Plugins

Lokales Nutzungsregister aus den Sitzungslogs dieses Geräts: Tokenverbrauch je Tag, Modell und Workspace, Cache-Trefferrate, Tool-/Chat-Anteil und geschätzte Kosten. Mit In-App-Editor für Modellpreise.

Ergänzt im DSH-Eingabefeld eine Denkstufenleiste (normal/strict/max). Der exklusive Loop-Modus bietet 3/5/8 Selbstprüfungsrunden; eine Gegenprüfung lässt sich zu beiden Modi zuschalten. Das Modell liest die aktuelle Stufe über clarify_tier und forge_level.

Fügt unter dem DSH-Eingabefeld eine ✦-Schaltfläche hinzu. Ein Aufruf des konfigurierten Standardmodells macht den Entwurf zu einem vollständigeren Prompt, bewahrt Absicht und Sprache und ersetzt den Text direkt, ohne ihn zu senden.

Ergänzt ein kometenartiges Lichtband am Fensterrand von DeepSeek Harness: bis zu vier gleichzeitig, je nach Sitzungsmodell eingefärbt. Während es auf deine Antwort wartet, kehrt es die Richtung um; nach Gesprächsende kehrt es zum Eingabefeld oder Workspace zurück.

Polish überarbeitet den Entwurf mit dem aktuellen Gesprächsmodell. Vier Stile, Treuewächter für konkrete Fakten, Ein-Klick-Rücknahme, kein eigener API-Schlüssel.

API Hub: Verwaltet und verwendet lokale API-Provider (Schlüssel, Modelle, Guthaben) und Skills direkt in DeepSeek Harness.

Ersetzt die Modell-Auswahl im DSH-Composer durch eine durchsuchbare, nach Providern gruppierte Liste.

DSH-Web-Plugin: Zeigt Kontingente und Nutzung der Modellanbieter in Echtzeit (DeepSeek / GLM Coding Plan / OpenRouter / Kimi Coding Plan + eigener Adapter).

Zeigt lokale EPUB-, TXT- und Markdown-Romane unter ausgewählten nativen DSH-Chatbereichen erst nach ausdrücklichem Aufklappen an. Bewahrt echtes Reasoning und Tool-Ausgaben, ohne Romantext an das Modell zu senden. Erfordert DSH >=0.2.1-rc.2 <0.3.0-0.

Liest Charaktere, Talente, Waffen, Artefakte und Wunschhistorie eines Genshin-Impact-Kontos in einen Snapshot und stellt ihn über sechs Agent-Tools und ein Panel mit sechs Tabs bereit. Artefakt-Substats stammen aus der öffentlichen Ingame-Charakterausstellung. Wertung mit CV- und Charakter-Gewichtsmodellen in sechs Stufen; Wunsch-Analyse umfasst Pity, Glücksstufen und Fortschritt je Banner. Für Charaktere, Waffen und Wunschhistorie ist Miyoushe-QR-Login nötig; Ausstellungsdaten sind per UID öffentlich.

Chibi-Walmaid-Desktop-Pet für DeepSeek Harness: frisst weißen Reis während der Modellgenerierung, lebt im DSH-Fenster oder irgendwo auf dem macOS-/Windows-Desktop und taucht zwischen Turns nach Schätzen. Unter Windows wird das Desktop-Overlay bei der Installation kompiliert und bei fehlendem swiftc oder .NET SDK übersprungen; das Pet bleibt dann im DSH-Fenster.

Git-Graph-Plugin für DSH: Repository-Baum und SVG-Spurverlauf (Kurven, Merge-Rauten, Ref-Badges, Endmarkierungen, Export) in einem Tab von dsh-better-sidebar. Konventionen werden dem Modell übergeben: sieben integrierte Frameworks oder eigene Vorlagen, integrierte Frameworks ausblendbar, Einbindung in jeden Modellschritt und Abgleich mit den letzten 20 Commits. Es verwendet dasselbe /git-Präfix wie das Upstream-Plugin; bitte nur eines auswählen.

Agent Settings verwaltet wiederverwendbare Subagent-Profile in der Seitenleiste, jeweils mit Beschreibung des Einsatzfalls und eigener Provider-/Modellroute. Der Agent kann das passende Profil als Subagent starten.

Lokale, nicht generative Entscheidungsschicht: phocinae_ask und phocinae_gate liefern typisierte Urteile mit kalibrierter Konfidenz eines kleinen Entscheidungsmodells und eskalieren fail-closed. Benötigt einen lokalen phocinae-server (pip install phocinae-server) mit Phocinae-Largha-150M-v1 auf Loopback-Port 8155.

Langzeit-Gedächtnisbox für DeepSeek-Harness-Einstellungen: einmal eingeben, in jeder neuen Sitzung verfügbar. Version 0.3.0 kann aus einer groben Notiz ein Anforderungsblatt mit fünf Abschnitten machen: Nutzeranforderungen bleiben wortgetreu, vom Modell erfundene Inhalte werden als 推断 markiert und löschbar, offene Punkte werden aufgelistet statt entschieden.

Fügt unter Einstellungen → Modelle ein Verbindungstestpanel hinzu: Liest den Modellkatalog der Bereitstellung und sendet jedem konfigurierten Modell über den Host-LLM-Dienst genau einen minimalen Chat-Roundtrip (kurzes „ping“, kleines Ausgabelimit), um die Verbindung mit einer echten Anfrage zu prüfen. Jede Zeile zeigt Erfolg/Fehler samt Harness-Fehlercode (NO_ADAPTER, MISSING_CREDENTIAL, AUTH, RATE_LIMIT, TIMEOUT usw.) und First-Token-/Gesamtlatenz. Einzeltest oder Gesamttest mit 3 parallelen Modellen. Zugangsdaten werden im Hostprozess aufgelöst und erreichen nie den Browser; modellbezogene Prüfungen laufen unabhängig über eine same-origin-geschützte Route mit Bodygrößenlimit. Reines JS, kein Build-Schritt, MIT.

Ergänzt das Meta-Muse-Code-Abo als DSH-Modellanbieter. Die mitgelieferte Meta-Route wird unter Einstellungen > Modelle deklariert, der Konto-Chatkatalog (einschließlich Muse Wonder) in die Modellauswahl synchronisiert. Eine Anmeldekarte und `/muse-login` starten den integrierten Meta-Gerätecode-Flow, erneuern den ausgestellten Schlüssel und zeigen den Zugang mit rotem/grünem Punkt. Aktives Muse-Code-Abo erforderlich; keine Meta-CLI nötig.

Suchorientierte Modellauswahl mit Favoriten, zuletzt verwendeten Modellen, einklappbaren Anbietergruppen und Tastaturnavigation.

Mit Jev den Reasoning-Aufwand des Hauptchats ohne Modellwechsel anpassen, Subagentenfähigkeit und -aufwand getrennt auswählen/anwenden und Entscheidungen anhand der Zuweisungsrückmeldung je Antwort prüfen.

Registriert Modelle eines lokal laufenden workbuddy2api-hub in DSH als eigenen OpenAI-kompatiblen Anbieter pro API-Schlüssel; jeder Schlüssel behält seine Modellauswahl. Seitenleisten-Badge zeigt Guthaben des Hauptschlüssels sowie heutige/wöchentliche Tokens, Guthaben und API-Äquivalentkosten. Lokaler Betrieb nötig.

Kostenprotokoll je Turn und Schritt für DeepSeek Harness: Turns-Tab neben Chat/Trajectory mit Tokens, geschätzten Kosten, Cache-Ersparnis und Prüfer für Toolargumente, Rohresultate und Quelle. Nur clientseitig; Preise werden aus protokollierter Modellnutzung geschätzt.

Zeitaufschlüsselung je Antwort: Modell-, Tool- und sonstige Zeit mit erstem Token, Decoding und Summen je Tool; lokales JSONL-Protokoll. DSH-Laufzeit benötigt Node 24 oder neuer.

Forensische Analyse früherer Modell-Routing-Entscheidungen. Spielt Sitzungen ab und klassifiziert Aufgabenkomplexität pro Turn anhand der Anfrageform deterministisch, ohne LLM. Findet zwei Arten von Verschwendung: teures Modell bei einfacher Arbeit (Differenz messbar) und günstiges Modell, das bei schwerer Aufgabe scheitert; jeder Versuch sendet den ganzen Kontext erneut, sodass das Downgrade mehr kostet als das Upgrade. Trennt Kapazitätsfehler (RATE_LIMIT/TIMEOUT/TRANSPORT) von Modellfehlern. Leitet Regeln aus Belegen ab und berechnet mit integrierter Tabelle pro Million Tokens.

Composer-UI für DeepSeek Harness: Reasoning-Stufe im Modellmenü als durchgehender Regler; Stufen werden live vom Modelladapter gelesen, beliebige Anzahl möglich. Jede Stufe zeichnet eine eigene Flamme hinter den Regler auf ein Canvas. Bei aktivem Vollzugriff erscheint der Berechtigungstrigger samt Menüzeile in der Fehlerfarbe des Themes.