Plugins

Lernmodus, der jeden Schritt des Agenten erklärt (in Arbeit).

Plugin für Langzeitgedächtnis und Selbstentwicklung für DSH: L0-Erfassung → L1-Gedächtnisextraktion → L2-Szenengruppierung → L3-Nutzerpersona, automatische Erinnerungsinjektion, Skill-Synthese, vollständig lokal (SQLite FTS5 + jieba, optionaler Vektorabruf).

AI Company Framework: aus einem Satz eine Multi-Agent-Firma machen — 15 flache Skills (boss/pipeline/role-template/11 roles/generic customer-memory), 7 Workflow-Vorlagen, AgentTeams-Runtime + Aktivitätspanel, Mitarbeiter-Sidebar mit Isolation pro Session, Feishu-Bot-Bridge (Boss- und pro-Mitarbeiter-Bots, Group-Routing, autonomer Push, Human-Decision-Gate, External-Contact-Guide), SQLite-Memory pro Kunde mit Drei-Schichten-Memory (gruppenübergreifender Merge), /company-Modusumschaltung; kein RAG.

Kopfleisten-Quotenabzeichen plus Tab zur Nutzungsüberwachung: Live-Guthaben/verbleibende Quote und Countdown bis zur Zurücksetzung je Anbieter, mit Anfragen, Tokens (Eingabe/Ausgabe/Cache-Lesen/Cache-Schreiben), Cache-Trefferrate, geschätzten Kosten und durchschnittlicher Latenz pro Sitzung, Anbieter, Modell und Client, lokal in SQLite gespeichert mit geräteübergreifendem Import/Export.

Datenbank-Tools für Agenten: list/query/exec/schema/stats/health über SQLite/MySQL/PostgreSQL, mit lexergestütztem Read-only-Schutz, Zeilenlimits, CSV/JSON-Abfrageausgabe und einem genehmigungspflichtigen Schreibpfad.

Ein gemeinsamer Obsidian-Vault für jeden Agenten: abhängigkeitsfreier Python-Kern (search/promote/adjudicate/forget), Vault-Vorlage, dsh-Plugin (memory_search/show/submit/status).

Session-übergreifendes Speicher-Plugin für DSH (v0.6.1, npm @asherliner/dsh-memory-connect): automatische Extraktion, SQLite-FTS5-Indizierung, RRF-semantisches Abrufen, das in jedem Zug in den System-Prompt injiziert wird, geplante Wartung, LLM-Konsolidierung via ctx.llm, Verhinderung von Kontext-Explosion, globale Soul-Identität via ~/.dsh/soul.md. v0.5.0: temporaler Kontextgraph, Vertrauensmodell, Zusammenfassung am Zugende. v0.6.0: lokale semantische Embeddings (BAAI/bge-small-zh-v1.5), keine Cloud-Aufrufe. v0.6.1: ~-Expansion in der Pfadkonfiguration behoben. Installation ohne Konfiguration.

Biomimetisches Speichersystem für DeepSeek Harness: ein einzelner SQLite-Speicher (node:sqlite, WAL), dessen Markdown-Baum als schreibgeschützter Spiegel geführt wird; Speicher-Tools, Injektion eingefrorener Snapshots zu Sitzungsbeginn, abgestufte Genehmigungsschwellen, bedarfsgesteuerte Extraktion der aktuellen Sitzung, Zusammenführung von Fast-Duplikaten, ein Archiv- und Überschreibungs-Lebenszyklus, Speicher-Stoffwechsel (dream), Speicher-Pins, semantisches Wiederauffinden über lokale Embeddings und der Befehl /memory.

DeepSeek Harness-Plugin, das riskante npm-Installationen mit Metadaten- und tiefen Supply-Chain-Scans blockiert.

Durchsucht, listet und liest vergangene und aktuelle Sitzungen über den harness-eigenen `sessionQuery`-Dienst: nutzt den SQLite-FTS5-Index, wo eine Installation ihn aktiviert, und weicht sonst auf einen begrenzten Scan von den neuesten Einträgen aus.

Vollständig lokale Vektorspeicher für DSH: lokale Einbettungen, SQLite-Speicherung, automatische Rückruf-Einspeisung, Deduplizierung mit Konflikterkennung, Soft-Delete-Papierkorb, Online-Backup und optionale LLM-Extraktion.

Dauerhafte DAG-Workflows für DeepSeek Harness mit Agent-Authoring-Tools, SQLite-Persistenz, fortsetzbaren Läufen und einem visuellen Canvas Studio.

Lokaler Code-Wissensgraph für Agenten: parst eine Codebasis (Python/JS/TS/Go/Java/Rust) in einen SQLite-Index und beantwortet Aufrufer, Aufgerufene, Abhängigkeiten, Abhängige, Impact und Volltextfragen darüber.

Vollständiges, lokal-zuerst arbeitendes Issue-Board, eingebettet in die DSH-Web-GUI: Kanban-/Listen-/Gantt-/Workflow-/Dashboard-Ansichten, AI-Chat pro Aufgabe, Anhänge und Labels, automatische Übernahme von To-do-Aufgaben durch dsh-routines — Daten liegen in lokalem SQLite (dsh plugin add @ttmouse/dsh-taskboard).

Persistente lokale Token-Nutzungsabrechnung für DSH Web mit automatischer Historien-Erkennung und kompakten Anbieter-/Modelldetails.

Erstellt prüfbare Wissensdatenbank-Pakete (SQLite FTS5) aus md/txt/docx/pdf mit deterministischem Retrieval und Lesen des Originaltexts.

Chat-gesteuertes Multi-Datenbank-Admin-Plugin für DeepSeek Harness: MySQL, PostgreSQL, GaussDB, MongoDB, Redis, Oracle, DM und SQLite aus der Konversation heraus abfragen und verwalten, mit projektbezogenen ro/rw-Rechten, einem Seitenleisten-Verwaltungsbereich, Schema-Browsing und Datenvorschau sowie bestätigungsgebundenen gefährlichen Operationen.

SQLite-Gedächtniseinträge, ein Kalender mit Fälligkeits-Erinnerungen und cron-geplante Agentenaufgaben, mit 13 Modell-Tools und einer zweisprachigen zh/en-Oberfläche.

DSH-RedTeam-Modus: startet mit einem Satz einen Red-Team-Einsatzagenten (Asset-Mapping / Angriffskette / Scoring-Ziele / Bericht / POC-Wissensdatenbank), mit vier Rollen, 13 nativen Skills und einer dauerhaften Konsole rechts

Council of High Intelligence: Stellen Sie einen Think Tank aus 18 historischen Persönlichkeiten für eine strukturierte Debatte aus mehreren Perspektiven zusammen, mit einem Live-DAG-Seitenpanel, SQLite-Ausführungsverlauf und projektbezogenen Standardwerten über .council.yaml.

Lokaler Wissensdatenbank-Manager für DSH-Agenten: Multi-Format-Import, CJK-bewusstes Chunking, sqlite-vec-Vektor- + BM25-Hybridsuche mit bge-reranker-base-Rerank, Snapshots, kbpack-Export/Import und KB-übergreifende Suche — 22 Agent-Tools sowie ein Web-Panel.

Dreischichtiges lokales Gedächtnis für DeepSeek Harness: L1 Snapshot-Gedächtnis (MEMORY.md/USER.md), bedarfsgesteuert über die memory_*-Tools gelesen + L2 durchsuchbare Wissensbasis (Fakten + SQLite FTS5, chinesische Suche per Sliding-Window-Tokenisierung) + L3 Import aus Hermes/Claude Code/Codex/WorkBuddy und aus freigegebenen Agent-Hub-Dokumenten (memory/global, memory/projects, akzeptierte Entscheidungen) mit Dedup per Content-Hash. v0.2.0 entfernte jede automatische Injektion: Gedächtnis gelangt nur in den Kontext, wenn das Modell eines der 12 memory_*-Tools aufruft, und Daten bleiben auf dem lokalen Laufwerk.

Von Menschen gesteuerte sitzungsübergreifende Gedächtnisräume mit unabhängigen Beziehungen zwischen Quellen und Verbrauchern, Herkunftsnachweis, Versionierung und Prüfung vor dem Einspielen.

Dauerhafte DAG-Workflows für DeepSeek Harness mit Agent-Authoring-Tools, SQLite-Persistenz, fortsetzbaren Läufen und einem visuellen Canvas Studio.