Plugins

DeepTutor-Tutoring-Bridge: tiefgehende Erklärungen, Selbsttest-Fragen, Lernpfadplanung, persönliche Wissensdatenbank-Suche (RAG) und Notiz-Archivierung über die Tools deeptutor_run / deeptutor_kb / deeptutor_note.

Schaut Douyin automatisch in einem dedizierten Edge-Browser unter Windows (Node.js 22.13+ erforderlich): Sampling-Entscheidungen, Storyboards aus Einzelbildern, Danmaku-bewusste Kommentare, Persona-Gedächtnis und Sehtagebuch, alles innerhalb täglicher Limits. Fork von LockyBee/dsh-douyin-agent; vor der Installation dieses Plugins das Upstream-Plugin entfernen.

GUI-Plugin für img2img-studio (zwei Bereiche in einem Paket): Bildeditor mit nummerierten Markierungen, Hintergrundentfernung, Pinselradierer, Größenänderung, Tastaturbedienung und Zuschnitt-/Maskenvorschau; dazu ein Anbieterpanel für Vision/Generierung mit Katalogwahl, Script-Scan, kontogesteuerten chatgpt-web-Channels, Test/Probelauf/Befehl kopieren je Zeile, Vorschau vor Speichern und Guthabenprüfung. Chinesische/englische UI; Speichern schreibt in `scripts/.env` zweier Skills zurück.

Verbindet QQ über OneBot 11 mit DeepSeek Harness: Einzel- und Gruppenchats, lokale Sprach-zu-Text-Erkennung, Bilder und zehn Interaktionswerkzeuge (poke, Reaktion, Like, Bild, Datei, Rückruf und mehr). Eine OneBot-11-Implementierung wie NapCat muss parallel laufen.

Registriert den minas-webdav-MCP-Server als einzelne stdio-Zeile und bietet 14 Tools für ein Xiaomi-Smart-Storage-(MINAS)-NAS ohne Einbindung: list, stat, tree, find, du, df, cat, upload, download, mkdir, move, copy, delete und capability probe. Das zugrunde liegende Python-Paket wird separat mit pipx installiert.

Ergänzt sitzungsbezogene Ausführungsmodi im DSH-Composer. OVERDRIVE aktiviert Turbo nur für die aktuelle Sitzung. Fast und Max ändern Planungs- und Prüfregeln des Agenten und können den reasoning effort der Anfrage senken. Host protokolliert den maßgeblichen Modus, Latenz je Turn, Schrittzahl und Tool-Aufrufe sowie, ob ein Prüfkommando ausgeführt wurde.

Wal-Maid mit Glas in einer Ecke des DSH-Fensters. Sucht auf Bilibili nach deinen Interessen und sortiert nach Like-, Coin- und Favoritenrate statt Aufrufen; bringt passende eingelegte Snacks mit. Ist ein Suchbegriff erschöpft, nimmt sie einen anderen Weg. Fünf Treffer landen im Glas, zu jedem Video gibt es eine Inhaltsangabe. Nachrichtenthemen: nur letzte zwei Wochen; Spielhilfen und Musik: ohne Begrenzung, jedes Thema entscheidet selbst.

Vision-first-Mac-Steuerung, wenn der Accessibility-Tree fehlt: 11 desktop_*-Tools (Fensterliste, Screenshots, OCR, nummerierte Elemente, Koordinatenklick, Eingabe, Scrollen, Ziehen) und Codex-artiges Cursor-Overlay mit Federanimation. Klicks erreichen den Zielprozess, ohne echten Zeiger zu bewegen oder Fokus zu stehlen. „Mac Desktop Control“ in DSH prüft Engine und Screen Recording/Accessibility-Rechte und öffnet die passende System-Settings-Seite. Der Tarball enthält universelle, vom Release-Workflow aus Repo-Swift-Quellen vorgefertigte dsh-cu-/Overlay-Binaries (Apple silicon/Intel, macOS 11+, ad-hoc-signiert): kein clone, Xcode oder install.sh nötig. DSH braucht diese Rechte einmalig. Nur macOS registriert die Tools; Windows/Linux laden das Plugin ohne sie.

Ergänzt zwei UI-Bereiche. Der Bildeditor im Composer bietet nummerierte Markierungen mit Einzelanweisungen, Hintergrundentfernung, Pinselmasken-Radierer, Größenänderung mit Zuschnitt-/Auffüllvorschau und tastaturbedienbare Marker; Ergebnisse kommen als Anhänge samt Manifest Version 1 zurück. Das Settings-Panel für vision/generation provider enthält explizite Provider-Auswahl, `providerId`-Normalisierung, Sync von ChatGPT-web-Konten mit Channels, Test/try-run/copy-command je Kanal, Script-Bereitschaftsprüfung und Speicherprüfung mit `.env`-Vorschau. Ein Probe deaktiviert nur bei expliziten Quotenfehlern. Chinesische/englische UI; schreibt Provider in die Skills-`.env`-Dateien zurück.

Anforderungsgespräch vor Arbeitsbeginn: prüft, ob eine Anfrage klar ist, und stellt sonst gezielte Fragen. Im strict-Modus bleiben Bearbeitungstools gesperrt, bis der Nutzer eine vierteilige Zusammenfassung im Chat bestätigt. Bestätigte Präferenzen werden in einem zweischichtigen Memory gespeichert.

Wiederverwendbare Agent-Team-Vorlagen für DeepSeek Harness. Settings speichert benannte Teams: einen Captain mit eigenem Prompt und Tool-Freigabeliste sowie Mitglieder mit eigener Provider-/Model-Route, Reasoning-Effort, Prompt und Tools. Eine Composer-Steuerung wendet ein Team auf die aktuelle Session an, installiert den Captain-Prompt und registriert spawn_team_member, get_team_preset und update_team_preset.

Automatische Kontextverwaltung im Codex-Stil für DeepSeek Harness: verlustloser Rollover ohne Zusammenfassungsmodell-Aufrufe, aufgabenbezogene Übergabeanker, nach der Kompaktierung erhaltene Arbeitsnotizen und wortgetreuer Abruf archivierter Fenster. Veraltete Notizen lösen eine deutliche Warnung aus, statt Aktualität zu behaupten. Mit Ein-Klick-Schaltfläche und /smart-compact-Befehl, automatischem Rollover in drei Stufen und obligatorischer Ankerbereinigung; funktioniert ohne Einrichtung.

Schreibgeschützte Git- und SVN-Codeprüfung mit dem aktuellen DSH-Agentenmodell, Änderungsvorschau, explizitem Kontext und genehmigungspflichtigen Modellanfragen.

Kombiniert Headrooms Code-Skeleton-Verfahren (Apache-2.0) mit dem Estimator von TokenPilot (arXiv:2606.17016). Veröffentlichte Werte: Headroom meldet 20 % weniger Tokens für Coding-Agenten und 60–95 % für JSON bei gleichen Antworten; TokenPilot bis zu 60 % geringere Kosten bei langen Sitzungen. Das sind Angaben der Projekte, keine Messungen oder Benchmarks dieses Plugins. In DSH lassen sich Profil, Auto-Compact-Schwelle und Skeleton-Komprimierung einstellen. Exakte Messung mit DeepSeek-V4-Tokenizer und Abgleich derselben Revision; bei nicht unterstützten Modellen bewahrt fail-open die ursprünglichen Tool-Ergebnisse. Skeleton-Komprimierung im Turn und abschließende Intent-Zusammenfassung innerhalb der offiziellen JSONL-Komprimierung.

Überwacht einen lokalen workbuddy2api-Gateway-Prozess und stellt dessen Modelle als LLM-Provider bereit, wobei Kontextfenster und Reasoning-Effort-Stufen aus dem eigenen Modell-Endpoint des Gateways gelesen werden.

Portable Agenten-Wissensbasis in einfachem OKF v0.2 Markdown: 13 wiki_*-Lese-/Schreibtools, progressive Offenlegung, Backlinks, per AGENTS.md-Regeln beschränkte Schreibzugriffe, automatische Index-/Log-Pflege, Linting und benanntes Umschalten zwischen mehreren Bundles (sitzungsweit oder global).

Discord-Adapter für dsh-Web- oder Desktop-Profile: @Mentions und Threads werden Sitzungen zugeordnet, Antworten gestreamt und Tool-Aktivitäten live angezeigt. Neun Slash-Befehle steuern Workspace-Bindung, Berechtigungsprofile und Modellauswahl. Tool-Freigaben und Nutzerfragen übernimmt Discord oder Web-UI, je nachdem, wer zuerst antwortet. Guild-Allowlist mit standardmäßiger Ablehnung.

Tool-Aufrufdisziplin für DeepSeek Harness: Verhaltensprompts, fehlerabhängige Verringerung der Parallelität und Wiederholungshinweise, Prüfungen nach dem Schreiben mit Backup-Rollback, Schranken für Hochrisikobefehle, Änderungsübersichten und Verifizierungserinnerungen, beratende Projektgedächtnisprüfungen, konfigurierbare Disziplinhinweise nach Komprimierung oder Intervallen sowie Compliance-Statistik.

Automatische Fortsetzung unterbrochener Agent-Sessions: eine geordnete Regeltabelle routet nach Fehlertyp (Rate Limit, Quota, Auth, Kontextüberlauf, abgestürztes Orphan) zu automatischem Backoff-Retry, Modellwechsel, Fortsetzen nach Kontextkompaktierung oder einer Stop-Loss-Benachrichtigung, mit visuellem Regel-Editor und vollständigem Aktivitätsprotokoll.

Lokale Code-Intelligenz für DSH: Impact X-Ray visualisiert mögliche Änderungsfolgen mit prüfbaren Quellbelegen und ausgewiesener Unsicherheit. Dazu Symbolnavigation, begrenzte Context Packs und ArkTS-Unterstützung.

eDEX-UI-artige Shell über der DSH-Web-GUI: linke Leiste mit Systemtelemetrie und Per-Core-CPU-Sparklines, rechte Leiste mit Encom-Globe-Weltkarte und Up/Down-Traffic-Diagramm, Dateisystem-Browser mit Dateivorschau sowie ein terminalgestalteter Composer, der dem aktiven Workspace folgt.

Konfiguriert die Zuordnung des Reasoning-Aufwands für Anbieter und Modelle in DeepSeek Harness, mit gruppierter Auswahl der Modelle und Schieberegler im Eingabefeld.

Registriert lokal definierte benutzerdefinierte Agenten als aufrufbare Subagenten in dsh: Die Hauptunterhaltung ruft jeden Agenten per use_agent über seinen Namen auf, jeder läuft als echter dsh-Subagent mit eigener Persona. Unterstützt Haltepunkt-Wiederaufnahme für unterbrochene Läufe.