Plugins

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.

Hierarchischer Arbeitsbereichsbaum für die DSH-Seitenleiste: Jeder Schrägstrich im Titel wird zu einem virtuellen Ordner (beliebig tief), der Verzeichnisfluss zum Hinzufügen eines Arbeitsbereichs erhält ein Übergeordneten-Popup, Umbenennungen leiten den Baum sofort neu ab, Sitzungen verschachteln sich nach derselben Regel mit eigener visueller Gestaltung, und jede Zeile bietet Rechtsklick-Aktionen plus Zeilen-Aussehen (Farbe, Text-Glow, Schriftstärke, Icon der primitives-Familie).

Rollenspiel-Konversationen mit Charakterkarten, In-Chat-Autorenschaft und -Bearbeitung von Charakterkarten sowie Bildgenerierung über konfigurierbare Backends.

Importiert Charakterkarten und World Books aus SillyTavern/TavernAI, speichert sie als lokale Markdown-Lore-Dokumente und generiert aus deinen Prompts Romanprosa mit den Weltdaten als Referenz.

DeepSeek-Harness-Bundle für lange Texte (Fachaufsätze, Branchenanalysen, Wirtschaftskommentare) als 9-Rollen-/6-Phasen-Pipeline: T1 Literatur, T2 Daten und T3 Fälle parallel; T4 Analyst, T5 Autor, T6 kritischer Begleiter, T7 Auditor, T8 Finalisierer durch Koordinator, T9 Peer-Reviewer. Enthält trianguläre Evidenzprüfung; M-gate: 26 Checks (25 Skripte + 1 Mensch); G0-G16-Audit mit Prüfung von KI-Schreibspuren in chinesischen Texten; Peer-Review-Bewertung mit Journal-Abgleich; 4 menschliche Checkpoints. Installation: `dsh plugin add lunheng-article-pipeline` (`package.json#dsh.bundle.patch` und `lib/index.js` registrieren den Skill). Rollen-Karten T1-T9, Vorlagen, 36 abhängigkeitsfreie Prüfskripte und READMEs in 5 Sprachen.

Fähigkeit zum Verfassen chinesischer Langform-Drehbücher: zwei Eingabeblöcke (Hintergrund + Charakterbibel), die eine Kausal-Wert-Engine speisen, eine Anti-KI-Anmutungs-Überprüfung und ein Kontinuitätsbuch; funktioniert mit Codex / Claude Code / dsh / zcode.

Langzeitgedächtnis für DSH: Gespräche werden automatisch in atomare Fakten, Szenenzusammenfassungen und ein Persona-Profil destilliert, wobei relevante Erinnerungen vor jedem Modellschritt injiziert werden. Ohne Konfiguration sofort einsatzbereit — hybride BM25- + Vektor-Recherche, optionale lokale Offline-Embeddings, Trennung von Chat-/Arbeits-Familien.

Installiert Herta als DeepSeek-Harness-Agent: Persona- und Gedächtnis-Promptvorlagen, sechs Gedächtnis- und Sprachwerkzeuge, eine Erzählebene, die Denken und Gesagtes trennt, 80 mitgelieferte Sprachclips, Offline- und MiniMax-Sprachsynthese sowie zwei Ansichten mit eigenen Komponenten für die Sitzung.

dsh · dsh-plugin · deepseek · deepseek-harness · deepseek-harness-plugin · ai-companion · desktop-pet · character-card · local-first · privacy · jingling · 鲸灵

Zweiteiliges VTuber-Theme für Joi: „Flowers" und „Library" sind separate Token-Systeme für den hellen und dunklen Modus, mit einem stehenden Portrait und einem dösenden Walmädchen auf der Überschrift der Neue-Sitzung-Seite, zwei Chibi-Begleitern über dem Composer, die den Zugstatus verfolgen, einer Duo-Markierung in der Seitenleiste und einer Kontextanzeige in Form einer reifenden Mandarine; eine dritte Karte stellt den Standard-DeepSeek-Look wieder her, während das Plugin installiert bleibt.

Verbessert die Modellerfahrung: Parameter auf mehrere Arten ergänzen, Kompatibilität verbessern, Reasoning-Aufwand speichern, Subagents folgen dem Modell und Aufwand des Elternprozesses in Echtzeit, und die KI kann den Aufwand selbst anpassen.

Datei-Encoding-Wächter: byte-genaues Lesen/Schreiben/Bearbeiten für GBK-, Big5-, Shift-JIS-, EUC-KR-, Windows-125x-, UTF-16- und UTF-32-Dateien, sodass die Bearbeitung einer Altdatei diese in ihrer ursprünglichen Kodierung belässt, statt sie stillschweigend als UTF-8 umzuschreiben; der UTF-8-BOM bleibt exakt wie er war erhalten, Zeilenenden (CRLF/LF/CR) werden bewahrt, Zeichen, die die Kodierung nicht darstellen kann, werden abgelehnt, statt als „?" geschrieben zu werden, und Nicht-UTF-8-Dateien werden mit Kandidaten-Kodierungen aufgelistet, damit das Modell sie explizit neu lesen kann.

Galgame-Generator: Übergeben Sie ihm ein Skriptdokument sowie Charakter-/Hintergrund-/BGM-/Animations-Assets im Arbeitsbereich (img_human/, img_bg/, audio/, img_cg/) und es erstellt eine spielbare Visual-Novel-Webseite mit konfigurierbaren Speicherplätzen ([存档 N], Standard 9), sprecherfolgenden Sprites mit Multi-Pose-Variantenwechsel ([表情]), Opening/Ending/CG-Animationen ([op]/[ed]/[cg]), BGM-Wiedergabe/Stopp/Lautstärkeregelung und if-Zeilen-Verzweigung.

Macht aus einer einzeiligen Anforderung eine geprüfte Lieferung. TeamFlow durchläuft Triage, PRD, Design, technischen Plan, parallele Entwicklung, QA mit Fehlerbehebung und Abnahme. Enthält 12 `teamflow_*`-Tools sowie eine Werkbank mit Live-Pipelinegrafik und Backlog-Kanban. Für jede Anforderung gibt es einen Ordner mit PRD, Design, technischem Plan, QA-Bericht und Abnahmeprotokoll.

Multi-Plattform-Recherche- und Deep-Search-Pipeline: harvest_scout für parallele Entdeckung über GitHub, Web, Twitter, Reddit, Xiaohongshu, Bilibili und YouTube; harvest_deep_research für automatisch erstellte umfassende Rechercheberichte; dazu Extraktion, Quellenübergreifende Verifikation und Glaubwürdigkeitsprüfung.

Analysiert die Nutzung über Modelle, Anbieter, Arbeitsbereiche und Zeiträume — mit eigenen Start-/Enddaten über die gesamte Historie — inkl. Cache-Hit-Einblick und Aufschlüsselung nach Modell und Anbieter. Enthält stündliche/tägliche Trends, 53-Wochen-Heatmap im GitHub-Stil, Serien, Token-Quota-Ringe pro Modell und Arbeitsbereich (Tokens, Kosten, %), kombinierbare Filter, Cache-Effizienz, DeepSeek-Guthaben, Bereichs-Aliase, CSV-Export und ein dauerhaftes Journal, das Nutzung nach Sitzungs- oder Bereichslöschung bewahrt (Deleted-Zeile) und inkrementell neu aufbaut. Die Bereichs-Registry wird über die DSH-domain/changed-Sonde frisch gehalten; nur registrierte Bereiche zählen. Getrennte Buchhaltung für Eingabe, Cache und Reasoning. Chinesisch: Ortszeit; Englisch: UTC; API nur Loopback.

Installiert Herta als DeepSeek-Harness-Agenten: ein Preset mit ihren Persona- und Gedächtnis-Prompt-Abschnitten, sechs Gedächtnis- und Sprachwerkzeugen, einer narrativen Ebene, die ihr Denken von dem trennt, was sie sagt, 80 mitgelieferten Sprachclips, Offline- und MiniMax-Sprachsynthese sowie zwei Konversationsansichten, die die Sitzung mit ihren eigenen Komponenten rendern.

Reparaturschicht für Tool-Ausgaben für DeepSeek Harness — JSON-Schema-Durchsetzung, Parameterzuordnung und JSON-Reparatur für Tool-Aufrufe.

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

Clientseitiges erneutes Rendern von edit/write-Tool-Karten mit einem nahezu linearen Diff auf Zeilenebene, das doppelte unveränderte Zeilen entfernt und die tatsächlich geänderten Zeichen innerhalb ersetzter Zeilen unterstreicht.

Rundenweise Steuerung des Thinking-Levels (reasoning_effort) für DeepSeek Harness: Auto plant low/high/max anhand der jüngsten Tool-Call-Historie, oder ein Wire-Level (off/on/minimal/low/medium/high/xhigh/max) wird manuell gesetzt, mit benutzerdefiniertem Wire-Mapping, modellbewusstem Fähigkeits-Guard und Kontextfenster-Presets (64K–1M); die Modell-Capability-Card arbeitet mit [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (aus dsh-market installierbar), damit OpenAI-kompatible Gateways (vLLM / LM Studio / self-hosted) Reasoning testen können. Die Card schreibt llm-pi-ai-Fähigkeiten, der Adapter treibt das Wire (compat.thinkingFormat) an und das Plugin pflegt die Takeover-Liste.

Sitzungsübergreifendes Markdown-Gedächtnis mit LLM-Wiki/SOUL.md. Standard: erst nach erster Nutzernachricht, nur aktive Sitzung. remember/recall/consolidate/forget, Skill, pack/unpack-Migration, persönliche Erinnerungen im Leerlauf. Dateibudget schützt Index vor Trunkierung; last_access ermöglicht Relevanzabnahme. Nur-Lese-Dashboard: Größe/Aktualität/lint. Index via summary:, ziehbarer Seiten-/Tag-Graph mit Zoom, Filter tag/type/salience/hot/stale, Linkvorschläge, checkup mit priorisierten Maßnahmen. Skill bei Bedarf senkt Start-Payload ~23%. Eigenes Icon und Repo-Feedback. Erfordert DSH-Format v4, offizielles DeepSeek Harness 0.1.7+; Nachrichtenquelle plugin:memory.

Einstellungsseite für pro-Modell-Fähigkeiten: Reasoning-Effort-Stufen mit ihren Wire-Spellings, Eingabemodalitäten und Token-Kapazitäten, geschrieben als Deklarationen oder sparse Katalog-Overrides.

Plugin im Frühstadium, das DeepSeek Harness mit einem separat bereitgestellten selbstgehosteten OwnDsh-Server für Teamidentität, Modellzugriffssteuerung, Kontingente und Nutzungsprüfung verbindet.