Plugins

Plugin-Store für die DSH Web UI: Katalog durchsuchen, suchen, Ein-Klick-Installation, Kompatibilitäts-Badges und Liste installierter Plugins.

Organkern von Agent-Body: Plugins als ein einziger Körper. Jeder Befehl wird ein Nervenimpuls, der deterministisch das zuständige Organ innerviert und die Fähigkeit benennt; ein Herzschlag mit variablem Intervall pumpt Betreiber-Direktiven, Propriozeption und Homöostase-Warnungen systemweit; Reflexbögen feuern ohne Modellaufruf; Fehler folgen einer deterministischen Zuordnung (Tool, Argumente, Berechtigung, Timeout, Netz), einem Rezept und einer Nachprüfschleife, Argumentfehler werden nie automatisch wiederholt. Ein fehlendes Organ kompensiert das mit der größten Fähigkeitsüberschneidung, und Tool-Schemata werden nach der aktuellen Absicht gefiltert (gemessene Reduktion 84,7 %, im Repo reproduzierbar). Dies ist das Kern-Plugin-Paket im agent-body-Repository.

Das Gedächtnisorgan von Agent-Body: Nach 2 Minuten Stille geht es in leichten Schlaf, nach 5 Minuten in Tiefschlaf, wo deterministische Regeln echte Erfahrung zu Gedächtniskarten destillieren (Fallstricke, Playbooks, Hotspots, ungelöste Probleme, Fakten). Eingehende Befehle rufen verwandte Karten per Schlüsselwort ab und injizieren sie in den Kontext; lange ungenutzte Karten verfallen mit einer Halbwertszeit und werden archiviert statt gelöscht. Außerdem entrauscht es körperweite Homöostase-Warnungen: Wiederholungen innerhalb eines Fensters werden gezählt statt erneut ausgegeben, und eine Warnung, die immer wiederkehrt, ohne je zu heilen, konvergiert zu einem bekannten Steady-State-Offset und verstummt. Konsolidierung und Abruf machen keine Modellaufrufe.

Portiert vom ARS-Claude-Code-Plugin (44k+ Sterne auf GitHub): akademische Research-Skills für DeepSeek Harness — ein Deep-Research-Agent-Team, eine Paper-Writing-Pipeline, ein Multi-Perspektiven-Peer-Review-Panel und ein End-to-End-Orchestrator, plus sechzehn /ars-*-Befehle.

Ein in sich geschlossenes zweites Gehirn für DeepSeek Harness — erfasst dauerhaftes Dialogwissen automatisch in einem lokalen Markdown-Tresor (benutzerdefinierte Deduplizierung, CJK-Suche, git-freundlich), mit einer grafischen Wissensdatenbank und einem interaktiven Wissensgraphen (Legendenfilter, Zeitachsen-Färbung, Box-Auswahl, Zusammenführen, Löschen, PNG-Export/-Import).

Community-Plugin-Marketplace für DeepSeek Harness nach offizieller Plugin-Spezifikation: Durchsuchen, suchen und installieren Sie über 4000 handverlesene Community-Plugins ohne die App zu verlassen, mit täglichen Updates.

Steuert das wissenschaftliche Plotten mit OriginLab Origin aus dem KI-Chat über MCP: 62 Tools. Watchdog für modale Dialoge, LabTalk-Sicherheitsschleuse, release/reconnect, Fits mit anfänglichen/festen/gewichteten Parametern, feingranulare Plot- und Sheet-Bearbeitungen, Matrix-Tools, deklaratives FigureSpec-YAML (diffbar und replaybar), schreibgeschützter MCP-Ressourcen-Snapshot, matplotlib-figure-Bridge, PowerPoint-Assembly mit Panelbeschriftungen, Suche in der Graph-Gallery-Vorlagen, EPS-Export, Dateizugriffs-Whitelist, visuelle Regressionsbaseline und editierbares OPJU-Ergebnis mit deterministischer Rücklese-Verifikation.

Zotero-Bibliotheks-Tools über die lokale API (kein API-Schlüssel): Elemente/Sammlungen suchen, Metadaten und Abstracts lesen, Anhänge auflisten, Volltext lesen (parst PDFs spontan bei Zotero-Cache-Miss), PDFs herunterladen und Notizen verwalten.

Wandelt lokale Markdown- und Textdokumente in eine abfragbare Wissensdatenbank mit hybrider semantischer und Stichwortsuche, Zitatverifizierung und Quelleninjektion um.

Persistentes KI-Gedächtnis, gestützt auf einen lokalen Obsidian/Codex-Tresor: fünf obsidian_memory_*-Lese-/Schreib-/Suchtools plus ein Tresor-Browser in der Seitenleiste.

Lokale Literatur-Wissensdatenbank-RAG: 10 Tools (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), hybride BM25+Vector+Reranker-Suche, belegte Fragen-Antworten mit anklickbaren DOI-Links, vollständig lokale bge-Embeddings über einen Single-File-SQLite-Index. Benötigt Python 3.9+ mit pymupdf, faiss-cpu und sentence-transformers; der Installer `npx dsh-kb-rag-install` richtet diese ein und lädt das Modell vorab herunter.

DeepResearch-Plugin (cordis).

Ordne deine Modelle und Token-Budgets jeder Rolle zu und lass dann DSH spezialisierte Subagents nach Aufgabentyp delegieren. Deckt Architektur-Analyse, UI/UX, Implementierung, Codebasis-Erkundung und Dokumentationsrecherche ab, mit automatischem Setup sowie Reasoning-Aufwand und Tool-Berechtigungen pro Rolle.

Bearbeitungserlebnis im VSCode-Stil für DeepSeek Harness: ein Monaco-basierter zentraler Datei-Editor (Tabs, Schnellöffnen mit Ctrl+P, Statusleiste) und interaktive Diff-Prüfung der Bearbeitungs-/Schreibergebnisse des Agenten mit Keep/Undo pro Änderung, Rollback und Archivierung, über Neustarts hinweg erhalten.

Nutzt ein ChatGPT/Codex-Abonnement in DeepSeek Harness mit GPT-Modellen, Bildgenerierung, Websuche, Abo-Kontingentberichten, Modell- und Funktionssteuerung sowie OAuth-Anmeldung per Browser oder Gerätecode.

Ersetzt den Standard-Kanal für Websuche und Abruf durch acht kostenlose Suchmaschinen, darunter Tavily, Exa und Brave, die in einer konfigurierbaren Fallback-Reihenfolge durchprobiert werden. Schlüssel werden in einer Einstellungskarte eingegeben, die auch das web_fetch-Tool umschaltet.

Toolbox für die Embedded-C/C++-Firmware-Entwicklung: Agents und Skills zu FreeRTOS, Interrupts, NVM-Speicher, Keil MDK, ARMCLANG, HardFault-Triage, Zustandsmaschinen, Architektur und LVGL-Patterns.

Die vollständigste GitHub-Integration für dsh: Repo-Übersicht, Releases, Issues, Pull Requests, Mitwirkende, Suche und ein Tiefenreport des Repos mit TTL-Caching — kein API-Schlüssel erforderlich.

Expert-Preset für DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): Chefkoordinator + 17 Domänen-Subagenten mit Auto-Delegation. Funktionen: Taskboard (Zustände pending/ready/running/done/failed, DAG, atomare Beanspruchung, Retry, Wiederherstellung), Quality Gates (5-stufige Pipeline: Anforderungen, Implementierung, Verifikation, Prüfung, Integration; 2 Überarbeitungen), Five-Anchor (Prüfung/Konvergenz/Anti-Drift/Zusammenarbeit/Ressourcen), Near-distance (Vorlage Identität/Aufgabe/Ausgabe), progressive Offenlegung (~28 % Token-Einsparung), Persistenz, P2P-Bus, Kreuzprüfung, Erfahrungspool, Schnellweg, Auto-Retry. 17 Experten: Daten, Redaktion, Recht, PM, Frontend, UI/UX, Architekt, Social, Growth, Quant.-Finanzen, Backend, DevOps, DB, QA, Sicherheit.

Hierarchischer Arbeitsbereichsbaum für die DSH-Seitenleiste: Jeder Schrägstrich im Titel wird zu einem virtuellen Ordner (beliebig tief), der Verzeichnisfluss zum Hinzufügen eines Arbeitsbereichs erhält ein Übergeordneten-Popup, Umbenennungen leiten den Baum sofort neu ab, Sitzungen verschachteln sich nach derselben Regel mit eigener visueller Gestaltung, und jede Zeile bietet Rechtsklick-Aktionen plus Zeilen-Aussehen (Farbe, Text-Glow, Schriftstärke, Icon der primitives-Familie).

SearXNG-Such- und Crawl4AI-Abrufanbieter für DeepSeek Harness

Multi-Engine-Websuche, Seitenabruf, Echtzeit-X-(Twitter)-Suche mit anmeldungsfreiem Fallback, Deep Research und parallele Multi-Agenten-Recherche für DeepSeek Harness. Kostenlose Ebene: Bing / DuckDuckGo / Yahoo / Exa MCP (alle ohne Schlüssel, live geprüft); api la

Bridge zur ShiGuang Memory Engine (SGME): agentenübergreifendes gemeinsames Langzeitgedächtnis über HTTP — L0/L1/L1.5/L2-Destillation, szenariobasierte Injektion, einheitliche Suche und proaktive Care-Signale (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), installierbar als `dsh-sgme`.

Zhihu-Suche, Agenten-Tools, Wissensdatenbanken und Nutzungsverfolgung für DeepSeek Harness.