Plugins

Verbindet dsh über den offiziellen Notion MCP (OAuth + PKCE) mit Notion: Seiten, Datenbanken und Kommentare über `mcp__notion__*`-Tools durchsuchen, lesen und schreiben.

Hostseitiges Typert-Remote für dsh-tool-writing: liefert Projektvolumes, Kapitelstatus, Korpus-Bibliothek, Volltextsuche, Evolutionseinträge und Thread-Graph-Daten an das Schreibpanel des Clients.

Finanzdaten-Toolkit für DSH-Agenten: Zahlen- und Währungsformatierung (einschließlich chinesischer wan/yi-Einheiten), Rendite- und CAGR-Berechnungen, Bewertungs- und Rentabilitätskennzahlen, PV/FV, Risikokennzahlen und eine Datenqualitäts-Checkliste.

Menschlich lesbare Markdown-Speicher für DeepSeek Harness: Speicher auf Benutzerebene (~/.deepseek-harness/MEMORY.md) + Workspace-Ebene-Speicher, der in jedem Turn injiziert wird, automatische tägliche Log-Erstellung mit Destillation, Brücke zu bestehenden WorkBuddy/CodeBuddy-Speicherverzeichnissen, memory_note / memory_note_user / memory_read-Tools mit eingebautem Deduplizieren und eine zweisprachige Einstellungsseite. Klartextspeicherung, keine Datenbank.

Lazy-MCP-Gateway für DeepSeek Harness: ein stabiles Proxy-Werkzeug statt N Werkzeugschemata, Server verbinden sich bei der ersten Nutzung und werden bei Inaktivität getrennt, Metadaten werden auf der Festplatte zwischengespeichert.

Datenquellen-Verbindungs-Plugin für DeepSeek Harness: Metadaten-Erkennung von Datenbanken, KI-gestützte semantische Modellierung, schreibgeschützte SQL-Abfragen und feste HTTP-API-Aufrufe.

OpenCode-Go-Abonnement-Chat für DSH mit modellweiser Auswahl von Completions-, Responses- oder Anthropic-Protokoll, Modellerkennung, Kontext-, Vision- und Thinking-Metadaten, Effort-Standardwerten und Nutzungsmessern.

FormatForge für DeepSeek Harness: schmieden Sie jedes Dateiformat (pdf/docx/xlsx/pptx/eml/toml/...) in KI-lesbare strukturierte Daten. Schlankes Bundle, das das lokale Python-CLI (python -m formatforge) startet und protocol-JSON zurückgibt; Erweiterungen werden an cur[rent] delegiert...

Bildanzeige für den dock workbench: PNG, JPEG, GIF, WebP, BMP, SVG, ICO und AVIF, wobei SVG nur als Bilddaten gerendert wird.

DSH-Plugin: automatisches Ausfüllen von Metadaten (Kontextlänge, Output-Obergrenze, Anzeigename, Eingabemodalitäten) für Custom-Provider-Modelle aus der Model Metadata Registry (models.dev).

Strukturierter Vergleich und Unified Diffs für Text/JSON/CSV/Markdown.

CSV (RFC 4180) parsen/abfragen/aggregieren/konvertieren mit einem State-Machine-Parser ohne Abhängigkeiten.

Persona-Engine für DeepSeek Harness: eine config.json steuert den Selbstnamen der KI (pro Modell, pro Stufe), die Anrede, die Beziehungshaltung, den Charaktertext, Arbeitsverträge pro Element mit Schaltern, die Sprache der Gedankenkette und den Antwortton, plus Langzeitgedächtnis nur mit menschlicher Bestätigung: die KI hängt nur Vorschläge an, eine Bestätigungszeile setzt sie in Kraft, das Log ist nur anhängbar und wiedergabefähig. Bestätigte Einträge kommen als zitierter Daten-statt-Anweisungen-Block; mit kind markierte gehen in beliebige Dateien und erreichen den Prompt nie. Der Prompt wird bei jeder Zusammenstellung neu von der Platte gelesen: Änderungen greifen ohne Neustart. Presets: teilbare JSON-Snapshots. Keine Abhängigkeiten, kein Netzwerk, keine Shell.

Spec-Driven-Development-Pipeline für Odoo: 15 Tools führen eine Anforderung von einer unveränderlichen Spezifikation über die Architektur bis zu Modulcode oder Live-Konfiguration und verlangen dann ein persistiertes Urteil, das durch Belege aus einer echten Odoo-Instanz gestützt ist – mit fail-closed-Gates, menschlich freigegebenen Stapeln in einer deklarierten Umgebung, Odoos eigenem CSV/Excel-Importer und einem Journal, das die über das Plugin geschriebenen Daten rückgängig macht.

Konversationelles GIS für die DSH-Web-UI mit Abfragen lokaler Dateien und von PostGIS, interaktiven Karten und räumlicher Analyse.

Füllt automatisch Felder für Reasoning-Effort, Kontextfenster, Ausgabelimits und Bildmodalität für Modelle inoffizieller (benutzerdefinierter) Anbieter (mit Daten von models.dev) und bietet UX-Verbesserungen wie Kompatibilitätsverbesserung und das Merken des Reasoning-Effort.

Models+-Einstellungsseite für die DSH-Web-UI: Reasoning-Effort-Tabellen je Modell, Eingabemodalitäten und Kompatibilitäts-Flags, gespeichert über die offizielle Settings-Pipeline, mit Vorbelegung durch models.dev-Metadaten und API-Key-Verwaltung.

Datenbereinigung und Datenanreicherung für CSV/XLSX/JSON-Unternehmenslisten in DeepSeek Harness, einschließlich Tabellenkalkulationsbereinigung, Deduplizierung, Profilierung, optionalem Qichacha MCP und Exporten.

Chat über die Command Code Provider API für DSH mit einem vom Host gehaltenen API-Schlüssel, automatisch ermitteltem Modellkatalog, Standardwerten für den Aufwand, einem optionalen Header zur Null-Datenhaltung, Kontingentanzeigen und Auswahl des Protokolls (OpenAI oder Anthropic) je Modell.

Desktop-Mädchen-Wal-Haustier für DeepSeek Harness: schwebendes Browser-Maskottchen plus Windows-Desktop-Haustier, die sich ein Daten-Backend teilen, mit Echtzeit-Saldoanzeige, Aufgabenbenachrichtigungen, Kopfstreichel-Interaktion, 19 vorsynthetisierten Sprachzeilen mit Emotion pro Zeile und präsenzabhängigem Leerlauf-Gespräch.

Vollständig lokale Vektorspeicher für DSH: lokale Einbettungen, SQLite-Speicherung, automatische Rückruf-Einspeisung, Deduplizierung mit Konflikterkennung, Soft-Delete-Papierkorb, Online-Backup und optionale LLM-Extraktion.

Read-Only-Einblick-Panel für ein Profil: fünf Ansichten über dieselben Daten — Konfigurationsschichten, Plugin-Baum, Dienste, Tool-Namen und Modelle — jeder Eintrag zeigt, welche Schicht ihn eingefügt oder deaktiviert hat und ob er läuft.

Schreibgeschützte Gitea- und Forgejo-Werkzeuge über die REST-API, die beide Projekte gemeinsam nutzen: Instanzinformationen, Repository-Liste, Suche und Lesen von Issues und Pull Requests, PR-Diffs und geänderte Dateien sowie Actions-Läufe, Jobs und Job-Logs. Werkzeug-Metadaten sind auf Englisch, traditionellem Chinesisch, vereinfachtem Chinesisch und Japanisch verfügbar.

FormatForge für DeepSeek Harness: jedes Dateiformat (pdf/docx/xlsx/pptx/eml/toml/...) in KI-lesbare strukturierte Daten schmieden. Schlankes Bundle, das die lokale Python-CLI (python -m formatforge) startet und Protokoll-JSON zurückgibt; die Erweiterung wird an die cur