Plugins

Fügt bei jeder Runde aktuelles Datum und Uhrzeit in den Laufzeitkontext ein, damit der Agent die Zeit ablesen kann, statt sie abzuleiten.

Kann DSH-Sitzungen zusammenfügen, weiterleiten und abzweigen: einen Ausschnitt des Sitzungsprotokolls lesen/exportieren, an einer Turn-Grenze abzweigen oder eine Auswahl als eigenständige Graft-Nachricht in eine andere Sitzung weiterleiten.

DeepSeek-Harness-Plugin für Zhihu (知乎): kapselt das lokale `pyzhihu-cli` als 18 `zhihu_*`-Tools, davon 14 schreibgeschützt (Suche, Hot-Liste, Frage, Antwort, Nutzer, Feed, Thema, Benachrichtigungen, Sammlungen). Die vier Veröffentlichungstools werden erst registriert, wenn `readOnly` ausgeschaltet ist. Mit Webpanel in der Seitenleiste für Anmeldung, Konfiguration und Abfragen.

WebDAV-Server: Stellt ein freigegebenes Verzeichnis als WebDAV-Dienst bereit, den Windows, macOS und Linux als lokales Laufwerk einbinden können. Mit Token-Authentifizierung, optionalem Nur-Lese-Modus, konfigurierbarem Verzeichnis/Port/Token und plattformbezogenen Einbindungsanleitungen in Settings.

Fügt dauerhaft geltende, in der DSH-Einstellungsoberfläche bearbeitete Anweisungen in den System-Prompt jedes folgenden Turns ein.

Fasst laufendes Reasoning und Tool-Aufrufe in eingeklappte Schrittleisten und jeden abgeschlossenen Turn in einer Zusammenfassungsleiste zusammen. Schritte zeigen native Tool-Icons, Dateinamen, geänderte Zeilen und Fehlerzahlen; abgeschlossene Turns stellen Dauer, Zeit bis zum ersten Token, Tokenverbrauch, Generierungsgeschwindigkeit und Cache-Treffer aus aufgezeichneten Session-Ereignissen wieder her. Einstellungen liegen auf dem Host. Ändert nur die Browserdarstellung. Erfordert DSH 0.1.5-alpha.1.

Prüfbares Token-Ledger für DeepSeek Harness: aggregiert neustartsichere Summen aus dauerhaften Sitzungslogs, berechnet dieselben Werte erneut aus den Rohlogs und vergleicht Abweichungen. Wandelt die Nutzung in Kosten je Workspace, Sitzung, Modell oder Anbieter um; Export als CSV oder JSON.

Ordnet DSH-Berechtigungen in 9 auswählbare Voreinstellungen (3 Sandbox-Modi × 4 Genehmigungsstufen), mit regel- und LLM-basierter Einstufung in vier Risikostufen. Hochriskante Vorgänge erfordern eine passwortgeschützte Genehmigung und werden im JSONL-Auditprotokoll erfasst.

Fügt nach jeder Nutzernachricht eigene gespeicherte Kontexteinträge als Remember-Zeile ein, pro Turn oder einmal pro Sitzung; mit Editor in Settings und Verwaltungsseite.

Erzwingt zu Beginn jedes Turns eine Aufgabenliste und schreibt sie vollständig neu, sodass erledigte Punkte erhalten bleiben. Die schwebende Kugel zeigt den gesamten Verlauf einschließlich durch Unterbrechungen verlorener Pläne und macht Erledigtes und Verworfenes sichtbar. Für DSH kernel 0.2.2-rc.1.

Local-First-HTML-Review- und Annotationsbereich für Coding-Agents: Öffnet eine isolierte Dateikopie im Browsereditor, sammelt Textänderungen, Formatierungen und Element-/Bereichskommentare und liefert eine dauerhafte Übergabe, die der Agent übernehmen und erledigen kann.

Coding-Retrospektivgedächtnis für DSH: Ein lokales LLM destilliert verworfene Lösungen, Stolperfallen und Einschränkungen jedes Durchlaufs, versieht sie in MemOS mit type:rejected_solution und verstärkt bei Coding-Aufgaben den gewichteten Abruf per agent/pre-step.

Manager für benutzerdefinierte DSH-Skripte: Macht geprüfte Abläufe wiederverwendbar, ausführbar über /script oder als Agent-Tool registrierbar, mit Parametern, deklarierten Ergebnissen und Ausführungsverlauf.

Installiert eine Skill-Router-Skill, die bei Bedarf semantisch in einem lokalen Skill-Korpus sucht, ohne den Korpus in den Modellkatalog jeder Runde aufzunehmen.

Bildgenerator-Workbench und Agent-Tool für DSH: ark9_generate_image erzeugt Text-zu-Bild und Bild-zu-Bild über beliebige OpenAI-kompatible APIs. Nutzer konfiguriert Kanäle, kein Endpoint enthalten (baseURL, Key, Modell selbst angeben). Agentenbilder standardmäßig freigabepflichtig: Warteschlange, keine Kosten vor Freigabe; sofortige Meldung „awaiting your approval“, Ergebnis/Ablehnung/Timeout im nächsten Turn. Fünf Tabs; Seitenverhältnis/Größe mit Qualitätsbudget und 16-px-Ausrichtung, transparenter Hintergrund, Stapel bis 10 als Unteraufgaben, eigene JSON-Promptquellen über Host-Proxy, dauerhafte Logs mit Retry, Aggregation mit Modellabruf je Kanal, UI zh/en, Konfigurationsimport/-export. Better-Sidebar-Tab mit dsh-better-sidebar; über FAB dsh-cua, wenn beide installiert sind.

Dauerhaftes Gedächtnis für DeepSeek Harness mit kuratierten Fakten, automatischer Turn-Aufbewahrung sowie graph- und vektorbasiert geranktem Abruf.

Sitzungs-Healthcheck: wertet Logs mechanisch über den offiziellen session-query-Seam aus und erstellt strukturierte Problem-Tickets zu Wiederholungsschleifen, Tool-Fehlerclustern, unterbrochenen Durchläufen und Tokenverschwendung. Eigenständig nutzbar.

Drei unabhängige Sprachkanäle für die Ausgabe: Tool-Aufrufbeschreibungen (Titel aller Karten, inklusive run_code in PTC-Presets), Thinking und Antworten. Jeder folgt der Web-GUI-Sprache, erzwingt eine Sprache oder ist aus; Standard: Nur Beschreibungen folgen der GUI. Globale Runtime-Context-Anweisung im Host, GUI-Sprache vom Client gemeldet; Umschaltung über Plugin-Karte in Settings.

Begrenzt die parallelen Anfragen je Anbieter im `llm/stream`-Ablauf. Überschüssige Modellanfragen warten in einer FIFO-Warteschlange in DSH, sodass Hauptagent, Subagenten und Komprimierung auf einem lokalen Einzel-Slot-Server (`llama.cpp --parallel 1`) abwechselnd arbeiten und keine Timeouts auslösen. Parameter: `maxConcurrent` / `maxQueued` / `queueTimeoutMs`.

Verwendet eine GitHub App, um offene PRs und den neuesten Actions-Lauf des aktuellen Repositorys zu melden, ohne Geheimnisse zurückzugeben.

Wandelt abgeschlossene öffentliche Content-Arbeit in DeepSeek Harness in ein browserlokales visuelles Magazin um, mit expliziten Aktualisierungen und Teilen eines geprüften Einzelartikels.

Einmalige, einwilligungsgebundene Sprachvorschau für DSH Web mit lokaler synthetischer Demo ohne Zugangsdaten, optionalem Qwen Audio und strikter Session-Isolierung. Transkript kann ausdrücklich in den Entwurf übernommen werden; kein automatisches Absenden.

Ideen mit Kling AI in Bilder oder Videos verwandeln. In DeepSeek Harness per natürlicher Sprache Text-zu-Bild, Bild-zu-Bild, Text-zu-Video, Bild-zu-Video, Erstellung mit Referenzbildern, Aufgabenverfolgung und Ergebnisvorschau nutzen.

Hält Chain-of-Thought, Planung, Tool-Aufrufüberlegungen und interne Abwägung des Agents auf Chinesisch: Die Sprachvorgabe wird vor jedem Denkschritt ganz oben in den System-Prompt eingefügt, damit Tool-Ausgaben sie nicht verwässern. Der Text lässt sich im Einstellungs-Panel ändern.