api la

Multi-Plattform-Recherche- und Deep-Search-Pipeline: harvest_scout für parallele Entdeckung über GitHub, Web, Twitter, Reddit, Xiaohongshu, Bilibili und YouTube; harvest_deep_research für automatisch erstellte umfassende Rechercheberichte; dazu Extraktion, Quellenübergreifende Verifikation und Glaubwürdigkeitsprüfung.

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.

AI-for-Science-Forschungs-Workflow-Skill für DeepSeek Harness, für Forscher und Doktoranden mit agentenbasierter KI: mehrwinklige Literaturrecherche mit Dateien pro Winkel, Experimentdesign mit Caveat-Liste, Abbildungen und Paper-Lesen; jeder Job gibt Dateien sowie ein Cross-Verification-Briefing für ein zweites Modell zurück. Null Abhängigkeiten, MIT.

Multi-Engine-Websuche für Coding-Agenten – ein SearchBoost-Kern (fusionierte Suche, fetch, X) mit MCP- (Cursor, Codex, Claude Code, Grok Build, Antigravity), pi-Erweiterungs- und DeepSeek-Harness-Bundle-Adaptern

Rollenbasiertes Multi-Agent-Team für DeepSeek Harness. /team versammelt bis zu 12 Subagenten (Produkt, Architekt, Recherche, UI, Backend, Frontend, DB, Security, Reviewer, QA, DevOps, Docs) und führt einen Pipeline mit 9 Phasen und Gates aus (klären, recherchieren, entwerfen, Spec-Review, Plan-Freigabe, umsetzen, Review, Test, Ausliefern) über gemeinsame Artefakte. Qualitäts-Gates erzwingt der Code, nicht der Prompt: eine unfertige Aufgabe lässt sich nicht als abgeschlossen markieren, Befunde entscheidet die Reviewer- oder QA-Rolle, und Abdeckungslücken oder Rework erscheinen live im Overlay und in /team status. Enthält ein Live-Overlay (Phasen, Roster, Task-DAG, Artefakte, Entscheidungen), einen persistenten Team-Modus und Token-/Zeitabrechnung. Keine Laufzeitabhängigkeiten, kein Build.

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

Modulares KI-Research/Engineering-Skill-Paket, installierbar via dsh plugin add – registriert 27 Skills (Sicherheitsaudit, Paper-Lesen/-Schreiben, Zeichnen von Figures, Dev-Workflow, Speicheranalyse) auf ctx.skills.

Werkbank zum Lesen von Papers: Bibliothek + PDF-Reader + Begleiter im Tutor-Stil. Antworten zitieren anklickbare Seitenzahlen, die zurück ins PDF springen und die genaue Passage hervorheben; Markieren-zum-Fragen ohne das Paper zu verlassen; mitgeliefertes Strict-Tutor-Preset (Leseplan, Abschnitts-Coaching, benotete Quizze über Sessions hinweg verfolgt); Umschalten zwischen Original ↔ Chinesisch an Ort und Stelle (babeldoc, keine Vorinstallation). Lokale Transkription und Suche — Dokumente verlassen Ihren Rechner nie.

Fragegesteuerter Discovery-Forschungsworkflow für DeepSeek Harness mit einem QDD-Agenten-Preset, dauerhaften manuellen und automatischen Ausführungen und einem prüffähigen Forschungspanel.

Kuratierter Forschungs-Plugin-Markt: fügt eine Seite „Forschungs-Plugins" zu den Einstellungen hinzu, mit handgeprüften Plugins für Literaturrecherche, Referenzverwaltung, Schreiben und Werkbänke — Ein-Klick-Installation, -Update und -Entfernung, gepinnt auf die geprüfte Version, Neustart über das Panel, und genau eine Netzwerkanfrage (dessen eigener Katalog).

Fügt lokales PDF-Lesen, eine dauerhafte Paper-Bibliothek, nachvollziehbare Evidenzaufzeichnungen sowie Tools zum Vergleichen und Zusammenführen mehrerer Paper hinzu.

Vom Gehirn inspiriertes kognitives Plugin: episodisches, semantisches, prozedurales und emotionales Gedächtnis mit Signalen des bestärkenden Lernens, ein Zielstapel mit Zeit-Triggern, neugiergetriebene autonome Web-Recherche und proaktive Initiativen.

RigorQuant-Preset + Skill-Paket: unbeaufsichtigte, abgeschottete Multi-Agent-Recherche für empirische und rechnergestützte Mathematik (Wirtschaft, Finanzen, Portfolio), mit einer vierteiligen Prüfbatterie vor der Umsetzung und einer Eskalationsschiene über Jacobian/Lean.

Workflow für Finanzrecherche und Portfolio-Risiko-Tools mit Quellendisziplin für aktuelle Marktfakten.

DSH-Gelehrten-Workbench: lokale Aufsatzbibliothek + Idea-Bücherregal + Wissensgraph

Tiefenrecherche als Agentenmodus: eine einzige geprüfte Schleife, die plant, in adaptiven parallelen Runden forscht — gesteuert von den Lücken, die die Forscher selbst benennen —, einen zitierten Bericht synthetisiert und ihn dann adversarial überprüft, anstelle eines Skripts, das das Modell pro Aufruf neu schreibt. Fragen, die das Rundbudget nie erreichte, werden im Bericht benannt, statt verworfen zu werden.

Registriert codex-web-search-mcp als native DSH-MCP-Tools (mcp__codex-web-search__codex_web_search / codex_web_research / web_fetch) für modellunabhängige Web-Suche und Deep Research mit Codex und Grok.

Grok-kompatible Websuche mit beibehaltener Quellen-Paginierung, Dokumentationssuche über Context7 und Exa, begrenzter Seitenextraktion, Site-Mapping, Offline-Rechercheplanung und schreibgeschützter Diagnose.

DSH-Desktop-Plugin für überprüfbare Fakten; Constraints nur bei Bedarf injiziert (Leerlauf: keine Tokens), geschichtet (stabil im Prompt, Flüchtiges im Tail); Prompt-Cache bleibt gültig. Turn-Klassen: Frage/Recherche/Diskussion/Diagnose/Ausführung; keine Edits in Frage-Turns, keine ungefragten Fixes in Diagnose-Turns. Benannt: Zitate ungeöffneter Codezeilen, „nicht geprüft“ als „warte auf Entscheidung“; Antworten für Menschen. Memory: 75 %/90 %-Warnungen, Recap-Export, Projektwissen je Arbeitsverzeichnis (per ID löschbar). Artefakte: Task-Vertrag, Änderungsprotokoll, Hypothesenprotokoll, Design-Entscheidungen. Dashboard: Routing, Trigger-Treffer, Block-Aufbau in lume-metrics.jsonl. Personas aus Chat-Logs, Romanen, Charakterbögen: Langzeit-/Temporärgedächtnis, Sternenkarte, Export/Import.

Research-Debt-Wächter für DeepSeek Harness: ermutigt Coding-Agenten, vor wiederholten lokalen Trial-and-Error-Versuchen Dokumentation, GitHub und das Web zu durchsuchen.

Registriert ein SpecWorkflow-Skill-Paket für Anforderungsklärung, Implementierungsspezifikationen, Ausführung, Lieferprüfung, Reparaturplanung, Fehlerdiagnose und quellengestützte Recherche.