Plugins

Tavily-Tools für Suche, Extraktion, Karten und Crawling, mit Schlüsselrotation, Failover bei HTTP 401/429/432/433 und Lastverteilung, die gleichzeitige Anfragen pro Konto begrenzt. Ergänzt eine Schlüssel-/Nutzungskarte unter Plugins. Das eingebaute web_search wird nie ersetzt.

Auf dem Host laufende cron-Engine mit Web-Jobs-Board und einem timer_agent-Tool: löst echte Agent-Sitzungen nach Zeitplan aus, setzt eine angeheftete Sitzung für Kontext fort oder startet neue in einem gewählten Projekt-Workspace.

Android-Real-Device-Debugging-Werkbank für die DSH Web-GUI: automatisch angehängter Logcat mit Schweregrad-/Stichwort-Filtern und Crash-Snapshots, Live-Bildschirmübertragung auf dem Gerät mit Remote-Tap/Swipe/Text-Steuerung, Reverse-Engineering-Toolset memory/proc/frida, 30 Agent-Tools.

Privater Loopback-DSH-Web-Gateway für Tailscale Serve, Cloudflare Access und Headscale TCP Serve, mit exakten Prinzipal-Allowlists und geführter Fail-Closed-Einrichtung.

Rundenweise Steuerung des Thinking-Levels (reasoning_effort) für DeepSeek Harness: Auto plant low/high/max anhand der jüngsten Tool-Call-Historie, oder ein Wire-Level (off/on/minimal/low/medium/high/xhigh/max) wird manuell gesetzt, mit benutzerdefiniertem Wire-Mapping, modellbewusstem Fähigkeits-Guard und Kontextfenster-Presets (64K–1M); die Modell-Capability-Card arbeitet mit [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (aus dsh-market installierbar), damit OpenAI-kompatible Gateways (vLLM / LM Studio / self-hosted) Reasoning testen können. Die Card schreibt llm-pi-ai-Fähigkeiten, der Adapter treibt das Wire (compat.thinkingFormat) an und das Plugin pflegt die Takeover-Liste.

Agent2Agent-Protokoll v1.0 für DSH: einen Standard-A2A-Server betreiben, damit andere Agenten diese Instanz aufrufen können, sich als Clients mit entfernten A2A-Agenten verbinden und beides über eine visuelle Einstellungsseite verwalten.

Kostengünstiges Video-Verständnis-Tool: Ein video_understand-Tool wandelt einen Bilibili-Link / BV / ein lokales Video in eine AVIS-Informationsschicht (ASR + Szenenstruktur + Objekt-Tracking + YOLO-Labels) um und liefert Zusammenfassung + Q&A. Fragegesteuertes dynamisches Routing über Ebenen hinweg (L0 ASR / L1 Objekt-Tracking / L2 Keyframe-VLM), Wiederverwendung der semantischen Schicht für Wiederholungsfragen, Budgetobergrenze pro Frage. Python-Engine: Die Kernschicht benötigt faster-whisper / opencv / yt-dlp (~200-300MB); die optionale semantische Schicht fügt ~2GB torch / transformers / ultralytics hinzu. Ein mitgeliefertes doctor --fix richtet das venv ein und installiert beide.

Gibt reinen Text-DeepSeek-Harness-Agenten Videoverständnis: szenenbewusste Frame-Abtastung + VLM + optionale ASR-Transkription, zu Zeitleistenbeweisen fusioniert. / Video-Verständnis-Plugin für reine Textmodelle (szenenbewusste Frame-Extraktion + VLM + optionale Spracherkennung).

Repariert DeepSeek-Harness-Sitzungen, die nicht geladen werden, mit einem Sidebar-Overlay für den Sitzungs-Chirurgen und einer Trockenlauf-Reparatur.

Eine Peitsche für DeepSeek V4 Pro: Sie beobachtet den Reasoning-Fingerabdruck jedes Thinking-Blocks und zieht das Modell zurück, wenn es vom fokussierten „We will / I will"-Modus in einen verstreuten „let me"-Modus abgleitet.

Mehrdimensionale Qualitätsbewertung für DeepSeek Harness Plugins, die ein Repo oder npm-Paket anhand von Installationserfolg, Wartungsaktivität, Vollständigkeit der Dokumentation, Sicherheitsprüfung und Protokollkonformität auf Basis echter CLI-Belege bewertet und einen JSON- oder Markdown-Leaderboard-Bericht erzeugt.

Desktop-Pet, gezeichnet nach der offiziellen Wal-Silhouette, für Desktop-App und Web-UI: SVG-Animationen und Gesichtsausdrücke folgen dem Agent-Status (Denken, Arbeiten, Fertig, Fehler, Warten auf Bestätigung) und es kann anderen laufenden Sessions mit Zähler-Badge folgen; anstupsen, ziehen, schwindelig schütteln, an den Bildschirmrand quetschen oder den Cursor über seinen Kopf reiben für einen Headpat; 7 Paletten, 4 Größen, synthetisierte Klänge, Hell/Dunkel-Theme-Sync und eine spielbare Web-Vorschau.

Führt isolierte Installations- und Smoke-Testläufe für DSH-Plugins in Wegwerfprofilen aus und liefert strukturierte Bestanden/Nicht-bestanden-Datensätze sowie Batch-Matrizen, ohne dein echtes Profil anzutasten.

Expert-Preset für DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): Chefkoordinator + 17 Domänen-Subagenten mit Auto-Delegation. Funktionen: Taskboard (Zustände pending/ready/running/done/failed, DAG, atomare Beanspruchung, Retry, Wiederherstellung), Quality Gates (5-stufige Pipeline: Anforderungen, Implementierung, Verifikation, Prüfung, Integration; 2 Überarbeitungen), Five-Anchor (Prüfung/Konvergenz/Anti-Drift/Zusammenarbeit/Ressourcen), Near-distance (Vorlage Identität/Aufgabe/Ausgabe), progressive Offenlegung (~28 % Token-Einsparung), Persistenz, P2P-Bus, Kreuzprüfung, Erfahrungspool, Schnellweg, Auto-Retry. 17 Experten: Daten, Redaktion, Recht, PM, Frontend, UI/UX, Architekt, Social, Growth, Quant.-Finanzen, Backend, DevOps, DB, QA, Sicherheit.

Ein einfaches DSH-Warteschlangenpanel zum Bearbeiten, Entfernen, Steuern, Neuanordnen und Massenentfernen.

Sitzungen auf einer abspielbaren Timeline mit Token-Nutzung pro Schritt wiedergeben, sensible Operationen prüfen, Kosten schätzen, Fork-Historie anzeigen, Sitzungen vergleichen und eigenständige HTML-Replays exportieren.

Nutzungsstufen und teilbare Statistik-Karten: 🐟→🐳 Rangfolge nach monatlichem Token-Verbrauch mit lokal berechnetem geschätztem Perzentil, präzise Preise für 46 Modelle von 6 Anbietern (einschließlich größenbasierter chinesischer Preise), Nachfüllung von Vorinstallations-Sitzungen und Alt-vs.-Neu-Vergleich über die Tarifänderung vom 2026-08-17. Nur lokal, keine Telemetrie.

Einstellungsseite für pro-Modell-Fähigkeiten: Reasoning-Effort-Stufen mit ihren Wire-Spellings, Eingabemodalitäten und Token-Kapazitäten, geschrieben als Deklarationen oder sparse Katalog-Overrides.

Fügt reinen Text-Hauptmodellen ein konfigurierbares Vision-Modell hinzu: ein vision_read_image-Tool, einen Vision-Modell-Selektor in der Composer-Leiste und automatische Bild-zu-Text-Konvertierung für reine Textrouten.

Ein schwebendes Desktop-Pet für die DeepSeek Harness Web UI: Ruheatmung, gelegentliche Richtungswechsel, zufällige Aktionen und Umherwandern auf dem Bildschirm.

Wählt Browser-Elemente direkt während des Vibe Coding aus und sendet strukturiertes visuelles Feedback an den DeepSeek-Harness-Agenten.

Plan-Review mit verankerten Annotationen und strukturiertem Feedback zurück an den Agenten.

Skill-Pool-Manager in der Einstellungen-Sidebar: Aktivieren/Deaktivieren, Ordner-Stapelimport mit Hinweisen bei Umbenennungskonflikten, zustandsgesteuerte Ein-Klick-Prüfung der DSH-Spezifikation mit Auto-Fix sowie System-/Projekt-Scope-Labels.

Verbindet mehrere Overleaf-Projekte über OverleafMCP mit DSH — zum Durchsuchen, Analysieren und Git-basierten Aktualisieren von Dateien.