Plugins

DSH-Hardware-Sandbox: 3D-Szenen mit ESP32/BME280/PIR/LED und protokoll-/spannungsgeprüfter Verdrahtung erstellen; echten Python-Projektcode mit Fehler-Injektion gegen simulierte I2C-/GPIO-Hardware ausführen. Netzwerkgeräte-Simulatoren melden per HTTP an ein echtes Backend (End-to-End an einem laufenden Sitzreservierungssystem geprüft). Reale Geräte nur lesend beobachten und Zustand in Szene abbilden; neue Boards über datenbasierte Pin-Definitionen. Mit 16 `hw_*`-Agent-Tools und `SKILL.md`.

Memory-Subsystem für DeepSeek Harness: ontologisches Gedächtnis mit event/fact/rule und Zielsystem `goal.js`. Bridge-Triggerwörter schreiben belief-Werte; die Zielaktivierung wird beim Lesen mit `0.25 domain + 0.35 bridge + 0.40 sim` bewertet, um langfristige goal/value-Verknüpfungen abzurufen. Mit Journal-Ledger, Episodenarchiv, Verfall wenig sicherer Memories sowie geschlossenem Kreislauf `memory_append/read/consolidate` und `linghun_goal_update/get/state`. Unabhängig von der ursprünglichen dsh-linghun-Linie. LoCoMo-Plus: 16/16.

Langzeitspeicher für den DSH-Workspace. Beim Sitzungsstart wird je Memory nur ein einzeiliger Index gelesen; Inhalte liefert das `memory`-Tool bei Bedarf, etwa dreimal so viele Einträge im gleichen Zeichenbudget. Nach einem Zug durchsucht eine lokale Suche die letzte Nutzernachricht und injiziert Treffer ohne Modellkosten ins nächste Briefing. Optionale Auto-Capture fasst Gesprächsabschnitte strukturiert zusammen; im Draft-Modus wartet die Freigabe. Portrait-Ebene aus Journal/Records für Workspace- und globale Sicht, ebenfalls Draft/Direct. Settings → Memory enthält Archive/List/Timeline, Prüfungen auf Duplikate/veraltete Einträge/defekte Links, Supersede-Versionskette mit Rollback und schreibgeschützten Import vorhandener WorkBuddy-/Qoder-Memories.

Reduziert Sitzungseingabetokens auf drei Arten, jeweils separat im Panel unter dem Composer schaltbar: verlustfreie, strukturbezogene Komprimierung von Tool-Ergebnissen in `tools/post-execute`; Head/Tail-Auslassung je Tool mit stets angegebenem Wiederherstellungspfad über den gemeinsamen Spill-Store; Sichtbarkeit des Tool-Katalogs je Agent in `agent/created`; Workspace-Memory-Dokument, Abgleich mit jeder neuen Nachricht und Injektion via `agent.inject` ohne erneutes Lesen des Transkripts. Gemessen: 41,76 % weniger Prompt-Tokens bei 149 protokollierten Anfragen; Skript zur Nachmessung beliebiger Profile enthalten.

Bewahrt je Sitzung im Composer eingefügte oder angehängte Bilder: lokale Spiegelung im Browser und Rückgabe über den offiziellen Draft-Kanal beim Zurückkehren zum Gespräch oder erneuten Mounten des Composers. Nach Senden oder Entfernen gelöscht.

Prompt-Verbesserung im DeepSeek-Harness-Composer: Die Schaltfläche neben der Modellauswahl schreibt den Entwurf mit einem Hilfs-LLM-Aufruf um und ersetzt ihn an Ort und Stelle; Composer-Undo bleibt erhalten. `/prompt-enhance` gibt den überarbeiteten Prompt als Ergebniszeile zurück, ohne den Entwurf anzufassen. Der Aufruf kann im Profile-Patch an einen eigenen schnellen Provider und ein Modell gebunden werden. Die Richtlinie bewahrt Absicht, Sprache und Informationen, lässt Code/Befehle/Pfade unverändert und erfindet oder polstert nichts mit Platzhaltern auf.

Bindet einen Feishu-/Lark-Bot per dauerhafter WebSocket-Verbindung an DeepSeek Harness: Eingehende Nachrichten laufen in einer Agentensitzung und werden in den Chat gestreamt. Chatbefehle wie `/attach` verwalten die aktive Sitzung; feishu_*-Tools lassen das Modell Nachrichten senden.

Führt für jede Nutzeranweisung genau einen deterministischen Skill-Routing-Durchlauf aus, damit der Katalog vor der Modellantwort konsultiert wird. Bewertet auf dem Host den aktuellen Katalog anhand der Anweisungs-Keywords und Metadaten, ohne LLM- oder Embedding-Aufruf. Fügt dem Step eine einzelne, mit Producer markierte Nachricht hinzu: standardmäßig eine Rangliste, ab erreichtem Schwellenwert den Inhalt des gewinnenden SKILL.md oder die Anweisung, einen benannten Router-Skill genau einmal aufzurufen. Bei unpassenden Anweisungen greift das Plugin nicht ein.

Reiseplanungs-Agent für Festlandchina mit Antworten auf Chinesisch: prüft Zugverfügbarkeit bei 12306, Flug-/Hotelpreise bei Fliggy/Tuniu, reale Amap-Verbindungen, Sperrungen und Wetter. Erstellt ein Offline-HTML-Reisebuch mit verschiebbaren Karten, drei Hotelpreisklassen und Einzelpostenbudget. Enthält 9 Skills, Diagnose für fehlende API-Schlüssel und Patch für den 12306-MCP-Server. Plant und fragt ab, bucht oder bezahlt aber nie.

Dateibasierter Postdienst zwischen DeepSeek-Harness-Sitzungen: Jeder Brief wird mit HMAC und Body-Digest versiegelt, Empfänger werden über eine Verzeichnis-Schnittstelle ermittelt. Offline-first: Nicht zustellbare Briefe warten im Postfach, statt verloren zu gehen.

KI-Begleiter mit gelerntem Tagesrhythmus, echtem Offline-Schlaf und eigenem Speicher; meldet selbstberichtete Affekte, bewertet mit derselben Judge-Logik wie die pi-Version.

Prompt-Optimierer für den Composer: Schaltfläche in der Werkzeugzeile überarbeitet den Entwurf über einen bereits eingerichteten Modellkanal; Ausgabe streamt in einem schwebenden Panel über dem Composer ohne Layoutverschiebung. Der Entwurf ändert sich erst mit Accept; während des Streamings wird Accept abgelehnt, damit keine unvollständige Antwort zurückgeschrieben wird. Bei @-Verweisen oder Anhängen fragt das Tool vorher, da vollständiger Ersatz sie zu Text abflachen würde. Keine globalen Tastenkürzel; der API-Key erreicht nie den Browser, der Host führt den Aufruf aus.

KI-entworfenes Projekt-Ledger. Active ledger: aktueller Stand; turn journal: append-only; Entscheidungen/Ziele/Erkenntnisse je eine Karte pro Datei mit multidimensionalem Index. Prinzipien ändert nur der Nutzer. Ein Kompaktierungsmodus sortiert in behalten/wortgetreu reinjizieren, nach _stash/ ablegen oder verwerfen. Container-Lock auf ein Subprojekt bleibt im Plugin-home, ohne Projektmarke. 5-stufiges Aktivitätslog: L4 speichert Nutzeraussagen wortgetreu, wird nie injiziert und ist auf Abruf durchsuchbar. Vor Kompaktierung wird eine Disk-Kapsel mit Zitaten, Rohfehlern und geänderten Dateien samt Quellen gespeichert, auch nach Neustart. Handoff setzt einen Chat fort. Lokal, keine Runtime-Abhängigkeiten. 21 Tools, 12 Unterbefehle, 39 Einstellungen; Panel/Projektmanifest-Priorität wählbar.

Browser-Provider für DeepSeek Harness: erledigt Webaufgaben Schritt für Schritt im echten Browser anhand einer indexierten Aktionstabelle statt HTML oder Screenshots. Pro Schritt eine gebündelte Jev-Entscheidung statt eines ganzen Modellturns; Repo-Benchmark: Median 1,1 s gegenüber 2,8–3,6 s pro Chatmodell-Turn. Die Unterhaltung erhält nur das Fazit und wächst nicht mit Seitenkontext. Ziele stammen aus der gerade gelesenen Seite; bei Änderung wird neu gelesen. Nutzt den Session-eigenen Browser und lässt dein normales Chrome unangetastet, außer im attach mode.

Bildverständnis sowie -generierung und -bearbeitung für DeepSeek Harness: Bilder mit Qwen/OpenAI/Anthropic/Gemini lesen, mit Qwen-Image erzeugen/bearbeiten. Überarbeitung von liustack/modlens (MIT). @liustack/modlens zuerst entfernen: Beide registrieren dieselben Vision-Provider und Image-Interception-Hooks; zusammen installiert funktioniert das Bildlesen nicht.

Ergänzt Subscription-OAuth-Anmeldungen und Login per Plan-API-Schlüssel der Anbieter über Pi-Adapter. Zugangsdaten liegen in einem DSH-eigenen Speicher.

Bewahrt ungesendete Composer-Anhänge je Sitzung: eingefügte Bilder und Dateien überstehen Seiten-/Gesprächswechsel und App-Neustarts. Bytes werden in IndexedDB gespiegelt und über den offiziellen Kanal createDrafts/addAttachments zurückgegeben; nach dem Senden oder Entfernen werden sie gelöscht.

Beleggestützte Websuche für DeepSeek Harness über OpenRouter-kompatible Gateways: `web_search` nutzt denselben Endpunkt und Schlüssel wie die Chatmodelle, liefert zitierbare Quellen und lässt sich unter Plugins konfigurieren.

Plugin-Marktplatz für DeepSeek Harness: offizielle und Community-Plugins durchsuchen, Kompatibilität vor der Installation prüfen und die Installation an den offiziellen Ablauf übergeben.

KI-agentengesteuerte Testplattform für DeepSeek Harness (dsh): In langlebigen Mehr-Runden-Sitzungen schreibt und startet der Agent Markdown-Testfälle, meldet Fehler, korrigiert Code und prüft Fixes erneut. Mit serieller Warteschlange je Projekt, Entwicklungsboard und integriertem Lasttest.

Zeigt Kontextfüllstände, den aus dem Modellfenster abgeleiteten Kompaktierungsschwellenwert je Sitzung, Schritt-Kosten anhand der Cache-Lese- und Schreibraten, Cache-Treffer, das DeepSeek-Guthaben zu Spitzen- und Nebenzeitpreisen sowie eine Übergabe per Klick. Es ruft kein Modell auf und verbraucht keine Tokens.

Bietet bidi-sichere RTL-Darstellung für gemischte arabische und englische Texte, ein über den DSH-Lokalisierungsdienst registriertes arabisches UI-Paket mit 3.307 Zeichenketten sowie drei thmanyah-Schriften: Sans für die Oberfläche, Serif Text zum Lesen und Serif Display für Überschriften. Sie folgen auf die in der App gewählte Schrift.

Nur-Lese-Skill-Inspector für DeepSeek Harness. Trennt tatsächliche Ladevorgänge (nur beobachtete Belege) von auffindbaren Skills und Deklaration von Ausführung. Status declared/observed/unavailable: ohne Beleg „nicht beobachtet“, nie „nicht ausgeführt/ausgelöst“; Ergebnisse werden dem Skill nicht zugeschrieben. Validierung/Evaluation getrennt; vergleicht Wiederholfälle ohne Wertung. Testet should-trigger/should-not-trigger in einer echten neuen Sitzung und unterscheidet Modellaufruf/Benutzeranforderung (/name ist kein natürlicher Trigger). skill_review (read-only) nennt Paket/Auslassungen. Lokal aus Definitionen/Sitzungsbelegen berechnet. Chinesisch nutzt das Hostmodell nur auf Anfrage, bewahrt Fences/Pfade/Frontmatter lokal. Klonen ändert weder Quelle noch führt es Skripte aus.

Bildgenerierung mit Galerie in der Seitenleiste und drei Agenten-Tools (paint_image, paint_images, edit_painting). Anbieter: ModelScope, Google Gemini, OpenAI, SiliconFlow, Volcengine Seedream, Alibaba DashScope, xAI und Zhipu sowie jeder OpenAI-kompatible Endpunkt, jeweils mit eigener Proxy-Einstellung.