Plugins

baro als Subagenten-Anbieter für DeepSeek Harness: ein Ziel mit mehreren Storys delegieren, parallele Ausführung, unabhängige Prüfung und ein verifiziertes Ergebnis zurückbekommen – mit Live-Bereich für den Lauf in der Seitenleiste

Das Gedächtnis, das träumt — sitzungsübergreifendes Gedächtnis für DeepSeek Harness: erinnert dich über Sitzungen hinweg, konsolidiert sich im Schlaf selbst (autoDream), friert widersprüchliche Erinnerungen für deine Prüfung ein und führt ein wiedergabefähiges Audit-Protokoll. Offline-first lokale semantische Suche über SQLite mit manuell editierbaren Markdown-Spiegeln, ein Entity-Graph, ein interaktives Gedächtnis-Panel sowie eine externe API und CLI.

Das Gedächtnis, das träumt — sitzungsübergreifendes Gedächtnis für DeepSeek Harness: erinnert sich über Sitzungen hinweg, konsolidiert sich im Schlaf (autoDream), friert widersprüchliche Erinnerungen für die Prüfung ein und führt eine wiederabspielbare Prüfspur. Offline-first lokale semantische Suche über SQLite mit menschenlesbaren Markdown-Spiegeln, einem Entitätengraphen, einem interaktiven Gedächtnis-Panel sowie externer API und CLI.

Wandelt explizite DSH-Sitzungserfahrung in überprüfbare native Skill-Entwürfe um, die erst nach Benutzerfreigabe gespeichert werden.

Local-First-Arbeitsbereich für Inhaltserstellung und -betrieb für DSH: verwalten Sie Ideen, Skripte, Medienassets, Zeitpläne, Ziele, Veröffentlichungsstatus und Reviews nach der Veröffentlichung.

Wird mit 25 mitgelieferten Engineering- und Produktivitäts-Skills installiert (mattpocock/skills v1.2.3), keine manuelle Skill-Installation nötig. Mit 30 Milliarden Tokens gebaut. Dieses Plugin liefert 10-fache Entwicklungseffizienz zusätzlich zu den ursprünglichen Skills. GitHub issues ist das wichtigste unterstützte Backend; Markdown ist eine Vorschau; GitLab wird noch nicht unterstützt.

Forschungsassistent-Plugin-Suite (Literaturrecherche, Forschungs-Wiki, LaTeX-Kompilierung, unabhängige Subagent-Überprüfung) für DeepSeek Harness.

Local-first MCP-App für wissenschaftliche Abbildungen. Importieren, überprüfen und veröffentlichen Sie eine globale Bibliothek auf der Festplatte; verwenden Sie exakte Vorlagen in Pi, DeepSeek Harness (dsh), Claude, Codex, Cursor und Wisp wieder.

Risikogesteuerte Genehmigungsautomatisierung für DeepSeek Harness: Flash klassifiziert vorab, ob ein Schreibvorgang/Befehl irreversibel ist — sichere Operationen werden automatisch genehmigt, gefährliche werden an die menschliche Genehmigung eskaliert (ausfallsicher). Datei-Diff-Review mit Ein-Klick-Rückgängig und sitzungsbezogenen Snapshots (v0.5.1: präzise Snapshots über Tool-Call-Parameter-Tracing, inkl. menschlicher Genehmigungsfälle).

Sicherer Fernzugriff für die DeepSeek Harness Web UI: ein Login-Gate, MFA/TOTP, signierte Session-Cookies, optionale Admin-/Benutzer-/Gastrollen, Auswahl des Arbeitsbereichs im Browser und freigegebene Remote-Dateivorschauen.

Task-Board für DSH: Erstellen Sie Aufgaben mit Projekt- und Modellzuweisung, führen Sie sie manuell oder nach Cron-Zeitplänen aus; neue Sitzungen in einem Projekt übernehmen automatisch dessen Todo-Aufgaben und verschieben sie bei Fertigstellung in den Status "In Überprüfung".

Schwebender DSH-Desktop-Begleiter mit 12 verfassten Zustandsanimationen für Anfragen, Werkzeuge, Compaction, Archivierung und Prompt-Erweiterung; Live-Kontextauslastung; ein dauerhaftes Lifetime Ledger über Sitzungen hinweg; Summen pro Anbieter/Modell, stündliche Trends und 7/30-Tage-Ansichten; Dunkel/Hell-Themenwechsel; optionale Kostenschätzungen (standardmäßig aus) mit visuellem Preiseditor und monatlicher Budgetwarnung; clientseitiger Skin-ZIP-Import; JSON/CSV-Nutzungsexport; reine Snapshot-Panel-Lesevorgänge mit Hintergrund-Inkrementindexierung; und optionale Prompt-Erweiterung mit bearbeitbarer Vorschau und DSH-Composer-Übermittlung.

Lark/Feishu-Bot-Kanal für DeepSeek Harness: Jeder Chat steuert seinen eigenen Agenten, und Tool-Genehmigungen, Modellfragen und Planüberprüfungen kommen als Karten zurück, die per Schaltfläche oder Antwort beantwortet werden. Wechsle Arbeitsbereich und Modell direkt im Chat (`/cd`, `/model`, `/new`) und betreibe mehrere Bots, die getrennte Sitzungen führen und sich in einer Gruppe gegenseitig den Zug übergeben können.

Ingenieursdisziplin-Wächter: Anforderungsprüfung vor der ersten Bearbeitung, Rot/Grün-Testnachweis-Gates, verzweigte Adversär-Prüfung und ein Lieferbericht mit einem dimensionsbasierten Verifizierungsworkflow.

Commit-Zeit-Audit-Harness für KI-Coding-Agents: 24 git-diff-Regeln (Geheimnisse, bereichsfremde Änderungen, Prompt-Injection), HMAC-signierter Audit-Trail, Snapshot-Rollback und ein MCP-Server mit 84 Tools. Installierbar via `dsh plugin add`.

Komponenten-Checkliste des von den tnnevol-DSH-Plugins gemeinsam genutzten Semi-Design-Pakets, geöffnet über eine `Semi UI`-Schaltfläche im Konversations-Header: 35 Komponenten plus eine Multi-Account-Fallseite, in sieben Sidebar-Gruppen gegliedert – von Eingaben, Formularen, Selektoren und Bäumen bis zu Tabellen, Cards, Overlays und Feedback –, jede live gerendert mit einzeiliger Beschreibung und Seitenübersicht, mit Vorschau in Hell, Dunkel und System folgend. Installation über npm mit `dsh plugin --profile web add @tnnevol/dsh-semi-ui-showcase`.

Design-Treue-QA für textbasierte Modelle: Ein `deepseek_vision`-Tool leiht sich ein Auge von jedem OpenAI-kompatiblen Vision-Pfad, damit das Modell beurteilen kann, ob eine Implementierung zu seinem Mock passt — ausgeliefert mit dem Benchmark hinter diesem Urteil (vier Fixtures, 23 injizierte Defekte, Rohtranskripte) und der Fragedisziplin, von der es abhängt.

Off-Peak-Batch-Runner für DeepSeek Harness: Benutzer definieren Aufgaben in Stoßzeiten – Prompt, Strategie, Priorität, Arbeitsbereich, gesperrte Dateien – und geben sie manuell frei; das Plugin führt den Batch dann automatisch innerhalb benutzerdefinierter Off-Peak-Fenster aus. Jeder Lauf durchläuft fünf Preflight-Prüfungen (Arbeitsbereich, git HEAD, sha256 der gesperrten Datei, Zeitfenster, Tagesbudget), unterstützt vier Ausführungsstrategien (einzeln / iterativ / Sampling / Review) und drei Autonomiestufen (L1 pro Aufgabe, L2 Batch, L3 vollautomatisch) und schließt die Schleife mit einem Morgenbericht, der Diffs, tatsächliche Ausgaben und Einsparungen aus einem täglichen Ledger enthält, der mit der offiziellen Peak-/Tal-Preisgestaltung abgeglichen ist.

Überprüfe Dateiänderungen des Agents in einem Diff-Panel, füge Kommentare für Folgeänderungen hinzu und mache bearbeitete oder neu erstellte Dateien rückgängig.

Erscheinungsbild-Toolkit für DeepSeek Harness. Deckkraft und Milchglas-Unschärfe getrennt für 8 Oberflächen (Haupt-Hintergrund, Seitenleiste, Karten/Panels, Eingaben, Einstellungen, Unterhaltungsrahmen, Trajektorie, erzeugte Inhalte/Hervorhebungen – 9 mit dsh-better-sidebar). Bild oder Video als Hintergrundbild, mit Positionseditor (Ziehen verschiebt, Scrollen zoomt) und 5 Layoutmodi (Fit/Fill/Stretch/Tile/Center); Videos laufen stumm in Schleife, überstehen Neuladen, liefern ein Live-Einzelbild für Vorschau, Farbextraktion und Bildausschnitt. Bildvorräte rotierbar (Zufall/Reihenfolge, jedes Neuladen/täglich/wöchentlich). Dazu: Farbrad im Photoshop-Stil, Farbextraktion per Klick, 6 Voreinstellungen + gespeicherte Profile, automatischer Tag-/Nacht-Wechsel, voller Theme-Export/-Import.

Multi-Agent-Workflow für Mathematikmodellierungs-Wettbewerbe: das "UltraMath"-Preset führt ein Problem vom Lesen über Framework, Ableitung, Coding, Verifikation, Paper und Review aus, plus 4 einstufige Rollen-Presets (Mathematiker, Ingenieur, Writer, Reviewer) und 33 Model-Library-Skill-Docs.

Multi-Modell-Rat für DeepSeek Harness: unabhängige Antworten, anonyme Peer-Reviews und eine nachprüfbare Endentscheidung.

QA-Pipeline als 10 Agent-Skills: Anforderungsanalyse, Teststrategie, Fallerstellung und Review, E2E (Playwright) und API-Automatisierung, explorativ, Regressionsumfang und Bug-Analyse, gestützt auf eine gemeinsame Wissensbasis mit Formatregeln, Risikomodell und Schema-Validatoren.

Ruft jede Nutzernachricht zurück: Setzt die Unterhaltung (offizieller Sitzungs-Fork) und die Workspace-Dateien (nachrichtenweise Schatten-Git-Snapshots) auf den Stand davor zurück, mit einem Bestätigungspanel mit Diff-Vorschau.