Plugins

Auto Chess: Mensch gegen KI oder KI gegen KI.

Token-Kostenverfolgung pro Modell mit konfigurierbarer Preisgestaltung für Cache-Hit/Miss, Output und Spitzenzeitfenster, einer Live-Kostenleiste für die Sitzung und Markierungen für nicht konfigurierte Modelle.

Der Modell-Umschalter für DSH: auf jeden OpenAI-kompatiblen Endpunkt richtbar, mit kuratierten kostenlosen/günstigen DeepSeek-Provider-Presets und automatischem Fallback, wenn eine kostenlose Stufe Sie ratenlimitiert.

Schwärzt unterstützte Geheimnis-Muster in der Exportkopie von `session-telemetry/record`, bevor konfigurierte Telemetrie-Backends sie erhalten.

Automatisierte Unit-Test-Generierung: ein `/testgen`-Befehl und ein generate_tests-Tool, die Tests erstellen, ausführen und reparieren, bis sie bestehen (LLM plus Offline-Template-Generatoren; vitest/jest/mocha/node:test).

Loopback-first Multi-Agent-Message-Relay: HMAC-authentifizierter Broker plus dsh-Plugin (relay_send/recv/peers/history), CLI- und Python-Clients ohne Abhängigkeiten, Wire-Protokoll v1.0.

Evidenzbasiertes Betriebskit: sechs rein lesende Tools (Fähigkeitskatalog, stufenweise Workflow-Pläne, Reader für gepackte Skills, begrenzte lokale Gedächtnissuche, Release-Audit für Repositories, Release-Checkliste) sowie fünf gepackte Skills — plant und prüft, schreibt nie remote.

SHOPLINE AI Toolkit: verbindet mit dem offiziellen SHOPLINE Developer MCP-Server und liefert sieben SHOPLINE-Agent-Skills (Admin REST, GraphQL, OAuth, Webhooks, Sline) — das SHOPLINE-Gegenstück zum Shopify AI Toolkit.

Duales Wissensgraph-RAG für Markdown-Notizen: Voraussetzungs- und Ähnlichkeitsgraphen (P/S-Agent-Traversierung), Absatz-Chunking, hybride n-Gramm-/Embedding-Suche und eine explizite Gewichts-Feedback-Schleife — über MCP.

Native Web-Recherche-Tools über Search1API (s1): Suche, News, Seiten-Crawling, Sitemap-Erkennung und Trendthemen als vollwertige `s1_*`-Tools, mit gebündeltem s1-Skill.

Toolkit für Traditionelle Chinesische Medizin: Acht-Achsen-Diagnose und Nachschlagen von Kräuterpaaren.

Verifikations-Gates mit echter Berechnung: mathematische Vereinfachung, Logikbeweise, Regex-Validierung, E-Prover-FOL, Zustandsmaschinen-Prüfungen und Code-Reparatur, gestützt auf in Go kompilierte Binärdateien mit vorgefertigten Windows-Executables.

Verhaltenscoaching-Skill für ADHS: Aufgabenzerlegung, Umgang mit Überforderung, Start-Rituale und Umgang mit Rückschlägen.

Erweitert dsh-subagent-tools um ein aufrufbezogenes cwd für Subagenten, inklusive der zwei benötigten In-Process-Provider-Patches.

Update-Manager für installierte Plugins: nach Updates suchen, sichern und zurückrollen.

Plugin-Center: DSH-Plugins über die Einstellungen entdecken, installieren und verwalten.

Im Composer angehängte Bilder werden von einem OpenAI-kompatiblen Vision-Modell in Text umgewandelt, bevor sie textbasierte DeepSeek-Modelle erreichen.

Ein gemeinsamer Obsidian-Vault für jeden Agenten: abhängigkeitsfreier Python-Kern (search/promote/adjudicate/forget), Vault-Vorlage, dsh-Plugin (memory_search/show/submit/status).

Gedächtnisabruf auf Basis von BM25-Schlüsselwörtern.

Begrenztes lokales Gedächtnis mit CBDC-Autoritätskontrolle: SQLite + FTS5-Claims, bereichsbezogener Abruf mit erklärbaren Use/Verify/Ignore-Entscheidungen und vollständigem Audit-Trail, /memory-Befehle, ≤3 Claims/1200 Zeichen Injektion pro Aufruf, kein zusätzlicher Modellaufruf.

Sitzungsübergreifender Gedächtnistresor: Tools remember / recall / forget, Prompt-Injektion pro Runde und ein Eintrags-Browser auf der Einstellungsseite.

Exportiert die aktuelle Sitzung über das `session_export`-Tool und Slash-Befehle in portable, schemaversionierte Markdown- und JSON-Dateien, mit plattformübergreifend sicheren Dateinamen.

Lokaler, sitzungsbezogener LIFO-Prompt-Stash, um unfertigen Composer-Text vorübergehend beiseitezulegen und später sicher wiederherzustellen.

Rendert lokale Bildpfade aus Assistentenantworten direkt im Nachrichtentext (9 Formate, Lightbox mit Zoom per Klick, verstellbare Größe).