Plugins

Verwendet einen PackyCode-(PackyAPI-)API-Key in DeepSeek Harness über eine integrierte Multiprotokoll-Modellroute mit Key-Rotation und Kontostandsanzeige.

Windows-Toast-Benachrichtigungen auf der Host-Ebene von DeepSeek Harness für Agent-Turn fertig/Fehler/Unterbrechung, Subagent fertig, Hintergrundjob fertig sowie Modellfrage oder ausstehende Toolfreigabe. Die Logik läuft im DSH-Hostprozess, daher kommen Toasts auch bei geschlossenem Tab oder Browser an; eine Win32-Vordergrundprüfung unterdrückt sie, solange DSH im Fokus ist. Nur Windows.

DeepSeek-Harness-LLM-Adapter für Qoder-CN-Abos auf Basis des offiziellen `@qodercn-ai/qodercn-agent-sdk`. Nutzt den lokalen `qoderclicn`-Login erneut und bietet eine konfigurierbare Einstellungsseite mit Kontextfenster je Modell, Sitzungspool und Timeouts.

Genehmigungswächter für DeepSeek Harness: Ein Reviewer-Modell entscheidet Berechtigungsanfragen, bevor sie dich erreichen. Mit System-One-Decision-API-Backend (TypeSafe Jev, SiliconFlow, selbst gehostetes Laya), konfigurierbarer Richtlinie bei geringer Zuversicht und Whitelist für Freigaberegeln.

Abhängigkeitsgeordneter Multi-Agent-Team-Runner für DeepSeek Harness: Rollen mit eigenem Modell, Persona und Tools definieren, einen Knotengraphen mit unabhängigem Review-Gate und begrenzter Nacharbeit ausführen und den Fortschritt in der Web-UI beobachten.

Liest den Sitzungsereignisstrom ohne zusätzliche Modellaufrufe und erstellt aus Korrekturen, Fehlern und Lösungen ausstehende Lernvorschläge. Jeder Vorschlag wird anhand schriftlicher Kriterien bewertet und nennt den Grund für Annahme oder Ablehnung. Nur nach Bestätigung schreibt ausschließlich der validierte Writer `learn_skill_manage` eine Skill. Ein im Leerlauf aktiver Curator markiert ungenutzte Skills als veraltet und archiviert sie durch Verschieben statt Löschen; noch geladene Skills bleiben erhalten. Registriert fünf Tools (`learn`, `learn_review`, `learn_curator`, `learn_skill_manage`, `learn_skills`), einen Prompt-Abschnitt mit den Kriterien und einen Tool-Guard, der direkte Änderungen an Skill-Dateien zum Umgehen des Writers verweigert.

Reasoning-Gear-Presets für Drittanbietermodelle: 16 Anbieter-/Modellprofile mit eigenen Wire-Werten je Modus; Übernahme in dsh-llm-pi-ai erst nach Vorabprüfung, Ablehnung je Regel. Pro Modell Wechsel zwischen OpenAI Chat Completions, OpenAI Responses und Anthropic Messages mit automatischer Neugruppierung der Routen. Optimize-Schaltfläche im Composer und Einstellungsbereich schreiben den Eingabetext mit dem gewählten Modell um.

Anime-Begleiter für Windows: zeigt DeepSeek-Guthaben und Codex-Kontingente, mit Codex-Multi-Account-OAuth, Kontingent-/Modellverwaltung je Konto, Kompaktmodus und automatisch gespeicherten Einstellungen. Kontowechsel im Panel ist optional. Tägliches Warm-up benötigt eine separate ausdrückliche Freigabe. Multi-Account-startup/5h-full-Auslöser sind noch nicht verfügbar.

Ein DSH-Modell kann über eine installierte Codex-Computer-Use-Laufzeit Windows-Anwendungen untersuchen und bedienen. Die App-Freigabe gilt jeweils pro Sitzung.

Multi-Engine-Websuche für DeepSeek Harness: aggregierter ctx.web-Anbieter mit automatischem Routing und sequenziellem Fallback (kostenlose Engines halten die Suche aktiv) plus web_search_pro mit Enginewahl pro Abfrage, Fan-out, Stapeln und Vertikalen. Brave wird unterstützt.

Text aus einer Antwort auswählen und als unteilbaren Referenzchip in den Composer übernehmen: Mit einem Tastendruck wird der ganze Chip gelöscht; ein Klick springt zum zitierten Zug und hebt ihn hervor. Beim Senden wird er zu einem begrenzten Referenzblock, damit das Modell Zitat und Nutzereingabe unterscheiden kann. Das Snippet lässt sich auch im Seitenchat öffnen oder kopieren.

Fork von zhu1090093659/dsh-pet (Apache-2.0) mit Begleitfiguren pro Unterhaltung: whale-girl-, MIKU- und Business-Blauwal-Skins, modellbezogene Farben, Tokenraten-Animation, Abschluss-Erinnerungen sowie gemeinsames Füttern und gemeinsame Zuneigung.

Kapselt die Python-Bibliothek Scrapling in bis zu 19 Modell-Tools, die nach geprüften Fähigkeiten registriert werden: echtes Browser-Rendering für reine JS-Seiten, CSS/XPath-Extraktion mit Daten statt Markdown, selbstheilende Selektoren, wiederverwendbare Login-Sitzungen, XHR-Erfassung, Seitenscreenshots, freigegebene Browseraktionen und ein domänengebundener Crawler mit content/sitemap/feed/Shopify-Modi im offiziellen Job-Backend. Kann auch web_fetch / web_search ersetzen und dieselbe Toolliste per MCP anbieten. Python 3.14+ und installiertes Scrapling erforderlich. Browser-Tools benötigen Chromium für patchright; eine optionale CLI installiert es nur auf macOS arm64.

Englischsprachiger Fork von dsh-model-router. Verteilt jeden Agentenschritt auf einen konfigurierbaren Modellpool und passt den Reasoning-Aufwand an Aufgabenkomplexität, Toolfehler und Kosten an.

Steuert eine DSH-Instanz von einem anderen Gerät aus: Ein Host-Plugin öffnet einen tokenauthentifizierten TCP-Port; eine einzelne Python-CLI kann Sitzungen auflisten/anlegen, Prompts mit Bildern senden, Antworten streamen und Modelle, Berechtigungen sowie Workspaces wechseln.

Alibaba Open Code Review für DSH: Delegation an das Host-Modell mit nativen Vorschau-/Regel-Tools und Review-Skill; OCR-verwaltete Reviews sind optional.

Musikkomposition im Gespräch: Das Modell schreibt eine Partitur nach einer enthaltenen Kompositions-Skill. Das Tool `play_score` rendert sie als Inline-Karte mit Piano-Roll, Web-Audio-Wiedergabe und WAV/JSON-Export.

Registriert externe Datenbanken und Dokumentkorpora als modellaufrufbare Tools. Mit Zugriffsschranke pro Quelle, Credential-Referenzledger ohne gespeicherte Werte und Fetch-Ledger mit Fingerprints und Inhalts-Hashes statt Payloads.

Zeigt in der Weboberfläche DeepSeek-API-Spitzen-/Nebenzeiten, den Ausgabepreis des aktuellen Modells und das Kontoguthaben.

Zeigt das verbundene COROS-Uhrenmodell und kumulierte Aktivitätstage in der Weboberfläche; beim Klick erscheinen einzeilige Einschätzung und Vorschlag.

Drei-Fenster-Workbench für dsh web: Chat, Konstruktion und schreibgeschützte Prüfung je Workspace nebeneinander, mit Hooks pro Fenster. Anonyme Mehrmodellprüfung fragt vor dem Start, gruppiert Befunde nach Problem und berichtet in Markdown.

MCP-Server pro Projekt: Deklaration in Projektdokumenten (Standard `.dsh/mcp.json`; lokale/globale Dateiliste in Settings), Mount nur für Sitzungen dieses Projekts ab dem ersten Turn, Freigabe bei Inaktivität. Seitenleiste/Settings zeigen aktive Projekte, Serverstatus und mountende Sitzung; mit `Sync`/`Retry`/`Release`, `enabled` und Bearbeitung eines vorhandenen Eintrags. Projekt-Toolrichtlinie (`disclosure`/`direct`/`off`), Pins und `mcp_search_tools` bestimmen die Modellansicht. `${VAR}` kommt aus Projekt-`.env` und Credential-Datei; Aufrufzähler je Server überleben Sitzungen.

TRAE-ähnlicher Gesprächs-Rollback, neu für DSH 0.1.7-rc.2: Turn-Checkpoints stellen geänderte Dateien wieder her und kürzen den Modellkontext unter derselben session id direkt. /rollback doctor prüft den framework-contract; die Diff-Vorschau betroffener Dateien basiert auf dem aktuellen Plattenstand und bleibt so nach Neustarts korrekt. Mit Ein-Klick-Rücknahme der letzten Aktion per Ctrl+Shift+Z, Einstellung zum Ausblenden zurückgerollter Nachrichten und englischer UI.

Fügt DeepSeek Harness in einer Installation Turn-Steuerungen wie in Google AI Studio hinzu: Prompt bearbeiten und erneut ausführen, Antwort an Ort und Stelle wiederholen, Zug aus dem Modellkontext löschen und gesendete Prompts als Markdown darstellen. Eigenständig; die Pluginliste zeigt nur diese eine Zeile.