Plugins

Nächtliche Selbstverbesserung für Ihren DeepSeek-Harness-Agenten: Vergangene Sitzungen offline auswerten, wiederkehrende Aufgaben mit eigenem API-Budget wiederholen und validierte Skills hinter einer zurückgehaltenen Prüfschranke zusammenführen. Bringt die SkillOpt-Sleep-Engine von microsoft/SkillOpt als native Tools plus gebündelten Skill zu dsh – kein Weight Training. Erfordert Python 3.10+ und die SkillOpt-Sleep-Engine (pip install skillopt).

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).

Google Antigravity CLI (agy) als DSH-Produkt-Subagent: Aufgaben an einen Gemini-Codierungs-Agenten mit Ihrer Antigravity-Anmeldung (kein API-Schlüssel) delegieren, mit Konversations-Follow-ups, Hintergrund-Streaming-Fortschritt, Bildanalyse nach Pfad und einem Pop-up-Anmeldefenster.

GPT plant Abhängigkeits-DAGs, DeepSeek-Worker führen Aufgaben mit adaptiver Parallelität aus, und ein optionaler GPT-Reviewer prüft inkrementelle Git-Diffs und steuert Reparaturrunden.

Fügt dauerhafte Ausführungsverträge, rekursive Arbeitsgraphen, kritische Klärungen und Evidenz-Gates für lange oder unzureichend spezifizierte Harness-Aufgaben hinzu.

DSH-Port von TaskPlane: Abhängigkeitsgeordnete Wellen laufen in parallelen git-worktree-Spuren, mit Aufgabenpaketen, modellübergreifender Prüfung und Wiederherstellung nach Abstürzen.

Ein schnelleres, effizienteres und genaueres Coding-Agent-Preset. Bei 100 schweren SWE-bench-Pro-Aufgaben, ausgewählt nach mehrdimensionalen Schwierigkeitskriterien, sank die durchschnittliche Laufzeit um 36 %, die durchschnittlichen Input-Tokens pro Aufgabe um 17 %, und die Genauigkeit stieg um 5 Prozentpunkte.

Mindmap-Projektplanung mit Schutz vor blockierender Abweichung: Pläne, Module und Aufgaben als Abhängigkeits-DAG mit topologischer Ausführungsreihenfolge, Agenten-Positionsmarker, menschliches Genehmigungs-Gate bei jeder Board-Änderung, Git-Gegenprüfungen und evidenzbasierter Aufgabenabschluss.

Von einem Captain geführte Multi-Agenten-Teams, die ein Ziel in Aufgaben aufteilen und sie entlang einer Ausführungskette an Mitglieder verteilen, die in ihren eigenen Untersitzungen laufen, jedes mit seinem eigenen Modell.

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

Canvas-Task-Board, portiert aus CodexFF: hierarchische Eltern-/Kind-Aufgaben mit Grenzen, snap-ausgerichtete ziehbare Panels in einem Unterhaltungsansicht-Tab sowie `board_*` / `task_*`-Agententools und ein Sync-Skill.

Panel für geplante Aufgaben zur Verwaltung der crontabs von DSH-Agent und System, mit Eingabe in natürlicher Sprache und Ausführungsprotokollen.

Geplante DeepSeek-Harness-Agent-Aufgaben mit obligatorischen End-to-End-Tests, Laufhistorie und bidirektionaler Zustellung über neun Messaging-Kanäle.

Workflow-Orchestrierung im Supervisor-Stil über Top-Level-Sitzungen: bestätigungsgesteuerter Batch-Versand, Team-Workstreams, Steuerung laufender Aufgaben, Idle-Wait-Erfassung und Live-Modell-Routen-Erkennung über 11 task_*-Tools sowie den /tasks-Slash-Befehl.

Rate-Limiting-Plugin für DeepSeek Harness, das API-429-Fehler bei lang laufenden Aufgaben verhindert, mit Aufgaben-Retrospektiven.

Bündel von Agenten-Voreinstellungen für die Verwaltung von Wünschen und Aufgaben: Wünsche oder Aufgaben aus der Unterhaltung anlegen, Check-ins an Gelegenheitstagen, Mikroaktionen, dazu ein Gedächtnisspeicher und Diagramme zum Fortschritt in der Weboberfläche.

Ein konversationelles Sprach-Frontend-Agent für dsh: natürlich über ByteDance Duplex sprechen, Anfragen an Hintergrundaufgaben delegieren und deren asynchrone Ergebnisse per Stimme gemeldet bekommen.

Verwaltung archivierter Sitzungen, Benachrichtigungen bei Aufgabenstopp, ein Update-Checker, Modell-Routing (Schlüsselwortregeln + durch allowlist (Allowlist) abgesichertes model_route), geplante Multitask-Trigger (Heartbeats und Aufgaben zu festen Zeiten) sowie eine DeepSeek-ähnliche Scroll-Navigation für Nachrichten für die dsh-Web-GUI.

Automatisches Flash/Pro-Routing für DeepSeek-Harness-Subagent-Aufrufe: Leichte Aufgaben laufen auf einem günstigen Modell (z. B. V4 Flash), anspruchsvolle Aufgaben bleiben auf dem starken Modell – mit Überschreibungen pro Aufruf und /delegate-Sitzungsmodi.

Nativer A2A (Agent-to-Agent) Server für dsh: stellt diesen dsh als aufrufbaren Agent über HTTP mit JSON-RPC-Tasks bereit.

Stellt den DSH-Arbeitsbereich als HTTP-API bereit: Dateien durchsuchen, suchen und lesen sowie Agentenaufgaben in natürlicher Sprache mit zitierten Quellen ausführen.

team-task für DeepSeek Harness: langfristige Multi-Agenten-Aufgaben — ein Lead plant einen überprüften DAG, dauerhafte Mitglieder führen aus, ein Ereignisprotokoll ist die einzige Wahrheit, und ein residenter Versöhner überlebt Abstürze und Neustarts.

Fährt Windows nach Abschluss von DeepSeek-Harness-Aufgaben automatisch herunter – mit einem schwebenden Arm-Button und einem abbrechbaren Countdown-Banner (shutdown /a), ohne Laufzeitabhängigkeiten.

Ein Subagenten-Matrix-Schwarm, der heterogene Aufgaben an das geeignetste Modell über ein OpenRouter-ähnliches Gateway plus cfgpu.com/llm/square weiterleitet, jede Aufgabe per in-Prozess-Subagenten oder direkten LLM-Aufrufen ausführt und den Tokenverbrauch pro Modell mit einem feedbackgesteuerten Ranking nachverfolgt.