Plugins

DeepSeek Harness-Plugin, das Jev-Urteile in drei automatische Aktionen übersetzt — übermäßig große Tool-Ausgaben auf die für die Anfrage relevanten Segmente kürzen, abgerufene Seiten auf an das Modell gerichtete Anweisungen prüfen und auswählen, welcher Skill zum nächsten Schritt passt — plus die Tools jev_ask und jev_gate, ein Urteils-Journal, das Neustarts übersteht, und einen /jev-status-Bericht. Benötigt einen TypeSafe-API-Schlüssel; ohne diesen ist es inaktiv und sendet nichts.

Verbindet DeepSeek Harness mit von OOMOL verwalteten Apps und Diensten, mit progressiver Connector-Action-Erkennung und -Ausführung sowie einem In-App-Panel zur Verwaltung von Provider-Verbindungen.

Dedizierte Modellrouten, Tools und Systemanleitungen für Vision, Compaction, Reviews, Subagenten, Titel und Bildgenerierung.

Plugin-Koordinationsschicht: Plugins deklarieren ihre Fähigkeiten, Befehle werden ohne Model-Aufruf an das zuständige Plugin geroutet, Tool-Schemas werden bei Bedarf geladen, um Prompt-Tokens zu sparen, die Run-Historie verdichtet sich im Leerlauf zu Langzeitgedächtnis, und Fehler werden vor jedem Retry klassifiziert.

Cache-Abrechnung pro Aufruf im Kontextzähler-Popover: aktuelle Summen für Schritt, Runde und Sitzung mit Treffer-/Fehl-/Ausgabe-Tokens und Beträgen, automatische Pekinger Preise für Spitzen- und Nebenzeiten, modellspezifische Tarife sowie Abrechnung von Drittanbieter-Relays.

Computer-Nutzung über ein externes USB-HID-Gerät: Benennen Sie ein Ziel in natürlicher Sprache, ein Vision-Modell lokalisiert es in einem zugeschnittenen Fensterscreenshot, und ein Raspberry Pi Pico 2 bewegt die echte Maus und tippt auf der echten Tastatur. 7 Tools. Windows bietet Fensterauflistung, pro Fenster zugeschnittene Ausschnitte und automatisches Fensteranheben; macOS benötigt pyobjc und bietet nichts davon; Linux wird nicht unterstützt.

Inhaltsbewusster Tool-Ergebnis-Reducer: 13 Reducer kürzen übermäßige Ausgaben nach Bedeutung in tools/post-execute (fehlgeschlagene Tests bleiben erhalten, Diff-Kontext wird entfernt, JSON und CSV werden gesampelt, Lint-Probleme werden nach Regel gruppiert, Dependency-Stack-Frames werden eingeklappt und überfüllte Verzeichnisse werden gezählt), wobei vollständige Originale über einen Lokator auf die Festplatte ausgelagert werden.

MCP-Server für chinesische A-Aktien-Finanzdaten: 11 fin_data__*-Werkzeuge (Kurse/Kerzen/Finanzen/Kalender/Sonderdaten/Ankündigungen/EDB/Abstimmung/Fonds/Indizes) über THS-Offline-REST (primär) + AKShare (Fallback) + Wind (exklusive Domänen), mit beobachtbarer Degradierung, Kontext-Budget-Komprimierung (-72,2% auf der Ergebnisseite gemessen) und einem Offline-Marktdatensee über 10 Jahre. BYOK.

Ein rechtes schwebendes Panel und ein `/context`-Befehl für DeepSeek Harness — ein Live-Donut-Chart für Kontext-Token-Nutzung, Verteilung und geschätzte Kosten.

Multi-Engine-Websuche für Coding-Agenten – ein SearchBoost-Kern (fusionierte Suche, fetch, X) mit MCP- (Cursor, Codex, Claude Code, Grok Build, Antigravity), pi-Erweiterungs- und DeepSeek-Harness-Bundle-Adaptern

Echte Maus und Tastatur für einen DeepSeek Harness-Agenten: in Worten beschreiben, was angeklickt werden soll, ein Vision-Modell findet es, ein USB-HID-Gerät klickt darauf.

Erzwingt Kontextkomprimierung beim Ausführen von llama.cpp-Modellen mit niedrigem Kontext wie Qwen3.8-27B, verbessert die Modelleffizienz und die Nutzungsglätte, zusammen mit gut ausgearbeiteten Komprimierungs-Prompts.

Ein-Ebenen-Sitzungsordner für die Webseitenleiste – gruppiert Sitzungen pro Arbeitsbereich, verschiebt sie per Drag-and-Drop oder Kontextmenü, archiviert und stellt sie wieder her, serverseitige Persistenz.

Ein von opencode inspiriertes Terminal-UI für DeepSeek Harness, das als dsh-Profil-App-Plugin startet, mit Sitzungsseitenleiste, Streaming-Chat, Markdown-Toolkarten, To-do-Listen, Vorschlägen für Slash-Befehle, einer Telemetrie-Fußzeile mit Kontextanzeige und Inline-Genehmigungsaufforderungen.

Umkehrbare Kontextverschlankung für DeepSeek Harness: TOON-artige verlustfreie tabellarische Neukodierung gleichförmiger JSON-Arrays, per Stride abgetastete Tabellenfenster mit Zeilennummern und Cross-Turn-Deduplizierung für wiederholte Tool-Ausgaben; jeder Ersatz passiert ein Byte-plus-Token-Gate (≤72 % Bytes, strikt weniger geschätzte Tokens), und das Original wird hinter einem `[save-token #id]`-Hinweis auf die Festplatte ausgelagert und ist in einem Aufruf über das `save_token_expand`-Tool abrufbar, mit Abrechnung und vermiedener Token-Messung auf einem Einstellungs-Dashboard.

Deterministische Kontextkompression für dsh – null LLM-Aufrufe, regelbasiertes Beschneiden, das Pfade, Befehle, Fehlerspuren und offene To-dos wortgetreu erhält. Komprimiert ~80k Token auf wenige Hundert.

Geschützte Kontextverdichtung für DeepSeek Harness (dsh): das LLM schlägt vor, die deterministic Wächter entscheiden — eager Per-Atom-Shrink (extract/summary/false unter Verbatim-Wächtern) + Lazy-Reference-Graph-Eviction (0-LLM) + byte-genaue Rückgewinnung aus einem Append-Only-Log.

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.

China-A-Aktien-Finanzdaten-MCP-Server für das Harness: 11 fin_data__*-Tools (Quotes/Kerzen/Finanzen/Kalender/Spezialdaten/Ankündigungen/EDB/Abgleich/Fonds/Indizes) über THS kostenlose offizielle REST (primär) + AKShare (Fallback) + Wind (exklusive Domänen), mit beobachtbarer Degradation, Kontext-Budget-Komprimierung (resultatseitig -72,2 % gemessen) und einem Offline-Marktdaten-See für 10 Jahre; BYOK.

MCP-Gateway mit progressiver Offenlegung: durchsucht große Remote-Kataloge über `mcp_search` und ruft dann exakte Schemas über `mcp_call` auf – mit verzögerten Verbindungen und begrenzten Caches.

DeepSeek-Harness-Plugin, das sich über HTTP mit einem PowerContext-Server verbindet — für Recall, Gedächtnis, Handoff, Erfahrung und Skills.

NeatMem-Langzeitgedächtnis-Plugin für DeepSeek Harness – schlanker REST-Client gegen einen neatmem-Server

Inoffizielle DeepSeek Harness-Integration für Unreal Engine 5.8 Unreal MCP

Verlustfreies Falten des Kontexts für DeepSeek Harness: der älteste Abschnitt wird durch eine Kurzfassung ersetzt, die Originale bleiben im Sitzungsprotokoll erhalten.