Plugins

Bitmap-Frame-Kontextkomprimierung für DeepSeek Harness: verworfener Gesprächsverlauf wird als PNG-Frames mit Pixel-Schrift für visionfähige Modelle gerendert.

Plant Nachrichten für einen dsh-Chat: Schedule-Schaltfläche mit Datums- und Zeitauswahl sowie Seitenleiste mit ausstehenden Nachrichten aus allen Chats. Zustellung als normale Nutzernachricht auch bei geschlossenem Browser. Die Tools schedule_message, list_scheduled_messages und cancel_scheduled_message lassen das Modell später selbstständig zurückkehren.

DeepSeek Harness (DSH)-Plugin zur automatischen Wahl des Reasoning-Grads: Das Jev-System-One-Modell entscheidet, wie viel Denkaufwand jede Nachricht verdient, die Stufe wird aus den vom Modell deklarierten Graden abgeleitet, ein Kontext-Umschlag lässt Rückfragen wie „weiter“ die Gesprächstiefe erben, bei geringer Konfidenz wird nach oben aufgerundet, und bei jedem Fehler bleibt die vorherige Stufe still erhalten. | Jev-gesteuerter Reasoning-Aufwand pro Nachricht: modellspezifische Stufenleitern aus den Angaben jedes Modells, ein Kontext-Umschlag fester Größe, damit Rückfragen die Gesprächstiefe erben, Gleichstand bricht nach oben, stilles Zurückfallen auf jedem Fehlerpfad.

Kontextkomprimierung für Modelle mit kleinem Kontext: komprimiertes Budget visuell einstellen, Standard 8k Übergabe + 16k aktueller Kontext. Der vollständige Verlauf bleibt durchsuchbar.

Ergänzt die Freigabekarte um Explain: Ein Modellaufruf liefert genau drei Zeilen zur ausstehenden Aktion, den gelesenen/geschriebenen/geänderten/ausgeführten Dateien oder Systemzuständen sowie ein Urteil riskant/aufmerksam/sicher mit einem Begründungssatz. Zeigt auch Details für write- und edit-Aufrufe, die der Renderer wegen seines alleinigen command-Felds leer lässt.

Gepflegter Fork von dsh-approval-gate. Hat ein neutraler Vorgang die Bestätigungsgrenze erreicht und ist der Judge nicht verfügbar, wird automatisch genehmigt statt erneut ein Mensch gefragt. Hinweise für Genehmigende werden aus realem Sandbox-Modus, Befehl und Pfaden auf Chinesisch erstellt. Zusätzlich: deterministische Sperre für Zugangsdaten-Exfiltration und Zerstörung von Systempfaden, Maskierung der Judge-Eingabe, Judge-Modellkette, fingerprintgebundene Freigaben sowie Ansicht mit Unified Diff und Ein-Klick-Rücknahme.

Erkennt Inhaltsverschlechterung in DeepSeek Harness (Gedankenschleifen, wiederholte Ausgabe), bewertet die Kosten von Fortsetzung gegenüber Übergabe und erstellt Übergabedokumente ohne Modellaufruf.

Persönliche Einfüge-Inbox für DeepSeek Harness (dsh): /inbox im Composer oder Seitenleistenpanel speichert Links, Bilder, Text und Zugangsdaten in einem lokalen Tresor. Klassifizierung erst per lokalen Regeln, dann durch ein ratenbegrenztes Modell; im Panel durchsehen, suchen und bearbeiten. Der Assistent ruft Einträge auf Anfrage im Gespräch ab; Zugangsdaten sind im Ruhezustand verschlüsselt. Optionale WebDAV-/S3-Synchronisierung von Einträgen und Anhängen. Bisher nur Windows.

Aufgabenmonitor und Remote-Chat für DeepSeek Harness. Eine mobilfreundliche Seite zeigt Sitzungen, Hintergrundjobs, Subagents, Goal-Runden, Workflows und offene Freigaben. Chat mit jeder Sitzung inklusive Streaming-Antworten, Tool-Fortschritt, jederzeitigem Stopp sowie Sitzungs-/Modellwechsel. Ein GUI-Seitenleistenpanel ist ebenfalls enthalten.

Schaltet drei Routerwerkzeuge (list_capabilities, describe_tool, call_tool) vor stdio-MCP-Server: Schemas werden bei Bedarf statt in jeder Anfrage geladen. Ergebnisse durchlaufen eine deterministische Ausgabestufenfolge; das Original wird zuerst archiviert und kann mit retrieve_spill abgerufen werden. Werkzeuggruppen lassen sich mit Tokenpreisen versehen und je Agent ausblenden. Verbindet einen Python-Router aus der Standardbibliothek; Python 3.9+ erforderlich.

Eine native Reasoning-Effort-Steuerung für den Composer: ein Stufenbalken von Blau bis Violett mit Sternenfeld und Glanzstreifen. Er besetzt den Model-Slot und nutzt den offiziellen model-directories-Dienst, sodass die Stufenleiter aus der eigenen Reasoning-Deklaration jedes Modells stammt und kein weiteres Plugin nötig ist.

Fallback für compaction-basic: Bei Fehler, leerer Ausgabe oder zu langem LLM-Resümee wird der Span deterministisch mit seq-Zeiger pro Zeile kompiliert (mitgelieferter dsh-compaction-instant-Compiler). Ergänzt recall/search-Tools, /recall- und /context-Befehle, Idle-Auslöser bei 45 % des Fensters und Span-Archiv auf Disk. Die Engine wird als eine Zeile im Agenten-Preset eingebunden (docs/dsh-integration.md).

Vorlagen-Injektor zur Prompt-Überarbeitung für DSH: ✨ im Composer fügt eine „Prompt überarbeiten“-Vorlage mit dem aktuellen Entwurf ein. Kein Senden, Netzwerk oder Modellaufruf; der Hauptagent überarbeitet mit vollem Kontext. Migration von narrative-prompt-polish (2026-09-14).

Zeigt unter jedem englischen Denkblock im DSH-Webchat eine chinesische Übersetzung, ohne das Sitzungsprotokoll zu ändern. Mit Chunk-Cache, konfigurierbarem Übersetzungsmodell und Einstellungsfenster.

Von einem Captain geführte Multi-Agenten-Teams, die ein Ziel in Aufgaben aufteilen und sie entlang einer Ausführungskette an Mitglieder verteilen, die in ihren eigenen Untersitzungen laufen, jedes mit seinem eigenen Modell.

Liest jede Antwort vor und bietet eine Anbieterauswahl: MiniMax oder beliebiger OpenAI-kompatibler `/audio/speech`-Endpunkt, Auswahl von Stimme, Emotion, Geschwindigkeit und Modell sowie Schalter für automatisches Vorlesen.

Projektgedächtnis DSH. Erstellt PROJECT.md, DECISIONS.md und SESSIONS.md beim ersten Schritt jeder Workspace-Sitzung; liest von Platte neu, injiziert nur bei Änderung oder Komprimierungsverlust. memory_checkpoint speichert Kategorien; begrenzter Hinweis bei Arbeit ohne Eintrag. memory_read liest Live-Log/Archiv; memory_search durchsucht sie per BM25 ohne Abhängigkeiten. Max. 200 Einträge; Überschuss in SESSIONS-archive.md wird nie injiziert, bleibt lesbar, durchsuchbar und einzeln wiederherstellbar. Einstellungen: Pfadfilter, Read-only-Tabs, Neuladen, JSON-Import/-Export je Workspace, Löschen in zwei Schritten, AGENTS.md-Block bearbeiten/entfernen, PROJECT.md-Altershinweis. Sync-Anzeige; Klick erstellt Dateien. Keine Abhängigkeiten, Vektordatenbank, Embeddings oder Modellaufrufe.

SQLite-Gedächtniseinträge, ein Kalender mit Fälligkeits-Erinnerungen und cron-geplante Agentenaufgaben, mit 13 Modell-Tools und einer zweisprachigen zh/en-Oberfläche.

Geschichteter DSH-Speicher über Sitzungen: zuerst alle aktiven Einträge injizieren, später nur Änderungen, bei unverändertem Stand nichts. ID-Wiederholungsschlüssel entfallen, Basis etwa 26 % kleiner. Semantische Schlüssel sichern eine aktive Wahrheit je Fakt/Entscheidung; das Modell schreibt nur in einen von Menschen freigegebenen Posteingang. Prüftermin erinnert einmal. Relevanzsuche, Journale geringer gewichtet, chinesische Bigramme. Seitenleiste gruppiert offen/in Nutzung/archiviert nach menschlich zugewiesenem einstufigem Thema, Typ, Tag und Datum; Batchaktionen, globale Themensuche/-umbenennung. Archiv nach Grund, Themen bis zum Öffnen eingeklappt, Einträge ohne Thema darunter. Zeigt Instruktionen und Injektionsgröße. Abhängigkeitsfreie CLI funktioniert ohne DSH.

Modellfähigkeitseditor: Bearbeitet reasoning-effort-Stufen und Bild-/Multimodal-Eingaben inline auf der offiziellen Modellseite und schreibt die gesamte Gruppe nach settings.yaml zurück. Bei defektem Anker gibt es einen schwebenden Ausweichzugang.

Bereinigung des Windows-Systemlaufwerks (C:) für DSH: regelbasierter Scan, fünf Sicherheitsstufen, Staging-Bereich mit Rollback-Protokoll, UAC-Erhöhung und Umzug auf ein anderes Laufwerk; als Modell-Tool und Web-GUI-Panel.

Mehrsprachige Codebase-Intelligenz für MCP-kompatible IDEs, die CLI und DeepSeek Harness: Chat, Suche, Audit, Refactoring und board-taugliche Berichte aus lokalem Code.

Für das Modell sichtbare SSH-Dateitools read_remote, write_remote, edit_remote. Liest entfernte UTF-8-Dateien seitenweise mit Zeilennummern, erstellt neue Dateien und lehnt vorhandene Ziele ab (kein Überschreibungszweig), ersetzt Literale nur bei eindeutiger Übereinstimmung. Zielangabe als einzelnes „alias:path“, Alias aus ~/.ssh/config.

MCP-Scoping pro Workspace für den DeepSeek Harness — entscheiden Sie, welche MCP-Server eine Session aus dem Verzeichnis sehen darf, in dem sie geöffnet wurde.