Plugins

Vendor-based usage dashboard: per-provider token/cache/output KPI, a 53-week heatmap, trend chart with hourly "today" view, model drilldown, cost estimation, CSV export, and health cards (TTFT, generation speed, peak context, error rate).

Adds a "用量" section to the DSH Settings page that shows your MiniMax Token Plan usage (5h and weekly windows with reset countdowns), per-model breakdown, and video bonus credits; fetches `/v1/token_plan/remains` via a trusted plugin that holds the API key, auto-hides when no key is configured. MIT.

Official-style composer model trigger with a floating reasoning-effort slider popup.

Folds each DSH Web turn's thinking, tool calls and context into bordered process boxes cut at every piece of model text; a collapsed box shows its latest two items, the stacked lines above its border open that one box, the border itself folds it back, and user dialogue, interactive questions and model text stay outside.

Strukturiertes Test-Runner-Tool (test_run): erkennt Vitest/Jest/pytest/node:test automatisch, führt Tests aus und wertet Fehlerzusammenfassungen für das Modell aus.

Pinnt Assistentenantworten über die Web-Aktionsleiste und ruft sie in der nächsten Modellrunde wieder ab (`/pin` `/recall`, mit optionalem Wake).

Erfasst jede Upstream-Modell-API-Payload als JSON (Debugging und Observability).

Zweistufiger Modell-Router für DeepSeek Harness — LLM-Judge-Routing, Multi-Modell-Fallback-Ketten, Failover mit exponentiellem Backoff und Orchestrierung auf Aufgabenebene (DSH-Anpassung von pi-shift-router)

Manim-Mathematik-Plugin für DeepSeek Harness

DeepSeek-Harness-Plugin: Umschalter für den Denkmodus (enable_thinking) pro Anfrage für Modelle der Qwen3-Familie auf OpenAI-kompatiblen Endpunkten

Auf SearXNG gestützter Websuche-Provider für die DeepSeek-Harness-Web-Schnittstelle (ctx.web) — selbst gehostete Metasuche, kein API-Schlüssel, keine Modellrunde pro Suche

Plugin für wiederkehrende/geplante Aufgaben (Polling-Aufgaben/Zeitplan-Aufgaben) für DeepSeek Harness: cron-gesteuerte Polling-Jobs als echte Sitzungen, Erstellung in natürlicher Sprache, Modell-Tools (polling_create/list/edit/delete/trigger) und eine Web-UI. Installieren und loslegen über `dsh plugin add`.

DeepSeek-Nutzungsmonitor für DeepSeek Harness: Kontostandsabfrage und Zusammenfassung des Token-Verbrauchs als vom Modell aufrufbare Tools.

Ein DeepSeek-Harness-Plugin: das modellseitige Tool reload_plugin startet einen einzelnen Cordis-Loader-Eintrag neu (per Eintrags-ID, Modulname oder MCP-serverName), ohne benachbarte Einträge zu berühren — startet mcp-client-Serverprozesse neu

DeepSeek-Harness-Plugin-Bundle: die Tools qwen_vision (Bildverständnis mit Qwen-VL) und qwen_generate (Text-zu-Bild mit Qwen-Image) für rein textbasierte Modelle

Untersucht und verwaltet die live geltende Anweisungskette und Projekt-Skills der aktuellen dsh-Sitzung, mit Erstellung und Bearbeitung direkt vor Ort — was Sie sehen, bekommt auch das Modell

Request-Context-Profiler für DeepSeek Harness — zeigt, was sich zwischen Modellanfragen geändert hat und wie sich die Cache-Wiederverwendung dadurch verändert hat.

DeepSee: Vision für DeepSeek Harness, Multi-Modell-Routing und visuelle Gemini-Selbstprüfungen vor der Auslieferung

Vision als Plug-in für rein textbasierte DeepSeek-Harness-(dsh)-Modelle: ein `vision`-Tool mit integrierten günstigen/kostenlosen VLM-Presets, Stapelanalyse mehrerer Bilder, Bildaufnahme per Einfügen-als-Hinweis und einer Web-Einstellungsseite mit Hot-Reload.

Spracheingabe über die Web-Speech-API des Browsers: kein Server, keine Schlüssel, keine Modell-Downloads (Edge=Azure, Chrome=Google Speech).

Wiederverwendbare Markdown-Prompt-Profile für DeepSeek Harness mit Modellauswahl pro Runde, Argumentersetzung und Zustandswiederherstellung.

Telemetrie-Backend, das Runden, Modellschritte und Tool-Aufrufe zu yiTrace exportiert.

Sitzungsübergreifendes Gedächtnis für das Modell: durchsucht alle vergangenen Sitzungen per Volltext (SQLite FTS5 über ctx.sessionQuery) und bringt die am besten passenden Auszüge zurück in den aktuellen Kontext.

Speaks your agent's reports in a voice you choose, compressing long reports before speaking. Character voices need no training - a 3-10 second reference clip clones one, and community-trained models work too - and no 6.4 GB GPT-SoVITS install: the plugin installs its own runtime and voice. An existing GPT-SoVITS can be used instead, and it is the same voice model.