Plugins

Agenten-Governance-„Königreich" für DeepSeek Harness: Territorien, Rollenbindungen (bind/unbind/session mit Modell-/Agentenidentität) und eine Plan→Zuweisen→Ausführen→Überprüfen-Aufgabenschleife, in der Worker-Angaben nie automatisch als abgeschlossen gelten (Claim ≠ Fact), mit lokaler GUI-Betriebskonsole.

Das DeepSeek Harness-Bündel registriert eine Fertigkeit, die lange Produktionen (wissenschaftliche Arbeiten, Branchenanalysen, Wirtschaftskommentare) in eine 9-Rollen-Pipeline verwandelt: T1 Literatur- / T2 Daten- / T3 Fall-Scouts parallel, T4 Analyst, T5 Autor, T6 kritischer Begleiter, T7 Prüfer, T8 Finalisierer, T9 Peer-Reviewer vom Koordinator ausgeführt. Über 6 Phasen mit dreieckiger Evidenzprüfung, 23-Prüfungen-M-Gate, G0-G14-Audit inkl. chinesischem KI-Tracing-Gate, Peer-Review-Bewertung mit Journal-Matching und 4 menschlichen Checkpoints. Installation mit `dsh plugin add lunheng-article-pipeline` (package.json#dsh.bundle.patch plus lib/index.js-Eintrag); liefert Rollenkarten für T1-T9, Vorlagen und 11 Verifizierungsskripte ohne Abhängigkeiten, mit fünfsprachigen READMEs.

Anthropic Sans-, Serif- und Mono-Schriftarten für die DSH Web UI, mit Source Han als Fallback für CJK.

Fügt eine `auto`-Berechtigungsvoreinstellung zwischen workspace-write und danger-full-access hinzu: Ein Klassifikator gewährt routinemäßige Sandbox-Eskalationen einmalig, während gefährliche oder unsichere Anfragen weiterhin an einen Menschen gehen.

Verleiht reinen Textmodellen Sehvermögen: leitet Benutzerbilder an ein OpenAI-kompatibles Vision-Modell weiter und zeigt die Beschreibungen in einem rechten Panel der Web-UI an.

Verwaltet DeepSeek-Harness-(DSH)-Plugins mit einem Klick in der Web UI: Anzeigen, Live-Aktivieren/Deaktivieren, Installieren/Deinstallieren, Umgebungsverwaltung und Plugin-Markt — deckt sowohl Bundle- als auch Nicht-Bundle-Plugins ab.

Plugin-Store für die DSH Web UI: Katalog durchsuchen, suchen, Ein-Klick-Installation, Kompatibilitäts-Badges und Liste installierter Plugins.

DeepSeek-Gehirn + automatische Bildtranskription: Bilder in der GUI anhängen und jedes wird standardmäßig über das offizielle deepseek-v4-flash-vision-exp transkribiert (ein reines Text-V4-Pro-Gehirn kann Bilder sehen), mit jeder OpenAI-kompatiblen VLM oder lokalem Ollama als Alternative.

Skin im Claude-Stil mit warmschwarzem Canvas, Ton-Akzentfarbe und Serifen-UI, das den nativen Hell-/Dunkel-Themes folgt.

Visuelle Werkbank für Referenzbilderstellung, Zuschnitt und komponentenweise Tripo-3D-Modellierung. Fragt vor kostenpflichtigen Vorgängen je Aufgabe um Freigabe und zeigt Assets lokal in der Vorschau.

Bündelt alle auf diesem Rechner angemeldeten WorkBuddy-Konten in einem automatisch ausweichenden Provider und stellt OpenAI Chat, OpenAI Responses und Anthropic Messages aus demselben Pool bereit. Mit Modellaliasen, Nutzungsstatistiken und geplanter Credit-Automatisierung.

LLM-Agent-gestütztes Directed Fuzzing. Aus Zielrepository und Fehler (CVE-Beschreibung, Patch, Crash-Trace oder file:line) durchläuft es PLAN, IMPLEMENT, EXECUTE, REFLECT; das Modell schreibt Python-Eingabegeneratoren, bis der stderr-Musterorakel der Kampagne auslöst oder sie endet.

LLVM-Plugin für statische Analyse: erstellt Programm-Bitcode für C/C++-Projekte und führt Erreichbarkeitsanalysen mit kernel-analyzer (KAMain) aus. Stellt dem Agenten kanalyzer_*‑Tools und anderen Plugins den Dienst ctx.kanalyzer bereit.

DeepSeek Harness sieht und steuert beliebige Windows-Programme. Das Modell betrachtet den echten Bildschirm und bedient Maus, Tastatur und Fenster. Mehrere Schritte laufen in einem Roundtrip; vor Eingaben wird das Fenster fokussiert, damit der Klick trifft. Für Desktopaufgaben wie CAD-Zeichnen, Schaltungssimulation und Nachrichtenversand.

Verwaltet den Standard-System-Prompt von DeepSeek Harness: In den Web-GUI-Einstellungen den final zusammengesetzten Prompt je Turn ansehen, suchen und überschreiben.

LLVM-Plugin zur statischen Analyse für DeepSeek Harness: erstellt analysierbaren Bitcode und führt die Erreichbarkeitsanalyse von kernel-analyzer (KAMain) über ctx.kanalyzer aus.

Schutz vor Denkschleifen für dsh: überwacht llm/stream, erkennt reine Denk- oder wiederholte Materialaufrufe und startet sie neu; mit zwei Unterbrechern während des Streams.

Lokale Literatur-Wissensdatenbank-RAG: 10 Tools (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), hybride BM25+Vector+Reranker-Suche, belegte Fragen-Antworten mit anklickbaren DOI-Links, vollständig lokale bge-Embeddings über einen Single-File-SQLite-Index. Benötigt Python 3.9+ mit pymupdf, faiss-cpu und sentence-transformers; der Installer `npx dsh-kb-rag-install` richtet diese ein und lädt das Modell vorab herunter.

Zeichnet jeden Zweig einer Konversation als anklickbaren Baum neben dem Chat, mit Favoriten, eigenen Icons und Farben, Zusammenführen und Aufteilen von Zweigen, Rewind-bewusstem Layout und Claude-Code-Zweigen, die ihr Gedächtnis behalten.

Heartbeat-Schleife für DeepSeek Harness: Alle 20 Minuten (standardmäßig) wacht der Agent von selbst auf, um ein lokales Profil Ihrer Interessen und Vorlieben zu pflegen, im Web nach Dingen zu suchen, die Ihnen wichtig sind, und Gefundenes aufzubewahren. Hat er etwas Teilenswertes, sendet er ein kurzes Paket mit Notizen an die Sitzungen, mit denen Sie ihn verknüpfen. Ein Regelsatz im Code – Ruhezeiten, beschäftigte Zeitfenster, ein Tageslimit, eine Abklingzeit – entscheidet, ob er überhaupt sprechen darf, und der Agent in dieser Sitzung entscheidet, ob er tatsächlich etwas sagt. Nur für Windows.

Ein Settings-Panel verwaltet MCP, Skills, Speicher, Subagents, Prompts und Sitzungen. Szenenkombinationen wechseln die gesamte Umgebung; der Agent kann das Plugin ebenfalls bedienen.

Verbessert die Modellerfahrung: Parameter auf mehrere Arten ergänzen, Kompatibilität verbessern, Reasoning-Aufwand speichern, Subagents folgen dem Modell und Aufwand des Elternprozesses in Echtzeit, und die KI kann den Aufwand selbst anpassen.

Projekt-Datei-Explorer in der Detailspalte (Mehrfachauswahl, Verschieben per Ziehen, Hochladen, Herunterladen, Umbenennen, Papierkorb, im System öffnen) mit einem schreibgeschützten Vorschau-Tab in der Sitzung für Markdown/HTML/JSON/CSV/Notebook/PDF + Code-Hervorhebung, einem Live-Badge für den Durchsatz des Modells und einer mehrzeiligen GoalBar.