Plugins

Steuert über AstrBot einen lokalen DeepSeek-Harness-Agent aus QQ und anderen Messengern: Aufgaben mit /dsh senden, per Zitat oder @ fortsetzen und Freigaben sowie ask_user_question im Chat beantworten (parallel zur DSH-Weboberfläche). Liefert Ergebnisse, Inlinebilder und Dateikarten. Mit Befehlen für session/workspace/model/permission, Wiederaufnahme per /compact und /last, drei Fortschrittsanzeigen und gruppen- oder nutzerbezogenem Sitzungsscope.

Sitzungsübergreifendes TODO-Board als verschiebbares Panel; Aufgaben sind nach Arbeitsverzeichnis gruppiert und sortierbar. Drei Modi: nur erinnern, in der aktuellen Sitzung fortfahren oder eine neue Sitzung im selben Verzeichnis öffnen. Bis zu vier Bilder werden als echte Anhänge gesendet; dazu optionale lokale Ausführungszeit und Kontrollkästchen für KI-Abschluss und Nutzerprüfung. Danach übernimmt der Agent die nächste offene Aufgabe im Verzeichnis.

Füllt fehlendes Kontextfenster, max tokens, Thinking-Stufen und Bildeingabe bei benutzerdefinierten DSH-Modellen aus models.dev und listet nicht zugeordnete Modelle für manuelle Bearbeitung auf.

Dispatcht Subagenten mit benannten Profilen (Modell, Reasoning-Aufwand und Tool-Umfang pro Aufgabe), Sicherheitsprüfungen, Kostenschätzung mit Sparvergleich und einem vollständigen Protokoll der Dispatch-Entscheidungen.

Schreibgeschützte Trajectory-Überprüfung in einer in der Größe veränderbaren Konversations-Seitenleiste, mit Regelanalyse, optionalen Modellerklärungen, Evidenz-Navigation und Vergleich von Läufen im selben Bereich.

Fügt ein Screenshot-Werkzeug sowie zwei optionale automatische Erfassungspunkte hinzu, die den Bildschirm als Bildblock in das Gespräch einfügen; erfordert ein bildfähiges Modell.

Stellt das see_image-Tool für DSH bereit: sendet eine Bilddatei an ein konfigurierbares OpenAI-kompatibles Vision-Modell und leitet dessen Beschreibung an ein reines Textmodell zurück.

Fähigkeit zur Aussagenprüfung, die Designdokumente und Pläne gegen Code-Fakten abgleicht und Verhaltensaussagen auf ausführbare Logik-Primitiv-Verifikation für Zustandsmaschinen und Datenmodelle hochstuft, mit Vorher/Nachher-Regression, Domänenbeschränkungen und Mining von Nebenläufigkeitsrisiken.

Großbild-Erkennung für vision-exp-Modelle: verlustfreie 800×800-Kachel-Erkennung (smart/pipeline/full), lokales OCR mit Vorverarbeitung und Handschriftrouting, optionale Multi-Vendor-GPU (DirectML/CUDA/OpenVINO) mit automatischem CPU-Fallback.

Ein unabhängiges Genehmigungs-Subagent urteilt über jede Sandbox-Eskalation, mit konfigurierbarem Modell und Audit-Log.

Erkennt, welches Konversationsmodell einem Konto aktuell zugewiesen wird: startet parallele Wegwerf-Probe-Konversationen, bewertet jede streaming Chain-of-Thought danach, wie ihre Absätze beginnen, und bricht Probes, die wie das ältere Modell klingen, innerhalb von Sekunden ab. Inklusive Offline-Self-Check, der 13 handgelabelte Chains-of-Thought durch denselben Klassifizierer repliziert.

Proaktives Multi-Modell-Scheduling-Plugin: Multi-Source-Signalaufnahme mit Dedup und Dringlichkeits-Ranking, eine Vier-Wege-Execute/Defer/Dismiss/Ask-User-Entscheidungsmaschine, DAG-Plan-Generierung mit paralleler Modell-Ausführung, Qualitäts-Reflexion mit automatischem Retry und Modell-Switch, Langzeit-Gedächtnis für Task-Muster und Lektionen und Strategie-Evolution über genetische Algorithmen mit sandboxed Evaluation und Canary-Rollout.

Windows-exklusive Computernutzung für DeepSeek Harness: erfasst den virtuellen Bildschirm und steuert Maus und Tastatur über 9 Tools auf Basis von PowerShell und Win32 SendInput; kombiniert mit picturereader, damit textbasierte Modelle den Screenshot-Analyse-Aktion-Verifizierung-Kreislauf vollständig lokal abschließen können.

Local-first Nutzungs- und Kostenmesser für die DSH-Web-UI: Composer-Button mit Live-Sitzungskosten und Guthaben; Panel mit einem gestapelten täglichen/7-Tage-Chart pro Modell, abgerechnet nach effektiven Listenpreis-Intervallen (die offizielle Preisseite wird täglich synchronisiert), monatlichen Nutzungstiers mit einer Canvas-Share-Karte, 30/50/85%-Warnungen bei Kontextdruck mit einem Klick auf /compact, Budgetwarnungen und einer npm-Update-Prüfung im Panel mit Ein-Klick-Update.

Sitzungsübergabe und Kontextverwaltung: Strukturierte Übergabedokumente (Export/Fortsetzen/Status), damit eine neue Sitzung nahtlos fortfahren kann, sowie aktive Kontextbereinigung (acp_*-Tools über die offizielle Kompaktierungs-API mit vom Modell verfassten Zusammenfassungen).

DSH-Updater + Synchronisierung der offiziellen Doku in Settings: npm-Update von @deepseek-ai/dsh per Klick mit Live-Fortschritt (npm-Output-Stream, Laufzeitzähler, monotone Leiste), Multi-Kopie-Schutz, der nur die laufende Instanz anfasst, Source-Tree-Modus via git pull, PowerShell 7-Installation per Klick unter Windows, inkrementelle Synchronisierung des offiziellen docs/-Verzeichnisses mit Fortschritt sowie die Modell-Tools dsh_docs_search / dsh_docs_read.

Referenzüberprüfung für DeepSeek Harness (参考文献真实性检查器): Das reference_checker-Modelltool prüft die Bibliografie einer Arbeit (.pdf/.bib/.tex/.txt oder eingefügter Text) gegen Crossref, OpenAlex und arXiv, meldet found / partial / not_found / error pro Eintrag und gibt korrigierte Zitate im Eingabestil aus (APA, GB/T 7714, IEEE, Vancouver, MLA, Chicago, Harvard, ACS, BibTeX).

Leitet Agent-Anfragen an konfigurierbare Default-, Planner- und Sub-Agent-Modelle weiter, verwendet im Plan-Modus automatisch die Planner-Rolle, mit Reasoning-Aufwand pro Rolle und Web-UI-Konfiguration.

Kosten-Dashboard für DeepSeek Harness: aggregiert Modell-Input/Output/Cache-Tokens über alle lokalen Sitzungen, bepreist sie mit einer eingebauten Tabelle (inklusive DeepSeek Peak/Off-Peak) und zeigt tägliche Trends plus Per-Modell- und Per-Sitzungs-Tabellen.

Offizielles DSH-Plugin für nuphus-mcp (von den nuphus-mcp-Maintainern): Desktop- und Browser-Automatisierung (38 Tools) mit PaddleOCR-Elementerkennung und Chrome-CDP-Browsing, über einen persistenten stdio-MCP-Kindprozess.

Installiert ein Orchestrator-Agent-Preset, das plant und an modellfestgelegte Spezialisten-Subagents (explorer, oracle, librarian, designer, fixer, council) delegiert, mit benannten Modellprofilen, die über eine omoslim-CLI umgeschaltet werden, und einer Web-Inspector-Schaltfläche, die die aktuellen Subagent-Modelle anzeigt.

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.

On-Demand-Vision für reine Text-DSH-Sitzungen: Bilder werden zu Markern, und ein vision_describe-Tool sendet nur das Bild und die Frage an ein OpenAI-kompatibles Vision-Modell

Aufziehspiel im Digimon-Stil: Lass ein Ei schlüpfen, das sich von echter Arbeit ernährt (Züge, Tool-Aufrufe, Fehler) und sich entlang vier verzweigender Linien entwickelt, je nachdem wie du arbeitest; null Tokens, für das Modell unsichtbar.