Plugins

Regelbasierte automatische Genehmigung für Sandbox-Eskalationen in DeepSeek Harness, mit optionalem LLM-Prüfer und nativem menschlichem Fallback.

Exportiert den Sitzungs-Event-Stream als bereinigte, gepufferte Traces und Metriken an OpenTelemetry OTLP und Langfuse, standardmäßig deaktiviert.

Einheitliches verankertes Agenten-Preset für DeepSeek V4 Pro/Flash über die offizielle API und opencode-go: minimal-exakter Zwei-Tool-Bootstrap für die erste Anfrage, modellbewusste Pro/Flash-Pfade und epochenbewusste Katalogverwaltung für die Stabilität langer Sitzungen.

Bessere Streaming-Text-Animation für DeepSeek Harness.

Datei-Explorer-Plugin für DeepSeek Harness: Dateibaum, Vorschau, Markdown, Syntax-Highlighting, Bearbeitung im Panel und VS-Code-Integration — globaler Datei-Explorer für DeepSeek Harness.

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`.

Plugin-Koordinationsschicht: Plugins deklarieren ihre Fähigkeiten, Befehle werden ohne Model-Aufruf an das zuständige Plugin geroutet, Tool-Schemas werden bei Bedarf geladen, um Prompt-Tokens zu sparen, die Run-Historie verdichtet sich im Leerlauf zu Langzeitgedächtnis, und Fehler werden vor jedem Retry klassifiziert.

DeepSeek Harness (DSH) Cross-Session-Gedächtnis-Plugin: Markdown-Projektgedächtnis, bei dem das Dialogmodell während der Arbeit mitprotokolliert; unterstützt progressive Offenlegung thematischer Dateien, optionale stille Hintergrund-Destillation, projektweise Isolierung und ein per Hot-Update aktualisiertes Einstellungsfenster. Der Mechanismus ist an Claude Code auto memory angelehnt. | Vom Agenten gepflegtes Markdown-Gedächtnis über Sitzungen hinweg: Themen-Dateien mit progressiver Offenlegung, optionale stille Destillation, Isolierung pro Projekt. An Claude Code angelehnt.

DSH-native Integrationsschicht für die Minta-Speicher-Engine: setzt die offizielle dsh-mcp-client-Zeile zusammen, registriert die Skill minta-memory-governance sowie ein Speicher-Prewarm zu Sitzungsbeginn und liefert ein Minta-Agent-Preset mit; erfordert die separat bereitgestellte Minta-Engine (Python/Docker), die die 19 MCP-Tools bereitstellt — ohne diese nicht verwendbar.

Computer-Nutzung über ein externes USB-HID-Gerät: Benennen Sie ein Ziel in natürlicher Sprache, ein Vision-Modell lokalisiert es in einem zugeschnittenen Fensterscreenshot, und ein Raspberry Pi Pico 2 bewegt die echte Maus und tippt auf der echten Tastatur. 7 Tools. Windows bietet Fensterauflistung, pro Fenster zugeschnittene Ausschnitte und automatisches Fensteranheben; macOS benötigt pyobjc und bietet nichts davon; Linux wird nicht unterstützt.

DeepSeek Harness-Adapter für Koma Miko Agent Specs.

AI-for-Science-Forschungs-Workflow-Skill für DeepSeek Harness, für Forscher und Doktoranden mit agentenbasierter KI: mehrwinklige Literaturrecherche mit Dateien pro Winkel, Experimentdesign mit Caveat-Liste, Abbildungen und Paper-Lesen; jeder Job gibt Dateien sowie ein Cross-Verification-Briefing für ein zweites Modell zurück. Null Abhängigkeiten, MIT.

Inhaltsbewusster Tool-Ergebnis-Reducer: 13 Reducer kürzen übermäßige Ausgaben nach Bedeutung in tools/post-execute (fehlgeschlagene Tests bleiben erhalten, Diff-Kontext wird entfernt, JSON und CSV werden gesampelt, Lint-Probleme werden nach Regel gruppiert, Dependency-Stack-Frames werden eingeklappt und überfüllte Verzeichnisse werden gezählt), wobei vollständige Originale über einen Lokator auf die Festplatte ausgelagert werden.

LLM-gestützte Auto-Genehmigung mit Countdown-Fallback für das Auto-Berechtigungs-Preset: statische Regeln, Risikostufen, Breaker und Datei-Audit.

Reparaturschicht für Tool-Ausgaben für DeepSeek Harness — JSON-Schema-Durchsetzung, Parameterzuordnung und JSON-Reparatur für Tool-Aufrufe.

DeepSeek-Harness-(DSH)-Cordis-Plugin, das aflare-Workflow-Tools bereitstellt

Nutzungsstufen und teilbare Statistik-Karten: 🐟→🐳 Rangfolge nach monatlichem Token-Verbrauch mit lokal berechnetem geschätztem Perzentil, präzise Preise für 46 Modelle von 6 Anbietern (einschließlich größenbasierter chinesischer Preise), Nachfüllung von Vorinstallations-Sitzungen und Alt-vs.-Neu-Vergleich über die Tarifänderung vom 2026-08-17. Nur lokal, keine Telemetrie.

Rollenbasiertes Multi-Agent-Team für DeepSeek Harness. /team versammelt bis zu 12 Subagenten (Produkt, Architekt, Recherche, UI, Backend, Frontend, DB, Security, Reviewer, QA, DevOps, Docs) und führt einen Pipeline mit 9 Phasen und Gates aus (klären, recherchieren, entwerfen, Spec-Review, Plan-Freigabe, umsetzen, Review, Test, Ausliefern) über gemeinsame Artefakte. Qualitäts-Gates erzwingt der Code, nicht der Prompt: eine unfertige Aufgabe lässt sich nicht als abgeschlossen markieren, Befunde entscheidet die Reviewer- oder QA-Rolle, und Abdeckungslücken oder Rework erscheinen live im Overlay und in /team status. Enthält ein Live-Overlay (Phasen, Roster, Task-DAG, Artefakte, Entscheidungen), einen persistenten Team-Modus und Token-/Zeitabrechnung. Keine Laufzeitabhängigkeiten, kein Build.

Drei Zhihu-Werkzeuge für DSH — siteinterne Suche, Zhihus globaler Webindex mit Domänen- und Datumsfiltern sowie Zhida-Antworten — mit nativer Einstellungskarte und quellenzitierten Ergebnissen.

Echte Maus und Tastatur für einen DeepSeek Harness-Agenten: in Worten beschreiben, was angeklickt werden soll, ein Vision-Modell findet es, ein USB-HID-Gerät klickt darauf.

Nutzungsbudgets und Kostenobergrenzen pro Plugin im llm/stream-Wasserfall: Nutzungsabrechnung pro Modell, Sitzungs- und Monatsbudgets mit Warn-/Blockier-Übergängen, Latenzfenster und eine Schätzung des CO2-Fußabdrucks.

Lokale Dokumentenintelligenz für PDF, Office, Bilder und OCR für DeepSeek Harness.

GitHub Copilot LLM-Adapter: OAuth-Device-Flow-Anmeldung, Live-Modellentdeckung über die Copilot-API, Vision-Unterstützung für bildfähige Modelle (gpt-4.1, gpt-4o) und zwei Wire-Protokolle (Chat Completions und Responses API) mit automatischem Endpoint-Routing pro Modell.

Fügt dem DSH-Webclient ein Mehrbenutzer-Einstellungsfeld hinzu: Auswahl des Nutzungsmodus, Mitgliederverwaltung mit Online-Status und Gerätebindung sowie Wechsel oder gemeinsame Nutzung der Speicher- und Wissensbasen pro Mitglied.