Plugins

Datenbankzugriff in DeepSeek Harness über den DBHub-MCP-Server: MySQL-, MariaDB-, PostgreSQL-, SQLite- und SQL-Server-Verbindungen je Workspace/Umgebung einrichten; der Agent verwaltet, listet, fragt ab und durchsucht SQLite-Objekte über vier feste Tools. Passwörter und vollständige Verbindungsstrings werden nur in Settings UI eingegeben, nie als Tool-Argumente; das Modell sieht nur Metadaten wie mysql://host:3306/db. Jede Umgebung kann schreibgeschützt sein (das Modell darf aktivieren, aber nicht aufheben) oder per manuellem SSH-Tunnel erreichbar sein. Jeder Aufruf startet einen kurzlebigen dbhub-Prozess und installiert dbhub bei Bedarf.

Recherche- und Planungstoolkit für die BeiShan-Besson-Minecraft-Modding-Tutorialseite: sieben Tools durchsuchen 194 indexierte Tutorials, planen Lernpfade, vergleichen Versionsumgebungen und rufen Artikeltexte ab.

Ermöglicht web_fetch bei Clash/mihomo im TUN-Modus mit fake-ip: Lässt 198.18.0.0/15, fdfe:dcba:9876::/64 und 2001:2::/48 die öffentliche Adressprüfung passieren; loopback-, private und link-local-Adressen bleiben blockiert. Keine Proxy-Umgebungsvariablen oder Clash-Änderungen nötig.

Reiseplanungs-Agent für Festlandchina mit Antworten auf Chinesisch: prüft Zugverfügbarkeit bei 12306, Flug-/Hotelpreise bei Fliggy/Tuniu, reale Amap-Verbindungen, Sperrungen und Wetter. Erstellt ein Offline-HTML-Reisebuch mit verschiebbaren Karten, drei Hotelpreisklassen und Einzelpostenbudget. Enthält 9 Skills, Diagnose für fehlende API-Schlüssel und Patch für den 12306-MCP-Server. Plant und fragt ab, bucht oder bezahlt aber nie.

Kern: Envelope, Signatur, Handshake, Idempotenz und Speicherung auf Datenträger.

Führt eine Anweisung auf allen erreichbaren Windows-/macOS-Rechnern netzwerk- und regionsübergreifend aus. Ein Relay ohne Abhängigkeiten nutzt ausschließlich ausgehende Verbindungen (Tailscale, öffentlicher VPS hinter TLS oder Tunnel). Jeder Rechner arbeitet im eigenen Checkout und liefert Commit, Working-Tree-Fingerprint und Befehls-Hash zurück. Umgebungsabweichungen gelten als nicht verifizierbar, nicht als anderes Ergebnis. Zum Senden ist ein Operator-Token getrennt vom Geräte-Token je Rechner nötig.

Führt DeepSeek-Harness-Sitzungen im WSL-Subsystem aus: Shell, Dateioperationen und Befehle bleiben darin; Ordnerauswahl und GUI-Terminal verwenden ebenfalls Subsystempfade. bubblewrap im Subsystem isoliert Befehle.

Nur-Lese-Skill-Inspector für DeepSeek Harness. Trennt tatsächliche Ladevorgänge (nur beobachtete Belege) von auffindbaren Skills und Deklaration von Ausführung. Status declared/observed/unavailable: ohne Beleg „nicht beobachtet“, nie „nicht ausgeführt/ausgelöst“; Ergebnisse werden dem Skill nicht zugeschrieben. Validierung/Evaluation getrennt; vergleicht Wiederholfälle ohne Wertung. Testet should-trigger/should-not-trigger in einer echten neuen Sitzung und unterscheidet Modellaufruf/Benutzeranforderung (/name ist kein natürlicher Trigger). skill_review (read-only) nennt Paket/Auslassungen. Lokal aus Definitionen/Sitzungsbelegen berechnet. Chinesisch nutzt das Hostmodell nur auf Anfrage, bewahrt Fences/Pfade/Frontmatter lokal. Klonen ändert weder Quelle noch führt es Skripte aus.

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.

Laufzeitumgebungen pro Projekt für DeepSeek Harness: übernimmt oder erstellt automatisch ein projektlokales Python-venv (.venv_local/python) und verdrahtet Toolchains und Umgebungsvariablen der von jedem Projekt genutzten Runtimes (python venv / node / go) — python & pip lösen immer auf das Projekt auf, nie stillschweigend auf das System-Python.

Windows-Desktop-Automatisierung für DeepSeek Harness: barrierefreiheitsorientierte observe/act-Schleife mit 30 Standard-Tools (Element-/Koordinaten-Ziele, Auto/A11y/Event-Strategierouting), Sicherheitssemantik für ersetzte Beobachtungen und ohne Wiedergabe, dauerhafter Kill-Switch, RuntimeId/rect-drift-Veraltungsschutz, Chat-Karten und schwebendes Panel (Live-Ops, Frame-Wand, Einstellungen zur Umgebungs-Autoerkennung), gekachelte Visionsbeschreibung für Modelle mit niedriger Auflösung, JSONL-Audit-Spur und PID-Zulassungsliste. Erfordert Windows 10+ und Python 3.9+ mit uiautomation und pillow (von der Einstellungsseite installierbar).

DSH-nativer uv-Umgebungsmanager: Python-Virtualenvs aus dem Einstellungen-Tab erstellen, synchronisieren und ausführen, mit pip-Fallback, Read-Only-Conda-Sicht und Dry-Run-Projekt-Sync-Vorschau.

Fügt ein net_doctor-Tool hinzu, das die Proxy-Umgebung, NODE_USE_ENV_PROXY sowie die Erreichbarkeit der DeepSeek-API und der npm-Registry meldet und NODE_USE_ENV_PROXY für bash- und npm-Kindprozesse setzt.

Viertes Berechtigungs-Preset für dsh: unbeschränkte, GPU-fähige Sitzungen (danger-full-access) mit Benutzerfreigabe pro Operation für Schreibvorgänge außerhalb des Arbeitsbereichs oder in geschützte Pfade (.git/**, .env*); rein als Bundle über den offiziellen ask-Hook tools/pre-execute umgesetzt, ohne Kernänderungen.

Bedarfsgesteuerte dsh-Plugin-Entdeckung und Umgebungs-Rezepte: plugin_guide ordnet natürlichsprachliche Bedürfnisse einem kuratierten Plugin-Verzeichnis mit Gründen und Install-Kommandos zu; recipe installiert ganze Setups (Notification-Bundle, Security-Audit-Paket …) aus gebündelten Community-Paketen mit geordneten Plänen.

The judgment layer for DeepSeek Harness plugins: attribute why a plugin silently disappeared, judge a candidate against your exact environment, and keep a capability ledger. Offline, read-only, evidence-first.

Registers one tool, report_health, that answers whether a scheduled report job actually ran. It judges by side effects rather than exit codes: how old the newest report folder is, how many documents it holds, whether more than one report category is present, whether the audit ledger was synced recently, and how long ago the last log was written. Exits nothing, calls no model, and reads only local paths you can override by config or environment variable.

Self-narrative memory in five budgeted segments (800 chars, not a full context): a first-person note the model writes to itself, a profile of you aggregated from approved facts, environment facts kept separate from who you are, heat-ranked conclusions, and habits. Every injected fact is traceable to a fact id and can be retired; the profile can be edited by hand, and self-notes stay plain lines you can clear. Facts fade by use and time without ever changing their credibility. Preference-like lines you say are auto-detected as candidates (never auto-approved), with conflicts kept side by side. Recall over past conversations with citations, an incremental index that only decodes newly appended frames, a pointer-required warm layer, a doctor that says which part is broken, a heartbeat proving injection is alive, and export/import so the whole thing moves to another machine.

Verwendet SSH-Hosts und WSL-Distributionen als Remote-DSH-Workspaces, richtet die Umgebung ein, überträgt die Modellkonfiguration und bettet die Remote-Oberfläche lokal ein.

Pipeline für gescannte Lehrbücher: OCR mit etwa fünffacher ONNXRuntime-Geschwindigkeit (Python 3.10+ mit pymupdf, rapidocr, openvino und numpy erforderlich), danach Strukturbericht und Leseplan pro Kapitel, bevor das PDF geöffnet wird.

Lokale Harness-Entwicklungsinfos: Umwelt-/Laufzeitprüfungen, git status/diff/log/commit, Schreib-Snapshots mit Wiederherstellung je Version sowie Projektchecks für Node, Python und Go.

Registriert Brave als web_search-Provider. Bezieht den API-Key aus dem DSH Credential Store, $DSH_HOME/.credentials.yaml oder der Umgebung. Keine Einstellungsseite und keine Fallback-Engine; je Suche eine Anfrage an die Brave Web Search API.

Registriert den QwenWork-Modellanbieter (千问办公) mit der lokalen Anmeldung des Desktop-Clients. Startet eine auf Loopback begrenzte OpenAI-kompatible Brücke auf 127.0.0.1 und übersetzt DSH-Modellanfragen in das tatsächlich vom Upstream verwendete ACP-ähnliche Steuerhüllen-Konversationsprotokoll.

Panel 护航 im Sitzungsheader schaltet den lokalen dsh-guard-Watchdog um und zeigt Scanstatus, Guard-Liveness und letzten Scan. Python-Watchdog separat bereitstellen; Fundort über DSH_GUARD_ROOT. Standard ist Windows-Pfad D:\AI\Projects\dsh-guard; Variable für anderen Ordner setzen.