Plugins

Terminal-artiges KI-Lab-Idle-Game, in dem du Compute hortest, Modelle trainierst und upgradest, Papers veröffentlichst und von Neuronalen Netzen zu ASI prestigst.

Vollständige mobile PWA für DSH auf Basis von dsh-mobile-gate: sicheres Remote-Zugangs-Gateway plus Installation auf dem Startbildschirm (Manifest und Service Worker), Offline-Fähigkeit, Touch-Gesten (Ziehen zum Aktualisieren, Randwischen zurück, Pinch-Zoom für Schrift), Push-Benachrichtigungen bei Agentenende und Touch-First-Layout — der Desktop bleibt unberührt.

Statischer und Laufzeit-Sicherheitswächter für dsh: regelbasierte Scans auf Schadcode, Prompt-Injektion und Token-Verschwendung, Laufzeit-Abfangen gefährlicher Tool-Aufrufe, /scan-Befehl, plugin_scan-Tool, Web-Panel und Allowlist.

Ein-Befehl-Bundle der drei AgentFrame-Plugins: memory-director, compaction und aura-scheduler zusammen.

Update-Prüfer (npm-Edition): eine Einstellungsseite, die lokale und neueste Versionen von @deepseek-ai/dsh und jedem installierten Plugin vergleicht, mit roter-Punkt-Navigationserinnerung und fertigen Update-Befehlen.

Nur-Lese-Gesundheitsklinik für die installierten DSH-Plugins: Loader-Zustand, Abhängigkeitsintegrität, Versionskompatibilität, Risiko von Installationsskripten, Duplikate und Patch-Integrität, geliefert als Modell-Tool, Einstellungs-Dashboard und JSON-Berichte.

Wächter beim Start: repariert beschädigte Sitzungsprotokolle, prüft die Plugin-Zusammensetzung vorab, vm-überprüft Client-Artefakte, führt Smoke-Tests für apply() des Hosts aus und quarantäniert absturzverursachende Bundles, damit ein kaputtes Plugin den Start nie lahmlegen kann.

Benachrichtigungen bei Aufgabenabschluss über ServerChan / DingTalk / Feishu / generische Webhooks.

Steuern Sie Ihren dsh-Agenten aus WeChat über das iLink-Gateway: bidirektionale verschlüsselte Medienübertragung (Posteingang mit automatischer Entschlüsselung + /send), proaktives weixin_send-Tool, Abschlussbenachrichtigungen, Umschalten zwischen mehreren Sitzungen und ein Statuspanel mit Dateiprotokollierung.

Benachrichtigungen bei Konversationsende für DeepSeek Harness: Windows-Toast + Ton bei Turn-Ende, Fehler oder Zielerreichung sowie Frage- und Freigabealarme — nur im Hintergrund, mit einer lautstärkeverstellbaren Glocke im Konversationskopf.

Meta-Skill zur Zuordnung von Aufgabe zu Skill mit einer Faulheitsleiter für minimales Laden, einer vom Nutzer editierbaren Routing-Tabelle und einem Installationsablauf mit Quarantäne, SkillSpector-Scan und menschlicher Freigabe.

Modellseitiges image_describe-Werkzeug (识图) über die OpenAI-kompatible DashScope-API (qwen3.7-flash), plus eine Einfüge-Brücke: In Text-only-Sitzungen werden eingefügte Bilder beim Senden automatisch in Dateipfade umgewandelt und im Transkript zurückgerendert, sodass sie nie an der Bildannahme scheitern. Eigenen DASHSCOPE_API_KEY mitbringen; Endpunkt/Modell/Budgets konfigurierbar, redirect-fester HTTP-Client, funktioniert in jedem agent preset.

Sehen für jede DSH-Route: Bilder mit absichtsgesteuerter Autoanalyse in den Web-Composer einfügen, das Lesen von Bildern im Arbeitsbereich an einen Kimi/MiniMax-Vision-Subagenten delegieren und eingefügte Originale zum Bearbeiten materialisieren.

Bedarfsgesteuertes Sehen für reine Textmodelle von DeepSeek: Bilder hochladen, und das Modell ruft ein view_image-Tool auf, das auf jedem OpenAI-kompatiblen Vision-Endpunkt basiert (standardmäßig Qwen/DashScope).

Lokales, strukturiertes Sehen für reine Textagenten: Bilder gehen an ein lokales OpenAI-kompatibles VLM und kommen als JSON-Belege zurück (Zusammenfassung, wörtliche OCR, Layoutregionen, Entitäten/Relationen, Farben, ausdrückliche Unsicherheit), mit Anti-Halluzinations-Fallback und optionaler Einfüge-/Upload-Brücke; keine Cloud-Kosten, Bilder verlassen nie den Rechner.

Synästhesie-Encoder für DSH: Ein Vision-Modell übersetzt Bilder in kompakten, strukturierten räumlichen Text (Canvas/Elemente/Prozentkoordinaten) und verleiht reinen Text-LLMs über das Tool `mm_vision` Bildverständnis auf Pixelebene.

Leitet Chat-Bilder an ein festes OpenAI-kompatibles Vision-Modell und gibt sachliche Beobachtungen an das gewählte Hauptmodell zurück; sitzungsbezogene Beobachtungen werden über Replays, Kompaktierung und Neustarts hinweg wiederverwendet.

Misst Design-Regeln auf der gerenderten Seite statt im CSS — Anzahl der Typo-Skalen, WCAG-AA-Kontrast gegen den real komponierten Hintergrund, Abweichung vom Spacing-Grid, Palettengröße, Tap-Targets und die Erkennungsmerkmale generierter UIs wie violette Farbverläufe, erkannt über den Hue-Winkel; liefert einen Design-System-Skill.

Ein `search`-Tool, das lernt, zwischen schneller und gründlicher Suchstrategie zu wählen — mit einem kontextuellen Banditen (Thompson-Sampling) und Verbesserung aus echter Nutzung statt fester Heuristik.

Unternehmensdatenquelle Qichacha (企查查) als dynamisches Cordis-Plugin: 5 Agentenwerkzeuge (Auth mit QR-Login, Firmensuche, Wissenssuche, Werkzeugsuche, Werkzeugausführung) über 100+ Daten-Dimensionen (Handelsregister, Aktionäre, Justiz, IP), plus Kontoverwaltung auf der Einstellungsseite; Netzwerk-/Datei-IO über DSH-Teilprozesse mit node -e; Zugangsdaten interoperabel mit dem lokalen BizOwl-Client.

HTTP-/API-Debugging-Toolset: voll kontrollierbare HTTP-Anfragen (Methode/Header/Body/Auth), Parsing von curl-Befehlen und deren Ein-Schritt-Ausführung, Anfragehistorie in der Session mit Side-by-Side-Antwortvergleich, paginierungsbewusste Link-Header und DeepSeek-gebrandete UI-Karten (optional dsh-http-tools-ui).

Eine schlanke Portierung von Headroom: komprimiert Tool-Ausgaben, spart bis zu 20 % Kontext, ohne den Kontext-Cache des Modells oder die Agent-Leistung zu beeinflussen.

Erkennt Modelllisten, Preise und Fähigkeiten von OpenAI-kompatiblen API-Hosts automatisch, normalisiert sie und gibt fertige Modell-Konfigurationen für dsh aus.

Hana-artiger Assistentenmanager für DSH: visuelle Preset-Verwaltung (Karten, Yuan-Persönlichkeiten, Avatar-Zuschnitt) sowie ein vollständiger Hana-Memory-Stack (rollierende Zusammenfassungen, mehrschichtige Kompilierung, SQLite-Faktenspeicher, Deep Memory).