Plugins

Erscheinungsbild pro Modell für die DSH Web UI: eine geordnete Regelliste, die gegen den Modellnamen der aktuellen Session geprüft wird, wobei jede Regel ihr eigenes Hintergrundbild, ihre Themenfarbe, ihren Layoutmodus, ihre Rahmung sowie Deckkraft und Weichzeichnung des Hintergrunds mitbringt, plus Deckkraft pro Fläche und Milchglas-Weichzeichnung für Haupt-Hintergrund, linkes Panel, rechtes Panel, Karten und Panels, Eingabe und Steuerelemente, Einstellungspanel, Konversationstextrahmen und Trajektorienansicht.

Konfigurierbares DSH-Weboberflächen-Plugin: Wallpaper- und Milchglas-Themen, Akzentfarben, benutzerdefinierte Tastenkürzel, App-Nutzungsbereich, Verlaufsleiste, Nachrichten-Markdown — keine Shell-Bearbeitung.

ROS2-Debug-Werkzeugkasten und Roboterzustands-Bildanalyse für DeepSeek Harness: Aufzählung von Node/Topic/Service/Action/Interface/TF, Topologie-JSON des gesamten Graphen, rosdep-Prüfungen, genehmigungsgesteuerte Builds und Custom-Message-Gerüstbau, GUI-Screenshots und multimodale Visionsbeobachtung sowie Headless-RViz2-Offscreen-Rendering (Low-Poly-Meshes, direkter Pixel-Read, GPU-Passthrough – Bewegungsdarstellung mit 30 Hz) mit paralleler VLM-Echtzeitanalyse.

UX-Paket für den DSH-Webchat. Jede Funktion hat einen eigenen, sofort wirksamen Schalter unter Settings → UX Plus. Schriftgröße und Lesebreite unter Settings → General → Chat area. Das Sitzungsmenü kopiert die Sitzungs-ID oder übernimmt das Gespräch in eine neue Sitzung mit gewähltem Modell. Arbeitsbereichs-/Sitzungszeilen nach letzter Aktivität, automatisches Einklappen nach 24 Stunden Leerlauf und Alterslabels. Erledigte ask_user_question-Karten bleiben geöffnet. Eine eigene Feature-Registry erzeugt die Schalterliste, die mit neuen Funktionen wächst statt eine feste Zahl zu haben.

Präsentiert DSH Web als spielbare, vollbildschirmtaugliche First-Person-Voxel-Oberfläche im Minecraft-Stil — keine reine Farb-Skin: Nutzer laufen durch eine persistente Three.js-Blockwelt und greifen über In-World-Einrichtungen und eine Werkbank auf native Workspaces, Sessions, Konversationen, Tools, Modellauswahl, Berechtigungen, Kontextinformationen und den Composer zu.

Suite von Recherche-Agenten: langfristige Zielsteuerung mit auditierbaren Belegketten, Cron-Scheduling, Multi-Agent-Expertenteams, sich selbst weiterentwickelndem Recherche-Gedächtnis (FTS5 + RRF-Recall), Projekt-Workspaces und einer eigenen Workspace-UI.

Dieses Plugin lässt zwei DeepSeek in der Oberfläche hin- und herspringen – es hat keinen wirklichen Zweck.

Synchronisiert 21 offizielle HyperFrames-Skills von HeyGen aus dem offiziellen Upstream (HTML-Videoerstellung, Animation, Keyframes, Audio/Musik zu Video, CLI, Registry, Diashow, Talking-Head-Neuschnitt, Website/Produkt/PR zu Video, Studio-Timeline-Konventionen und mehr) und prüft gebündelte Ressourcen. Eine vierstufige Ersteinrichtungsanleitung öffnet sich im Einstellungsbereich.

OMK — Observe. Measure. Know. Evidenzgestützte Wissensänderungen für KI-Anwendungen.

Anmeldetor für die dsh-Weboberfläche: Passwort- oder Shared-Token-Authentifizierung, Sitzungs-Cookies, Ratenbegrenzung und Benutzerverwaltungs-CLI (dsh.bundle-Manifest seit 0.4.1, Ein-Befehl-Montage mit `dsh plugin add`).

Geschichtetes Gedächtnis für DSH mit 10 Agent-Tools: privilegierte Schreibvorgänge (memory_add, memory_delete, memory_import), Rumination-Steuerung (memory_ruminate und zugehörige Befehle) und Gedächtnisgraph. Eine L0-L3-Destillationspipeline ruft vor jedem Modellschritt relevante Erinnerungen ab und fügt sie ein.

Feingranulare Berechtigungsregeln pro Tool für DSH am tools/pre-execute-Gate, Deny- und Ask-Listen in Claude-Code-Regelsyntax (`Bash(rm -rf:*), Read(_secrets_), mcp__server__tool`), funktioniert eigenständig ohne Migration.

Schutz vor Denkschleifen für dsh: überwacht llm/stream, erkennt reine Denk- oder wiederholte Materialaufrufe und startet sie neu; mit zwei Unterbrechern während des Streams.

Kein weiteres Speicher-Plugin: ODR ist eine Selbstverbesserungsschleife in sich entwickelnden Welten (Dream-RSI). Versuche werden in einem Discovery Tree aufgezeichnet; zwischen den Läufen werden Tausende Strategievarianten in dieser Welt erneut abgespielt. Eine Strategie, ein Rezept oder eine Lektion wird erst nach erfolgreichem kontrafaktischem Replay übernommen, nie allein aufgrund der Aussage des Modells. Sentinel prüft Tool-Aufrufe, bevor Budget verbraucht wird. Das LLM bleibt eingefroren. Installation über npm als dsh-open-dream-rsi.

Skin-Plugin für die DSH-Web-UI: 4 integrierte Skins sowie individuelle Bild-Skins, bei denen das Foto als Hintergrund der gesamten Oberfläche dient und sich die Farbpalette an dessen dominantem Farbton orientiert.

Ein inoffizielles Oberflächen-Theme für DSH Web, inspiriert von Arknights P.R.T.S., mit Darstellungs-Presets, Barrierefreiheits-Optionen und Konversationsnavigation.

SearXNG-Such- und Crawl4AI-Abrufanbieter für DeepSeek Harness

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.

Sitzungsübergreifendes Gedächtnis mit deterministischem Recall ohne Tokenverbrauch (Bigram-Jaccard mit FTS5-BM25 via RRF kombiniert, chinesischbewusste Tokenisierung), Verstärkung, die wiederholte Beobachtungen stärkt, und Prozeduren, die zu SKILL.md-Dateien kristallisiert werden und vor Ort durch einen aktiv-veraltet-archivierten Lebenszyklus mit rückgängig machbarer Archivierung und Wiederherstellung verfeinert werden. Ingest und Disposal bieten jeweils eine vom Nutzer gewählte Autonomie-Stufe; Konflikte und Schreibvorgänge mit hoher Wichtigkeit gehen immer zur menschlichen Prüfung, und nichts wird jemals automatisch gelöscht. Erfordert Node 22.5+.

Vorlagengesteuerte Code-Review-Fähigkeit: Fünf-Schritte-Review-Flow, Schweregrad-Einstufung (kritisch/mittel/gering), vierdimensionale Bewertung (Qualität, Sicherheit, Performance, Wartbarkeit), duale Text- und HTML-Berichtsausgabe und eine On-Demand-Referenzwissensdatenbank.

Reasoning_effort-Optimierer pro Runde für dsh — senkt automatisch die Reasoning-Stufe bei einfachen Werkzeugaufrufen und hebt sie bei schweren Aufgaben wieder an, wodurch die Denkzeit zwischen Werkzeugaufrufen verkürzt wird.

Cache-stabile progressive Werkzeugentdeckung: eine feste tool_search- und tool_dispatch-Oberfläche bei jeder Anfrage, Katalogsuche im Speicher, verschachtelter Dispatch durch die Harness-Pipeline und eine byte-stabile native Werkzeugliste über die Entdeckung hinweg.

Kiro-Modellanbieter mit Anmeldung über Builder ID, Identity Center, Google, GitHub und Credential-Import, automatischer Token- und Profilaktualisierung, Kontonutzung, Live-Modellsuche, auswählbarem Reasoning-Aufwand, Streaming-Tool-Aufrufen, Behandlung von Provider-Stoppgründen und Kontextüberlauf sowie Token-Buchhaltung, die die exakten Zähler von Kiro verwendet, wenn es sie sendet, und andernfalls den gesendeten Prozentsatz der Kontextnutzung anhand des vom Modell beworbenen Fensters skaliert.

Leistungsprofiling und LLM-Cache-Diagnose für DeepSeek Harness — Kontext-Engineering, Latenzprofiling und Berichte zum Cache-Verhalten.