Plugins

Lark/Feishu-Bot-Kanal für DeepSeek Harness: Jeder Chat steuert seinen eigenen Agenten, und Tool-Genehmigungen, Modellfragen und Planüberprüfungen kommen als Karten zurück, die per Schaltfläche oder Antwort beantwortet werden. Wechsle Arbeitsbereich und Modell direkt im Chat (`/cd`, `/model`, `/new`) und betreibe mehrere Bots, die getrennte Sitzungen führen und sich in einer Gruppe gegenseitig den Zug übergeben können.

Sitzungsübergreifende Speicher-Engine für DeepSeek Harness: SQLite-Speicher + von Menschen editierbarer Markdown-Spiegel, autoDream-Konsolidierung, Offline-Semantiksuche (lokale Vektorisierung/Reranking/Clustering), Entität-Attribut-Zeitachse, Sleep Mode, autoSummarize mit benutzerdefiniertem Modell und 7 Speicherwerkzeuge.

Schwebender DSH-Desktop-Begleiter mit 12 verfassten Zustandsanimationen für Anfragen, Werkzeuge, Compaction, Archivierung und Prompt-Erweiterung; Live-Kontextauslastung; ein dauerhaftes Lifetime Ledger über Sitzungen hinweg; Summen pro Anbieter/Modell, stündliche Trends und 7/30-Tage-Ansichten; Dunkel/Hell-Themenwechsel; optionale Kostenschätzungen (standardmäßig aus) mit visuellem Preiseditor und monatlicher Budgetwarnung; clientseitiger Skin-ZIP-Import; JSON/CSV-Nutzungsexport; reine Snapshot-Panel-Lesevorgänge mit Hintergrund-Inkrementindexierung; und optionale Prompt-Erweiterung mit bearbeitbarer Vorschau und DSH-Composer-Übermittlung.

Reasoning-Effort-Stufen und Sub-Agent-Standards für benutzerdefinierte DSH-Modelle konfigurieren.

VSCode-Remote-SSH-ähnliche Entwicklung für DSH — per SSH mit HPC und Servern verbinden, entfernte Dateien im integrierten Files-Tab lesen und bearbeiten, ein automatisch per SSH verbundenes Terminal, entfernte Workspaces mit Lesevorgängen in einem einzigen Roundtrip und Ergebnis-Caching sowie 12 sitzungsbewusste remote_ssh_* Modell-Tools.

Liest Assistentenantworten laut vor über kostenloses Edge TTS oder eigene RVC-Sprachmodelle: Vorlese-Schaltflächen + automatisches Vorlesen, adaptive blockweise progressive Wiedergabe (lückenlose Langtexte), Ein-Klick-Installation von Voice-Packs aus einer Registry sowie eine portable RVC-Laufzeitumgebung.

Verwendet die Web-Chats von Qwen, DeepSeek, Kimi und Z.ai als Modell-Provider in DeepSeek Harness, angemeldet über das eigene Browserkonto.

Untere Infoleiste für die DSH Web-UI: Anbieter/Modell, Live-Guthaben, Spitzen-/Nebenzeitenpreise mit Countdown und tatsächliche persistierte Sitzungsausgaben in einer einzigen Zeile.

Stellt dem Modell die Dokument-Parsing-Tools von MineRU zur Verfügung.

Verbindet WeChat-Privatchats mit DSH, mit bidirektionalen Text-, Bild-, Datei-, Audio- und Videonachrichten sowie Slash-Befehlen für Sitzungen, Arbeitsbereiche, Modelle, Berechtigungen und mehr. Ziel ist das native DSH-Erlebnis in WeChat.

Pro-Runde-Cache-Billing im Composer-Context-Meter-Popover: was der aktuelle Aufruf für Cache-Treffer, -Misses und Output in CNY ausgibt, mit automatischer offizieller Peak/Off-Peak- und pro-Modell-Preisgestaltung; auf nicht-offiziellen DeepSeek-Routen versteckt.

Legt die Reasoning-Sprache des Modells auf die unter Settings - General - Thinking language gewählte Stufe fest (vereinfachtes Chinesisch oder eine Standardstufe, die nur Antworten einschränkt und das Reasoning dem Modell überlässt). Fügt eine System-Prompt-Sektion mit Reihenfolge -1000000 ein und setzt sie am Ende des Assemble-Ablaufs wieder an den Anfang; optional wird eine Kopie vor jede Nutzernachricht gesetzt, wenn Modelle statische Sektionen schlecht befolgen.

Tencent-CodeBuddy-Modellanbieter für DeepSeek Harness, der sich per Browser-OAuth statt mit einem API-Key anmeldet: listet den CodeBuddy-Modellkatalog mit den Kontext-, Ausgabe-, Tool-Calling-, Reasoning- und Bild-Fähigkeiten jedes Modells auf, verwaltet mehrere Konten mit automatischem Failover auf das nächste nutzbare, zeigt das Restkontingent im Composer mit einem Panel zur Token- und Guthaben-Nutzung und erledigt pro Konto automatisierbare CodeBuddy-Growth-Aufgaben mit Ausführungslog. Installation über npm mit `dsh plugin --profile web add @tnnevol/dsh-codebuddy`.

ChatGPT-Konto-Anmeldung für DeepSeek Harness über einen Codex-Browser-OAuth-Flow ohne API-Key und ohne Workspace-Auswahl: meldet den Login beim Codex-Anbieter von pi-ai an, ermöglicht das Setzen des globalen Standard-Codex-Modells und des Standard-reasoning effort für neue Sitzungen, aktualisiert die Modellliste über den Katalog-Endpoint des angemeldeten Kontos und zeigt im Composer die Nutzungszeitfenster von fünf Stunden und pro Woche.

Multi-Agenten-Teamkollaboration für DeepSeek Harness mit assistentenspezifischen Modellen, Skills, MCP-Servern, unabhängigen Kontexten, gemeinsamen Workspaces, Aufgabenkoordination und Gesprächsverwaltung.

DSH Knit sortiert Markdown/Code/Bilder/Videos im Workspace nach Gesprächsbezug in der Seitenleiste; Context Pack via knit_docs. Standard-BM25/IDF vergleicht lokal letzte Nachrichten mit Titel/Zusammenfassung/Inhalt: kein Modell/Netz, keine Übertragung; Index bleibt nach Neustarts/Sitzungen. Evidenz/Vorschau; Zuordnung beim Lesen fixiert; Anheften/Ausschluss vor Abruf rückgängig machbar. v0.23 Hybrid optional AUS, nur mit selbst konfigurierten Ollama/OpenAI-kompatiblen Embeddings. Sendet nur query+Titel/Zusammenfassung (Markdown: Anfang ≤60 Zeichen; Code: relativer Ordner; Medien: Name), nie Volltext/absolute Pfade; Loopback lokal. v0.24 verknüpft uncommittete Änderungen mit read-only git status (festes argv, keine Shell, env-Allowlist), AUS. Kein Realtest; kein Suchgewinn belegt.

Ein Blue-Glass-Ozean-Fantasy-Skin für DeepSeek Harness Web: knackiger Ozean-Hintergrund, Glasblasen, eine Ozean-Sidebar mit Gold-Gradienten-HARNESS-Wordmark und einer Cartoon-Figur unten, ein Wal-Einstellungs-Button und Gradienten-Model-Text.

DSH-Pluginhälfte von Fish Buddy: leitet das separat heruntergeladene Windows-Schreibtisch-Wal-Widget (.exe auf der Releases-Seite des Projekts) an die gebundene Sitzung weiter. Das Widget selbst hört zu, spricht, zeigt Live-Untertitel, abgetastete Frames und Spielchat und lädt beim ersten Einsatz eines seiner Spracherkennungsmodelle herunter (standardmäßig 228 MB).

Konfiguriert visuell Prompt, Tools, sichtbare Skills, Subagenten und Fallback-Modelle eines Agenten und stellt mehrere zu einem Team zusammen. Es schreibt oder bearbeitet nie eine Preset-Datei des Hosts.

Skill-Marktplatz und -Manager: Verwalten Sie Skills aller lokalen Coding-Agenten (10+ Executors, inkl. Claude Code und Codex) auf einer Seite und importieren Sie sie in die DSH-Skill-Bibliothek; integrierter Marktplatz mit 6600+ Skills, Token-Overhead-Statistiken pro Skill und Modell-Sichtbarkeitskontrolle.

Steuert angemeldetes Chrome/Edge, freigegebenes lokales HTML und laufende Windows-Apps über native Suche oder @. Unterstützt begrenzte Snapshots, Batch-Aktionen, Screenshots, WebMCP, genehmigte Uploads und Drag-and-drop; Netzwerkmetadaten per Opt-in. Bewahrt Fehlerbelege; eine Nachbeobachtung mit explizitem Umfang prüft eine finale Sichtbar-/Text-/Wert-/URL-Bedingung ohne Effektreplay. Annotationen in sitzungsgebundener Warteschlange (bearbeiten/löschen/wiederherstellen), nur an Entwürfe angehängt, nicht gesendet. Apps: kompatibles MCP installiert oder genehmigt installieren, dann Cua Driver (Text, Hotkeys, paginierte Steuerelemente). Hintergrund-Eingabe hängt von der App ab. Erfordert Chrome/Edge 125+ und manuell geladene, gekoppelte MV3-Erweiterung; das Plugin installiert sie nicht.

Design-Treue-QA für textbasierte Modelle: Ein `deepseek_vision`-Tool leiht sich ein Auge von jedem OpenAI-kompatiblen Vision-Pfad, damit das Modell beurteilen kann, ob eine Implementierung zu seinem Mock passt — ausgeliefert mit dem Benchmark hinter diesem Urteil (vier Fixtures, 23 injizierte Defekte, Rohtranskripte) und der Fragedisziplin, von der es abhängt.

Schwebendes Panel zur Verwaltung von MCP-Servern und Skills in der DSH-Weboberfläche: verzögertes Tool-Laden je Server (ToolSearch, standardmäßig aus) hält dessen Tools aus dem Kontext jeder Runde heraus. Der Prompt nennt zunächst nur Tool-Namen; das vollständige Schema kommt erst hinzu, wenn das Modell es mit dem integrierten tool_search findet, sodass ungenutzte Schemas keinen Kontext kosten. MCP-Server global oder in der .dsh/mcp.json eines Projekts, Aktivierung pro Server, Markt mit 47 Diensten und Import aus zehn anderen Clients. Skills werden in ihren tatsächlichen Bereichen automatisch entdeckt und nach Vorrang aufgelöst; automatische Modellaufrufe oder nur manuelle Nutzung je Skill.

Windows-Plugin, das den Host-Shell-Executor durch Git-for-Windows-bash über jeden Agent-Modus ersetzt, Git-Bash-Varianten der Standard-, Minimal-, PTC- und Cordis-Presets materialisiert (pro Datei sha256-markiert, Benutzer-Editionen erhalten), und eine gitBash-Capability exponiert, damit Companion-Presets Git-Bash automatisch wählen; wenn dsh-better-sidebar installiert ist, adoptiert es auch die Terminal-Shell dieser Sidebar (UI-Tabs und die modellseitigen terminal_*-Tools) über deren offizielle Einstellungsnaht.