Plugins

Floating Pill für OpenCode-Go-Nutzung in DSH mit drei Ringen (5 Stunden, Woche, Monat), automatischer Berechnung des verbleibenden Modellkontingents und optionalem DeepSeek-Guthaben. Minimalmodus verschachtelt die Ringe; äußeren/mittleren/inneren Ring einem Zeitraum zuweisen, mit Live-Vorschau.

Ordnet jeden Modellaufruf lokalem Datum, Provider und Modell zu und zeigt Summen in Sidebar-Karte, Chat-Pill unter dem Composer und Settings-Seite, samt Guthaben und Abo-Zeiträumen je Provider.

DeepSeek-Guthaben- und Nutzungsmonitor für DSH: Widget mit aufgeladenem Guthaben, Verbrauch pro Modell/Zeitraum, Tokenaufschlüsselung und Hinweis auf Pekinger Peak-/Nebenzeittarife. Zuerst DeepSeek-API-Key in Settings eintragen.

Pausiert Peak-Anfragen an offizielle oder gelistete Modelle und lässt alle anderen laufen. Editierbare Peak-Zeiten, Interception-Liste pro Modell und Free-Run pro Sitzung im Badge-Panel.

Usage-Seite in DSH Settings sammelt alle Modellaufrufe in einem lokalen Ledger und zeigt Requests, Tokens und geschätzte Kosten nach Tag, Route und Modell; Einheitspreise bearbeitbar, CSV-Export.

Fork von dsh-effort-slider: Teilt die Modellauswahl im Composer in zwei Schaltflächen. Modellname öffnet die Modellliste, Effort-Label den Claude-artigen WebGL-Feuer-Slider.

Ein-Klick-Daumen-hoch/-runter-Feedback-UI, die Bewertungszusammenfassungen in den Modellkontext einfügt.

Zeigt über dem Composer in einer Zeile die aktuelle Tätigkeit der KI: Schritt, Aktion (z. B. npm test ausführen) und Status laufend/abgeschlossen/fehlgeschlagen mit kurzem einfachem Grund. Lokale Ableitung aus Tool-Aufrufen und Denktext, ohne Modellaufrufe, Netzwerkanfragen oder DSH-Datenschreibzugriffe.

Seitenleisten-Assistent, der abgeschlossene Turns der Hauptsitzung kennt, laufende Schritte und Hintergrundjobs des Hauptagenten verfolgt und im Panel antwortet. Modell, Kontextbudget und Antwortstil einstellbar.

Rendert Modellantworten im DeepSeek-Harness-Chat als interaktive Karten mit 24 freigegebenen Komponenten und dauerhaft gespeicherten Turn-Karten.

Überarbeitet grobe DSH-Composer-Entwürfe zu klaren, strukturierten Prompts; mit Ein-Klick-Rücknahme, geschützten Referenz-Chips, drei Modellquellen und trennungssensitivem Abbruch.

Subagent Toolkit: Gruppiert das integrierte Subagent-Dropdown nach Nutzungsbatch in History / Today / Previous / Current; löscht Subagent-Sitzungen je Zeile oder Gruppe und hält die Modell-Allowlist je Delegation aktuell. Der ursprüngliche Header bleibt unverändert.

Ersetzt den Modellknopf durch ein zweistufiges Panel (Anbieter, durchsuchbare Modelle) mit kontinuierlichem Reasoning-Regler. Blau-violett, Nebel-/Staubpartikel bei hohen Stufen, Farbe je Stufe. Ziehen bewegt eine Stufe; nach Modellwahl bleibt das Panel offen, Regler auf mittlerer Modellstufe.

Fügt links neben der Auswahl Continue hinzu. Nach Nutzerabbruch, Absturz oder Fehler bittet ein Klick das Modell um Fortsetzung. Beim Tippen oder Anhängen klappt die Schaltfläche ein.

Deklarative DSH-Karten: Host kompiliert die Modellspezifikation zu JSON; der Client rendert Formulare, Tabellen, Diagramme und Listen mit lokalem Zustand und ausdrücklichem Absenden.

Skills-/MCP-Verwaltungskonsole in Settings: zusammengeführter Skill-Katalog aller Provider, hierarchische Quellensuche, Online-Erstellen/Bearbeiten, getrennte Modell-/Nutzer-Aufrufschalter und wiederherstellbarer Papierkorb. Mehrfachauswahl-Installation von GitHub und Updatechecks; MCP-Server über Profile-Patch hinzufügen/bearbeiten/entfernen/aktivieren; Agent-Import aus Claude Code, Cursor, Codex, Cline, Roo Code, Continue und Windsurf; unabhängiger SDK-Verbindungstest.

Veröffentlicht das im Profil oder auf Models gewählte Modell als OpenAI-kompatiblen HTTP-Endpoint: `/v1/models`, `/v1/chat/completions` mit SSE-Streaming oder ohne, `/health`. Requests dürfen jedes routbare Modell nennen; ohne `model` gilt die aktuelle Chat-Auswahl, deren Wechsel auch den Endpoint umstellt. Aktiviert kann der Endpoint einzeln eingeschaltete Harness-Tools an das Modell ausleihen, sie über die Harness-Tool-Runtime ausführen und Ergebnisse bis zu einer Rundengrenze zurückgeben. Eigener Plugin-Listener: `127.0.0.1`, `0.0.0.0` und NAT-Portweiterleitung verhalten sich mit demselben Request-Pfad gleich. Settings umfasst Bind-Adresse, Port, API-Key-Generator, Fallback-Provider/Modell, Reasoning-Aufwand, CORS-Origin und Timeout.

Führt das lokale Cursor CLI von DSH als untergeordneten Coding-Agenten aus: Tool `cursor_code`, natives One-shot-Tool `cursor_subagent`, je Lauf eine gespiegelte DSH-Untersitzung, Modellauswahl pro Aufgabe, fortsetzbare Gespräche, Schritttimeline mit echten Datei-Diffs und Usage-/Modell-/Sitzungspanel.

Git-Panel in der rechten Sidebar plus fünfzehn Agent-Tools: editorartige Diffs, Commit-Graph aller Branches, Stage/Commit, Branch-, Stash- und Remote-Aktionen, modellgestützte Commit-Nachrichten, Prüfung vor dem Commit und Commit-Aufteilung.

Liefert über StateDock Remote MCP Skills für gemeinsamen Plan, Kontextübernahme und Fortschrittsmeldungen, ohne Aufgaben auszuführen oder Agents einzuplanen. Für Harness 0.2.0-rc.2.

Rollenbasierte Experten-Subagents für DeepSeek Harness mit Aufgaben-Sidebar: Explorer, Librarian, Oracle, Designer und Fixer delegieren parallel, jeweils mit eigenem Modell und Reasoning-Tiefe.

Hermit/小寄-Agenten-Preset macht DSH zu einem ständig aktiven persönlichen Hub: Butler-Persona mit begrenztem Aufgabenbereich, Dispatch-Tool zur Delegation mehrstufiger Aufgaben an Hintergrund-Subagenten mit Modellrouting pro Aufgabe, asynchrone Abschlussberichte im Chat, Credit-Budget-Gate, P/M-Bestätigungskette und M1-Ereignisprotokoll.

Konvertiert Office- und PDF-Dateien im DSH-Workspace lokal in Markdown, bevor das Modell sie liest – ohne Netzwerk oder API-Kontingent. Schreibt jede .md-Datei neben die Quelle, sodass nur ein Pfad in den Kontext gelangt. Für Datei oder Verzeichnis werden Bytezahl, Zeilenzahl, Token-Schätzung und Überschriftenübersicht ausgegeben.

Registriert ein ocr-Tool für reine Textmodelle: Führt das Offline-Skript aus dem Repository für ein einzelnes Bild oder PDF aus und gibt erkannten Text zurück. Reihenfolge: natives Windows-OCR, RapidOCR, Tesseract. Lokal, ohne Netzwerk oder API-Schlüssel. Erfordert Python 3.11 im PATH sowie pip install winocr pillow (winocr bevorzugt, die anderen als Fallback). Ergebnisse zeilenweise für Bilder, seitenweise für PDFs.