Plugins

Plan-Review mit verankerten Annotationen und strukturiertem Feedback zurück an den Agenten.

Plant tägliche, wöchentliche oder monatliche GitHub-Trending-Zusammenfassungen. Der lokale trendradar-Kern schreibt chinesische Kurzfassungen und Rückblicke für den Zeitraum, committet sie in Ihr eigenes Repo und öffnet den Pull Request. Arbeitsbereich für Überblick, Digest, Laufhistorie, Abonnement und Einstellungen.

Koppelt ein Handy per QR-Code oder sechsstelliger Nummer mit der DSH-Instanz dieses Computers. Das Bedienfeld ermöglicht Fernsteuerung: Anweisungen senden, Bilder ansehen und Freigaben beantworten. Ein öffentlicher Tunnel unterstützt die Verbindung über verschiedene Netzwerke.

Wandelt Bilibili-Videos in strukturierten KI-Text um: Metadaten, Kommentare, Danmaku, Untertitel, lokale ASR und Frame-OCR. Verarbeitung lokal, kein Cloud-Upload; erkennt Köder-Untertitel per Frame-Prüfung, nutzt Cache für erneutes Lesen und erstellt KI-Manifest samt Zusammenfassung. Frame-OCR benötigt ffmpeg. Lokale ASR/OCR brauchen Python-3.10+-venvs und unter Windows zusätzlich die VC++-Laufzeit. KI-Untertitel erfordern eine Bilibili-Anmeldung.

Liest Harness-Antworten über eine vorhandene lokale TTS-Laufzeit vor: integrierte Starter für IndexTTS und GPT-SoVITS, protokollbasierter lokaler HTTP/JSONL-Einstieg und Laden von Modellordnern für Kokoro-, F5-TTS-, VoxCPM-, Qwen3-TTS- und CosyVoice-SDK-Umgebungen. Keine Modelle enthalten. Abgeleitet von 1624318455/dsh-plugin-tts; Zeilen-ID und Einstellungen sind getrennt, sodass beide parallel installiert und doppelte Funktionen deaktiviert werden können.

Überträgt potetos pstack-Engineering-Playbooks auf DSH und deckt Planung, Review, Verifizierung und Release ab.

Patent-Schreib-Gatekeeper für dsh – prüft die Idee zuerst gegen chinesischen Stand der Technik, führt dann Gespräche zur Ausrichtung von fünf Parteien, das Verfassen einer achtkapiteligen Offenbarung, Abbildungen und Simulationsläufe, eine Sieben-Dimensionen-Prüfung und den Export nach docx/PDF durch. Die Skills funktionieren sofort; die Such-, Export- und Experimentier-Tools stammen aus einem mitgelieferten Python-MCP-Dienst, der deaktiviert ausgeliefert wird – eine Zeile in ~/.dsh/patent-services.yaml aktiviert ihn, und uvx holt das Wheel von PyPI.

Persona-Engine für DeepSeek Harness: eine config.json steuert den Selbstnamen der KI (pro Modell, pro Stufe), die Anrede, die Beziehungshaltung, den Charaktertext, Arbeitsverträge pro Element mit Schaltern, die Sprache der Gedankenkette und den Antwortton, plus Langzeitgedächtnis nur mit menschlicher Bestätigung: die KI hängt nur Vorschläge an, eine Bestätigungszeile setzt sie in Kraft, das Log ist nur anhängbar und wiedergabefähig. Bestätigte Einträge kommen als zitierter Daten-statt-Anweisungen-Block; mit kind markierte gehen in beliebige Dateien und erreichen den Prompt nie. Der Prompt wird bei jeder Zusammenstellung neu von der Platte gelesen: Änderungen greifen ohne Neustart. Presets: teilbare JSON-Snapshots. Keine Abhängigkeiten, kein Netzwerk, keine Shell.

Verwalten Sie MCP-Server, Skills und Tools Ihres Agenten — echter In-Context-Zustand (geladen/gekürzt/verdrängt) und Umschalter pro Sitzung.

Trellis-ähnlicher Workflow für DeepSeek Harness: pro Turn Phasen-Breadcrumbs über agent/pre-step, gebündelter Skill-Provider und DSH-nativer Task-/Phasenstatus mit Schutzvorkehrungen für Git-Sauberkeit.

DSH-native Integrationsschicht für die Minta-Speicher-Engine: setzt die offizielle dsh-mcp-client-Zeile zusammen, registriert die Skill minta-memory-governance sowie ein Speicher-Prewarm zu Sitzungsbeginn und liefert ein Minta-Agent-Preset mit; erfordert die separat bereitgestellte Minta-Engine (Python/Docker), die die 19 MCP-Tools bereitstellt — ohne diese nicht verwendbar.

Wissensdatenbank nach dem Karpathy-LLM-Wiki-Muster für DSH: wiki-write/wiki-search-Fähigkeiten, abhängigkeitsfreie Pipeline (Lint/Index/mnemon-Speichersync/Qualitätsfeedback), minimales Lebenszyklus-Plugin mit Schema- und Wissensvorschau, SiliconFlow-Semantikabruf über einen Ollama-kompatiblen Proxy.

Bidirektionale QQ-Brücke über OneBot v11 (Reverse WebSocket): Sitzungen pro Gruppe und pro Privat-Chat, @-zitierte Sprach-Speech-to-Text, private Bild-/Animations-Sticker-Anzeige, Gesichts- und Sticker-Tools.

Hält pro Anbieter einen Pool von API-Schlüsseln mit automatisch erstellten Klon-Routen vor, schaltet bei Quota- oder Rate-Limit-Fehlern auf den nächsten Schlüssel um, prüft abgekühlte Schlüssel auf Erholung und zeigt Pools, Cooldown und Wechselcodes im Settings-Bereich an.

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.

Spracheingabe für die Web-UI: nach Pausen segmentiertes Diktat und Sprachnachrichten, jeweils mit eigener Anbieter-Fallback-Kette (Deepgram, Groq, HuggingFace, lokales whisper.cpp oder ein OpenAI-kompatibler Endpunkt).

Ruft eine beliebige http/https-Seite ab und gibt Titel, Beschreibung, Haupttext, Überschriften-Gliederung und Links zurück, mit Statistiken (Zeichen-/Wortanzahl, Lesezeit, Sprache) und Top-Keywords; kann Inhaltsbilder in den Sitzungsarbeitsbereich für die Bildanalyse herunterladen und sie über den scrape.imageAnalyzer-Dienst an registrierte Analyser verteilen.

Konfigurierbares Standardmodell für Subagenten-Delegationen über settings.yaml, mit Einzelmodell- und Multi-Modell-Round-Robin- oder Zufallsstrategien.

SearXNG-Such- und Crawl4AI-Abrufanbieter für DeepSeek Harness

🔔 Fensterübergreifende Fertigstellungs- und Genehmigungsbenachrichtigungen für DeepSeek Harness — Popup-Erinnerungen im Codex/WorkBuddy-Stil, die dich zu DSH zurückholen.

Regelbasierte automatische Genehmigung für Sandbox-Eskalationen in DeepSeek Harness, mit optionalem LLM-Prüfer und nativem menschlichem Fallback.

GitHub Copilot LLM-Adapter: OAuth-Device-Flow-Anmeldung, Live-Modellentdeckung über die Copilot-API, Vision-Unterstützung für bildfähige Modelle (gpt-4.1, gpt-4o) und zwei Wire-Protokolle (Chat Completions und Responses API) mit automatischem Endpoint-Routing pro Modell.

Lädt Wallpaper-Engine-.mpkg-Dateien als DSH-Web-Hintergrund: eingebettetes Video, tageszeitabhängiger Wechsel, einheitlicher Milchglas-Effekt, lokale Wallpaper-Bibliothek & Rotation.