Plugins

Liest jede Antwort vor, nachdem sie für natürliches Sprechen umformuliert wurde. Unterstützt System-TTS, Doubao-Sprachsynthese oder optional das lokale Kokoro-Modell.

Liefert ein minimales Lernprotokoll: brief.ps1 fragt frühere Fallstricke ab, add-lesson.ps1 hält neue fest. Der Installer legt es im skills-Verzeichnis ab und verknüpft es mit AGENTS.md. Das Modell prüft es vor der Arbeit und macht aus erlebten Problemen Regeln, damit dieselben Fehler nicht erneut passieren. Das Plugin überwacht, ob dies tatsächlich geschieht, und zeigt das Ergebnis in einem Tab und unter dem Eingabefeld.

Gedächtnis-Panel für DeepSeek Harness mit eigenem Speicher je Arbeitsbereich: Persönlichkeitsmerkmale, Notizen über dich, datierte Ereignisse und ein vom Modell in Ich-Form verfasstes, von ihm nicht editierbares Tagebuch. Jeder Eintrag behält sein Quellenzitat und kann zurückgenommen werden. Arbeitsbereiche können ein Gedächtnis teilen und später wieder getrennt werden; Profile für einzelne Personen in Gruppenchats sind optional. Die begrenzte Ereignisliste markiert Einträge mit ★. Nur lokal, kein Netzwerk, keine Abhängigkeiten.

Formuliert Composer-Entwürfe mit konfigurierbarem Modell und vollständig editierbarer Anweisung zu präzisen Prompts um. Liest Inhalte hinter @file-, @folder- und @session-Verweisen als Kontext und erhält die Referenz-Chips. Ein-Klick-Rückgängig stellt den eigenen Originaltext wieder her. Schaltfläche in beiden Composer-Toolbars platzierbar, Farbe und Größe einstellbar.

Nutzt Claude Code (offizielles, unverändertes Binary über das Agent SDK) in DeepSeek Harness als Modell-Provider und Subagent.

DSH File Converter: lokale Dateikonvertierung über 20 Toolchains und mehr als 1.000 Formatpaare. Modell-Tools konvertieren Dateien, fragen die Formatmatrix ab und prüfen die Verfügbarkeit eines Konverters.

Modell-Provider für DeepSeek Harness (DSH): WorkBuddy, Trae, Qoder, ZCode und Claude-/Codex-Abos hinter einem OpenAI-kompatiblen Endpoint. Mit schlankem Einstellungsfenster und Ein-Klick-Zugang zur vollständigen Verwaltung.

Aufräumen der offiziellen DeepSeek-Harness-Web-UI: direkter Settings-Aufruf statt Seitenleistenmenü „More“, unbrauchbare offizielle DeepSeek-Providerkarte entfernt und Session-Log-Upload für offizielle Modelle dauerhaft deaktiviert.

Verweigert Git innerhalb eines Jujutsu-Workspace und gibt dem Modell stattdessen den passenden jj-Befehl. Enthält elf jj-Tools, Prompt-Anleitungen und eine jj-hunk-Bridge für DeepSeek Harness.

Multi-Root-Workspaces für DeepSeek Harness: Weitere Repositories zum Workspace hinzufügen, mit workspace-write bearbeitbar; sie erscheinen samt AGENTS.md im Modellkontext und lassen sich im Composer oder über /roots bearbeiten.

Liest Bücher und Fachartikel in DSH: Lesewerkzeugleiste in der offiziellen PDF-Vorschau mit gespeicherter Seite und Zoom sowie PDF-Tools für das Modell (Seitenübersicht, Volltextsuche, Seitentext und Bilder).

DeepSeek-Harness-Plugin: bindet shimo-mcp, lanhu-design-mcp und codesign-prd-mcp mit einem Klick ein. Keine MCP-Codeänderungen, nur Konfigurationsbundle.

Führt feste Agenten-Benchmarkfälle in isolierten Sandboxes aus, bewertet sie mit deterministischen Assertions und vergleicht zwei Läufe auf Regressionen nach Modell-, Prompt- oder DSH-Upgrade.

Git-Tab in der rechten DSH-Web-UI-Seitenleiste für das Sitzungsrepo: lokale/Remote-Branches mit ahead/behind-Zählern wählen, Dateien nach staged/unstaged/untracked/conflicted gruppieren, commit/fetch/pull/push mit automatischem upstream. Standardmodell erstellt Conventional-Commit-Text aus staged diff, sonst einfacher chore-Text. `git log --graph` mit Branchfarben und wortweise markiertes Diff.

Ponytail-Port: DeepSeek-Harness-Agentenpreset, das Aufgaben mit möglichst wenigen Tokens abschließt; Stufen lite/full/ultra.

Führt Bash-Befehle in einer gewählten lokalen Shell (Niubash, Git Bash, MSYS2, Cygwin oder bash.exe im PATH) statt umgeschriebenem PowerShell aus; blendet pwsh unter Windows aus.

Erweitert native DSH-Subagenten/Teams um persistente Agenten, bessere Nachrichten und Modellauswahl je Mitglied; keine zusätzlichen Tools/Kontexte über native Funktionen hinaus.

Enter-plan-mode stellt `dsh_enter_plan_mode_enter_plan_mode` bereit und schaltet die aktuelle Sitzung in Planmodus; ergänzt `exit_plan_mode` für Plan-und-Prüfung.

Bilibili-Autopilot mit lokalem Ollama: Videos nach Themenkontingent wählen, Untertitel/Top-Kommentare/Keyframes lesen, Antwortbedarf prüfen und Kommentar durch fünf Sicherheitsstufen posten. Start über dsh-schedule; bei deaktivierten Kommentaren keine Schreibtools. v1.1 prüft Schreibrecht vor jedem Senden, postet atomar, speichert Risikofehler als Pause und prüft Persona-Stil. Python 3.10+ und Repo-requirements.txt nötig.

Drag-to-Reference im Codex-Stil für DeepSeek Harness. Wird eine Gesprächszeile aus der Seitenleiste in den Chat gezogen, fügt sie eine native Session-Referenz-Chip in den Entwurf ein, um die herum du vor dem Senden weiterschreiben kannst. Eine Workspace-(Ordner-)Zeile fügt stattdessen den Pfad ein, sodass das ganze Verzeichnis an das Modell übergeben wird. Die Ziel-Session wird über die session id statt den Titel bestimmt; doppelte oder leere Titel führen nicht zur falschen Auswahl. Das Referenzlimit wird zur Laufzeit vom Host gelesen (Standard 3) und folgt Host-Änderungen. Kann der Chip nicht eingefügt werden, sendet das Plugin stattdessen eine reine Referenznachricht, statt still zu scheitern.

Erfasst und vergleicht Ein-Token-Verhaltensfingerprints konfigurierter DSH-Modellrouten mit One Token Is Enough.

ClinePass-Provider für DeepSeek Harness: 15 enthaltene Abo- und Gratis-Modelle, Kapazitätsüberschreibungen je Modell, Aboverbrauch in 5-Stunden-, Wochen- und Monatsfenstern sowie Multi-Konto-Failover auf ein Ersatzkonto.

ChatGPT-Anmeldung per Einstellungen und pi-ai-Codex-OAuth. Abmelden widerruft OpenAI-Sitzung; zeigt 5-Stunden-/Wochenkontingent. Codex auf sieben GPT-Modelle und low/medium/high/xhigh-Reasoning begrenzt (Standard low).

Fügt rechts einen AIignore-Tab hinzu: Bewertet das offene Gespräch und seinen Ordner in fünf Dimensionen, blockiert das Lesen von Build-Ausgaben, Lockfiles und Logs, bevor sie das Modell erreichen, und schreibt die zugehörigen .aiignore-Regeln schrittweise per Schaltfläche.