Plugins

Aggregiert kostenlose Modellkontingente für DeepSeek Harness (dsh). Registriert den freeroute-Provider über kostenlose Upstreams (OpenCode Zen / B.AI / OpenRouter / SenseNova integriert, dazu Remote-Kataloge und eigene Gateways) mit transparentem Failover.

Eigenständiges DSH-Plugin mit 21 schreibgeschützten Tools zur Lifecycle-Steuerung: Aufgabenstufung, Prüfung von Status/Plan/Nachweisen, Gate-Vorprüfung und Zusammenführung, Release-/Installationsaudits, Kontext-/Fortschrittsanalyse, kritischer Pfad, Abgleich beim Fortsetzen und eine Änderungsvorschau, die die Ausführung immer verweigert. Installation über npm als `@240xu/dsh-tech-lead`.

Composer-Statistikleiste für die DSH Web-UI: offizielle CNY-Preise mit automatisch synchronisierten Spitzen-/Nebenzeittarifen, Abrechnung je Modell, laufende Timer, zusammengeführter Subagent-Baum, DeepSeek-Guthaben, Budgetwarnungen und Kostenschätzung beim Streaming.

Adaptive Modellerkennung, -bewertung, -einstufung und Subagent-Routing für DeepSeek Harness.

Free-Tier-Modell-Routing für DeepSeek Harness (dsh) – entdecke OpenRouter-Free-Modelle, wende das beste Free-Modell als Agent-Default an, rotiere automatisch bei Rate-Limits; kostenpflichtige Konfiguration bleibt unangetastet, sofern nicht angefordert.

Skill für Produktrecherche: Analysiert Markt, Technologie und Lieferkette und gibt anschließend dreistufige Vorschläge für Produktspezifikationen aus.

DeepSeek-Kontoguthaben- und Modellkosten-Verfolgung mit offiziellen Spitzen-/Nebenzeit-Preisen, dreistufiger Token-Abrechnung (Cache-Miss, Cache-Hit, Ausgabe), Aufschlüsselungen pro Modell und pro Sitzung, einer Zusammenfassungsleiste im Composer mit Details beim Daraufzeigen, CSV-Export und einem Einstellungsfenster.

Stufenweises Modell-Routing für DeepSeek Harness: think/build-Modellstufen, Vision-Delegation (das Vision-Modell beschreibt nur Bilder; das Arbeitsmodell handelt), Bildgenerierung und ein High-Impact-Guard.

Auto-Genehmigungs-Berechtigungsschutz: eine Zwischenstufe zwischen workspace-write und danger-full-access — erlaubt sichere Operationen in vertrauenswürdigen Verzeichnissen automatisch und fragt bei destruktiven Vorgängen immer einen Menschen um Bestätigung, mit 11 schaltbaren Optionen pro Kategorie und einem Prüfprotokoll.

Commitment-Schreib-Gate: vom Betreiber verfasste Regeln, die vor einem Tool-Aufruf durchgesetzt werden – eine deterministische Guard-Stufe plus eine LLM-Richter-Stufe, standardmäßig fail-closed, jeder Block wird in einem Widerspruchs-Protokoll festgehalten.

Erwähne einen Server mit @ in einer DeepSeek Harness-Sitzung und führe darauf Befehle über SSH aus, hinter einem zweistufigen Genehmigungs-Gate, das fail-closed arbeitet.

Eine erweiterte Plugin-Liste für die DeepSeek Harness Web-Settings — Trust-Tiers, kollabierbare Gruppen und vollständige Per-Plugin-Details

Projektunabhängiges Multi-Agenten-Kollaborationsprotokoll für DeepSeek Harness: Schleifenwächter, die aus dem Ruder laufende Agentenschleifen stoppen, ein Übergabeformat mit sechs Feldern, risikogestuftes Review-Routing und eine feste Abfolge verify→commit→push→review→close. Eine Skill statt derselben Regeln, die in die Anweisungen jedes Agenten kopiert werden.

Bündelt Signale von arXiv, Erstanbieter-Labors, offiziellen Artefakten, Hardware-Herstellern und opt-in X zu versionierten Release-Belegbündeln und gated die Reproduktion auf Aussagenebene über Befehle, Artefakte, Metriken und Verifizierer.

Zweistufiger Modell-Router für DeepSeek Harness — LLM-Judge-Routing, Multi-Modell-Fallback-Ketten, Failover mit exponentiellem Backoff und Orchestrierung auf Aufgabenebene (DSH-Anpassung von pi-shift-router)

Eine mittlere Berechtigungsstufe für DeepSeek Harness zwischen workspace-write und danger-full-access: genehmigt harmlose Befehle sowie Operationen auf konfigurierten vertrauenswürdigen Bereichen außerhalb des aktuellen Arbeitsbereichs automatisch.

Scheduled daily toast popups summarizing yesterday's conversations and managing two-tier pending TODOs.

Keep conclusions alive across context compaction: the model writes a task checkpoint and the plugin re-injects it into the system prompt's first node — the span compaction never touches, so it survives any number of compactions. Four-tier injection (0/95/175/≤12000 chars) scales with session relatedness; checkpoints live in the plugin's own folder, never in your workspace.

Drives the OpenCode client already installed on your machine through its loopback opencode serve API, so its free-tier models work in DSH — the child process starts on first use, and OpenCode executes no tools of its own: a call it proposes is handed to the DSH tool of the same name and run there, or refused when there is no equivalent. No API key is needed.

An Auto toggle next to the model selector that schedules reasoning_effort per request: complexity is scored by a MiniMax/OpenAI-compatible model with a zero-dependency heuristic fallback (fallbacks not cached), effort ladders adapt to each model real effort list (low/high/max, low/high/highx/max/ultra, ...), heavy tool calls upgrade the tier within the same session, the lit button and reply badges show the effort actually used, and every decision plus observed token usage lands in a JSONL ledger. A standalone-button fork of imkingjh999/dsh-adaptive-effort; do not install it and the original in the same profile.

Switch OpenAI models between Codex-style Responses WebSocket transport and SSE from the composer, inheriting DSH provider settings with an optional priority-tier toggle.

Five-tier reasoning protocol injected into the system prompt — off / light / standard / deep / multi-agent, 0 / 3 / 9 / 17 / 19 rules — with the tokens each tier adds per request shown beside it. Alongside it: a claim ledger that marks a load-bearing claim with no evidence or check as unsupported, read-only analyst briefs, JSON-declared custom tools that work in the same turn, one persistent PowerShell session, and re-injection of host context after a configurable message gap. Tier 0 injects nothing and mounts no tools. A derivative of husongan/dsh-deepseek-2027 (MIT); do not install both — each injects its own reasoning-protocol section into the system prompt.

Runs an approved OpenSpec change to completion while the model stays a mechanical forwarder: a bundled Python CLI computes the ticket DAG frontier, claims tasks atomically, prepares one git worktree per assignment, and returns exact actions. The session delegates each action with the DSH subagent tool and reconciles the completion notice against a hash-bound receipt produced by re-running verification commands on a clean, advanced HEAD, so free-text "done" never counts. Runtime scope changes are plain tasks.md edits. Requires Python 3.10+ on PATH and a git project that uses OpenSpec.

Measures one university department's research output: matches author affiliation strings against a college's known name variants (detecting same-named departments at other universities), backfills papers that only name the university by faculty author IDs, classifies each paper by journal tier (CAS partition with Top flag, JCR quartile, CCF, Chinese core via a CNKI export merger), splits staff from student first authors, and writes a workbook with a dashboard sheet, a filterable paper list, a teacher-by-direction matrix and per-teacher statistics. Student authorship is inferred from affiliation and staff lists, not verified against enrolment records. Requires Python 3.9+ with pandas and openpyxl (pip install -r requirements.txt); papers come from the OpenAlex API, whose free per-IP quota is limited, and Chinese-journal coverage needs a manual CNKI export.