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.

MCP-Server-Manager für DeepSeek Harness: MCP-Server über Settings → MCP 管理 hinzufügen, bearbeiten, aktivieren/deaktivieren, neu starten und löschen, mit JSON-Export/-Import, vier mcp_manager_*-Modellwerkzeugen und einer HTTP-API; Installation über npx, npm oder plattformübergreifende Skripte.

MCP-Brücke, die es ChatGPT Web ermöglicht, DeepSeek-Harness-Agentensitzungen und -Ziele zu erstellen, anzuzeigen, fortzusetzen und zu überwachen, während DSHs natives Genehmigungs-, Sandbox- und Arbeitsbereichs-Sicherheitsmodell erhalten bleibt.

Bildgenerierung und Bilderkennung für DSH: Images-Seite in der Seitenleiste, eine Zeile pro Modell, 10 Seitenverhältnisse, Größen 1K–4K, Kontaktbogen mit Detailkarten, Zoom, Wiederverwendung und Löschen. Drei voreingestellte Provider (einer ohne Schlüssel), eigene Endpunkte und eine Vision-Review-Skill. Ein eingefügter Schlüssel wird mit Modus 600 unter ~/.dsh/secrets/media-tools.env gespeichert und nur an den gewählten Provider gesendet. Die Seite übernimmt die Harness-Sprache (Chinesisch oder Englisch). Python 3.9+ erforderlich; Generierung über scripts/generate.py; Seite benötigt DSH Desktop 0.2.1+.

Wandelt lokale Markdown- und Textdokumente in eine abfragbare Wissensdatenbank mit hybrider semantischer und Stichwortsuche, Zitatverifizierung und Quelleninjektion um.

DeepSeek-Harness-Cordis-Tools für All in Flash, angetrieben von All in Luna.

Design-Ästhetik-Skill-Paket (10 Stile: Dark SaaS, Minimal White, Neumorphism, Brutalism, Glassmorphism, japanischer Minimalismus, Bento Grid, Cyberpunk, Vaporwave, Art Deco) mit lauffähigen Landingpage-Demos: Tokens, Komponentenregeln, Verbotslisten und Abnahme-Checklisten je Stil.

In-App-Plugin-Browser im Stil des Steam Workshop: Suche, Sortierung nach Beliebtheit/Neuheit/Trend (7/30/90 Tage), chinesisches Keyword-Mapping, zweisprachige Beschreibungen mit README-Übersetzung, Filterung nach Plugin-Signatur sowie Ein-Klick-Installation/-Update.

Video gemeinsam mit einem reinen Textagenten ansehen: ffmpeg und die enthaltene Browsererweiterung melden die echte Wiedergabeposition (keinen Timer) und übergeben kurz vor Ende jeweils ein Segment. Keine TTS-Engine enthalten; es werden zeitgesteuerte Sprachereignisse ausgegeben. Zum Vorlesen ist eine eigene Voice-/TTS-Einrichtung nötig.

Sitzungsübergreifendes Langzeitgedächtnis für DeepSeek Harness, nach Workspace getrennt und zwischen Sitzungen geteilt. Im dauerhaften Prompt stehen nur oberflächliche Kernpunkte; lange Texte werden über segmentweise Indizes gefunden und nur das passende Segment abgerufen. Die tiefen Originale (damalige Gedanken, Befehle, Schlussfolgerungen) bleiben lokal in einer Vektordatenbank und werden bei Bedarf geholt. Rauschfilter und Zeitkanal; kein Netzwerk (lokales Embedding-Modell), keine Änderung am offiziellen Kern.

Weiterentwickelnde Speicherinfrastruktur für DSH mit Belegen, Zeit, Kontext und Korrekturen für langfristige Kontinuität. Nutzt einen lokalen Python-3.11+-Speicherdienst (fastapi/uvicorn/pydantic), der automatisch als python3-Unterprozess startet.

Langzeitgedächtnis-Plugin für DeepSeek Harness. Jeder Turn wird bewertet und in einer lokalen SQLite-Datenbank gespeichert (Äußerung / Ereignis / Version / Phase / Entscheidung), mit durchsuchbarem Panel.

Douyin-Assistent: wählt täglich Videos aus, liest Kommentare und erstellt einen datierten Bericht. Likes und Kommentare mit @-Erwähnung sind standardmäßig beide off. Veröffentlicht auch Clips aus dem eigenen ComfyUI. Nur Windows; benötigt Python 3 und das System-Chrome. Beim ersten Start sind der Schritt install-main-dependencies und die QR-Code-Anmeldung nötig.

DSH SlideStudio — erstellt KI-Präsentationen für DeepSeek Harness und exportiert sie als bearbeitbares PPTX.

Live2D-Desktoppet-Plugin: hängt der DSH-Web-GUI ein Live2D-Haustier an, das sich ziehen lässt, dem Mauszeiger folgt und Bewegungen und Gesichtsausdrücke wechselt.

Mobile Web-Shell für die DSH Web GUI: Overlay-Schubladen, ziehbarer FAB, mobile Composer-Korrekturen und ein schwebender Bild-Upload-Button oberhalb des Composers (native Galerie/Kamera, integriert in die validierte add-images-Pipeline), ohne Desktop-Regression. Auf npm als dsh-webui-mobile veröffentlicht.

Ein schreibgeschützter Spiegel für installierte DeepSeek Harness-Plugins: Funktionsinventar mit Nachweisen, plattformübergreifende Plugin-Konflikte und ein Diff der Änderungen seit dem letzten Scan.

Anbieterunabhängige DSH-Dokumentenparserung, angetrieben von MinerU, mit nativen Hintergrundjobs, unveränderlichen Ergebnissen und sicherer Zusammenführung von Anfragen.

Verbesserung der Eingabeerfahrung: Spracheingabe, KI-Politur, Überschreibschutz, Prompt-Optimierung mit Diff-Vorschau und automatische Locale-Umschaltung entsprechend der DSH-UI-Sprache.

Bearbeitungserlebnis im VSCode-Stil für DeepSeek Harness: ein Monaco-basierter zentraler Datei-Editor (Tabs, Schnellöffnen mit Ctrl+P, Statusleiste) und interaktive Diff-Prüfung der Bearbeitungs-/Schreibergebnisse des Agenten mit Keep/Undo pro Änderung, Rollback und Archivierung, über Neustarts hinweg erhalten.

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

Ollama-Provider für DeepSeek Harness mit Modellverwaltung, Gesundheitsprüfungen, regelbasiertem lokalem Routing und Cloud-Fallback.

Windows-Desktop-Computer-Use-Tools (click, type, key, screenshot) mit Frischeprüfungen, Freigabe-Gating, Prozessidentitätsverifikation um jede Aktion herum und einer bereinigten Audit-Spur.

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.