Plugins

Vordefinierte Engineering-Workflows für DeepSeek Harness: ein dev_task-Tool, das Phasenübergänge, Artefakte, Verifikation, Review und Commit-Umfang kontrolliert, plus eine Web-Workbench zum Installieren von Projekt- oder Nutzer-Skills und -Regeln.

TypeSafe Jev als erstklassiger Cordis-Dienst und drei modellsichtbare Tools für DeepSeek Harness — standardmäßig offline, Egress offengelegt, nie standardmäßig aktiv.

Start-Up-Splash für DeepSeek Harness: ein animierter Avatar mit Aurora, Sternenstaub, Pointer-Parallaxe und einer Modul-Montage als Auftritt, dazu dasselbe Bild als Wallpaper der Haupt-UI; beide Bilder lassen sich über eine Einstellungsseite tauschen, die die Animation live vorführt.

J-Space Cognition Suite SV1 als natives Agent-Preset und eigenständiges Cordis-Plugin: 13 Module, persistenter Controller und entkoppelter Workspace.

Omnimodale Workstation für DSH: analyze_image über eine geordnete Failover-Kette aus mehreren VLM-Karten, ein Bildwerkzeugkasten mit sechs Werkzeugen (Zoom, Farbabtastung, Pixel-Diff, OCR, Elementerkennung, Anzeige im Chat), die denselben Bildauflöser nutzen, generate_image über die Protokolle OpenAI/DashScope/ComfyUI, asynchrones generate_video mit mehreren Karten samt Builder /build-video-tool und speak/clone_voice für Sprachausgabe über sieben Anbieter – alles gesteuert von einer selbst speichernden Einstellungsseite.

Kontingent des Command-Code-Tarifs in der DSH-Seitenleiste über den Einstellungen: 5-Stunden-, Wochen- und Monatsfenster als genutzte Prozentsätze mit Countdown bis zur Zurücksetzung, ein Befehl /quota und eine CLI ohne Abhängigkeiten. Der Schlüssel wird aus der eigenen Anbieter-Route gelesen, daher sind keine Konfiguration und kein weiteres Plugin nötig.

Überwacht einen lokalen workbuddy2api-Gateway-Prozess und stellt dessen Modelle als LLM-Provider bereit, wobei Kontextfenster und Reasoning-Effort-Stufen aus dem eigenen Modell-Endpoint des Gateways gelesen werden.

Schriftart-Plugin für die DeepSeek Harness-Web-GUI: Die Konversation erhält eigene Schriftart, Größe, Zeilenhöhe und Stärke, die Oberfläche hat eigene Schriftart und Stärke und folgt standardmäßig der Konversation, Code behält eine eigene Achse mit Ligatursteuerung, und ganze Setups lassen sich als Presets speichern.

dsh-ecolink DSH-Anpassungsschicht: direkter Lesezugriff auf den lokalen Gedächtnispool, Injektion vor dem Schritt (Bewertung + Budget + Deduplizierung je Sitzung), Filterung nach #Gedächtnisname, Anbindung an das Gedächtnis-Ökosystem der Weboberfläche

Ein-Klick-Prompt-Verbesserung für den DSH-Composer: Mit der Funken-Schaltfläche wird der Entwurf in einen agententauglichen Prompt umgeschrieben, an Ort und Stelle ersetzt und ist rückgängig zu machen, mit einer deterministischen Treueprüfung, die jeden Pfad, Bezeichner, jede Zahl, URL und jedes Token in Backticks wortgetreu erhält, plus einer Längenobergrenze, die Aufblähung blockiert.

Tripo-3D-Skills für DeepSeek Harness – engine-fertige 3D-Assets aus einer Textaufforderung oder einem Referenzbild über tripo-cli erzeugen, mit Texturierung, Rigging, Retopologie und Formatkonvertierung in einem Durchgang.

Mit verzweigten DSH-Sitzungen als Live-Fenster auf einer Leinwand im Loom-Stil interagieren

Führt beim DSH-Start den täglichen WorkBuddy (CN)-Check-in aus — findet alle auf dieser Maschine angemeldeten Konten, holt die Tagesguthaben und zeigt einen Statuseintrag in der Sitzungstitelzeile mit Detailpanel und Wiederholung für fehlgeschlagene Konten.

Mayfly-Terminal-UI-Bundle für DeepSeek Harness

Abhängigkeitsfreier statischer und Sandbox-Smoke-Detektor für DSH-Plugins: Paketstruktur-Gates, cordis-Vertrags-Scans, schlüsselfreier Headless-Smoke-Test und Prüfungen der Ökosystem-Listung.

Persistente, sitzungsübergreifende Multi-Agenten-Teamräume für DeepSeek Harness — Mitglieder, ein Nachrichtenbus, ein gemeinsames Aufgabenboard und eine gemeinsame Zeitleiste, die Neustarts überstehen.

Tripo-3D-Generierungs-Skills, die tripo-cli über die Shell steuern: Text-zu-3D, Bild-zu-3D, Rigging mit Locomotion-Clips, Decimation- und LOD-Ketten sowie Export nach GLB/FBX/OBJ/STL/USDZ/3MF, mit Headless-Geräte-Login sowohl für Festlandchina- als auch für internationale Konten; installierbar als `tripo-dsh`.

Datenquellen-Verbindungs-Plugin für DeepSeek Harness: Metadaten-Erkennung von Datenbanken, KI-gestützte semantische Modellierung, schreibgeschützte SQL-Abfragen und feste HTTP-API-Aufrufe.

Intelligente Sitzungstitel für DSH: nach jedem Gesprächs-Turn fasst ein unabhängiger Hilfs-LLM-Aufruf das vollständige Nutzer+Assistent-Transkript zu einem Titel zusammen, der dem echten Thema der Sitzung folgt statt die erste Nachricht zu wiederholen; die erste Nachricht wird sofort betitelt, fehlgeschlagene integrierte Titel werden in späteren Turns erneut versucht, manuelle Umbenennungen nie überschrieben und Subagenten-/Fork-Sitzungen übersprungen.

Eleganter Neustart + automatische Client-Wiederverbindung + zielübergreifende Fortsetzung nach Neustarts für DeepSeek Harness (dsh). Nach einem Plugin-Update startet dsh-phoenix dsh an einem sicheren Leerlaufpunkt neu, hält die Browserseite verbunden und setzt ein laufendes Ziel fort, sodass eine Aufgabe weiterlaufen kann

Fernentwicklung über SSH: Ein Verzeichnis auf einer registrierten Maschine als Sitzungsarbeitsbereich wählen; Datei-, Shell-, Bash- und Suchwerkzeuge laufen auf dem entfernten Host — der Agent arbeitet dort mit denselben lokalen Werkzeugen, und es werden keine zusätzlichen modellseitigen Werkzeuge hinzugefügt.

Multi-Plattform-Nachrichten-Gateway und WeCom-KI-Bot-Brücke mit Sitzungskontext-Kompression und Smartsheet-Erstellung.

Verwandelt die 13 δ-me13 (Amphoreus)-Rollen-Skillkarten in Sitz-Arbeitsbereiche: Theme und Hintergrund pro Sitz, Skill-Injektion im ersten Turn, Chat-Sticker, Gedächtnisnotizen und Presets pro Sitz, Sitzwechsel per Alt+Ziffer und eine Übersichtsfläche für Zuweisung und Übergabe; die Skill-Suite selbst wird aus einem konfigurierbaren lokalen Verzeichnis gelesen und ist nicht gebündelt.

Multi-Modell-Orchestrator: Das Hauptgehirn zerlegt komplexe Aufgaben und verteilt Teilaufgaben je nach Stärken an GLM-/Kimi-/Qwen-Subagenten, mit Token-Verbrauch pro Modell.