Plugins

IDEA-artige Git-Werkbank für die Web-UI: Commit-Graph mit Lanes und Ref-Labels, Logfilter, Commitdetails, Split- und Unified-Diffs mit Staging je Hunk, präziser Null-Kontext-Modus, lokale Änderungen mit Amend/Sign-off, Datei-Verlauf mit Umbenennungsverfolgung, zeilenweises Annotieren, Stash, Branches, Vergleiche, Tags, interaktiver Rebase-Planer und Konfliktlösung. Vermerkt das Modell der laufenden Sitzung als Assisted-by-Trailer und zeigt bestehende Trailer als Chips, damit KI-erstellte Historie nachvollziehbar bleibt.

Prüft ein Sicherheitsqualifikationsregister der Baustelle auf Schulungsstunden, die vier erforderlichen Aufzeichnungselemente und die Gültigkeit von Spezialarbeitszertifikaten im Abgleich mit den Arbeitstagen.

Dreischichtiges Gedächtnis für DeepSeek Harness: ein kleiner, stets aktiver Kernblock plus Themendateien bei Bedarf (profile, preferences, decisions, lessons). Schreibvorgänge erhalten Quellenhinweise und ersetzen statt zu überschreiben, damit Präferenzen und Projektvorgaben zwischen Sitzungen stabil bleiben. Lokal zuerst: keine Vektordatenbank, kein Server, keine ausgehenden Aufrufe.

Bewertet den Schwierigkeitsgrad der aktuellen Nachricht und zeigt vor dem Senden über dem Composer das günstigste passende Modell samt Reasoning-Stärke.

Datenquellenbaum und SQL-/Redis-Konsolen im Stil von JetBrains Database für DeepSeek Harness mit 15 Agent-Tools. SQL benötigt Java 8+, Redis nicht.

Gehirnförmiger Beziehungsgraph-Viewer für DeepSeek Harness mit einer Markdown-Wissensdatenbank-Pipeline zum Importieren von Dokumenten und Erstellen des Graphen. Der Viewer enthält Demodaten und benötigt kein Python. Für einen Neuaufbau aus eigenen Notizen sind Node.js 20+ und Python 3.8+ erforderlich; der Lauf erfolgt über die Kommandozeile.

Chinesischer Multi-Agent-Debattensimulator: acht Debattierende, Live-Diskussion in zwei Spalten mit Entwurfsnotizen, Jury/Scoreboard, Einzel-Seiten-Uhren und ZIP je Runde. Trainingsseite mit Endbedingung Siegesraten-Schwelle oder fester Rundenzahl. Word-Vorbereitungspaket.

Klartext-Dashboard für die dsh-trust-Familie: bündelt neun Kanäle (Injection-Abwehr, Schreibverweigerung, Egress-Block, Custody-Chain-Prüfung, Tool-Surface-/Prompt-Drift, Restsuche, vergessene Compaction-Vorgaben, Profilkomposition) als Statusanzeige und umsetzbare Eventkarten. Read-/Egress-Engines nutzen eigene npm-Dependencies und laufen ohne Geschwister-Plugins; fehlende zeigen not installed.

Compaction-Integrität: Vergleicht aus dem kompaktierten Bereich extrahierte Direktiven (never/must/必须-Marker) wörtlich oder anhand der Inhaltswort-Abdeckung mit der Zusammenfassung. Meldet vergessene Vorgaben im JSONL-Ledger; in Config fixierte Vorgaben werden bei jeder Compaction geprüft.

Lokales TensorBoard-Skalar-Dashboard mit wählbaren Metriken, expliziter Verbesserungsrichtung, optionaler EMA-Glättung und chinesischer/englischer UI. Python-Umgebung und TensorBoard müssen vorhanden sein.

GPT-SoVITS-Sprachausgabe für DSH: speak-Tool und /voice-Befehl, Vorlese-Lautsprecherschaltfläche unter jeder Antwort und Einstellungs-Tab zum Wechseln der Stimmen, Anpassen der Synthese, Verwalten des lokalen Dienstes und Installieren eines Voice-Packs mit einem Klick. Nur Windows; benötigt einen lokalen GPT-SoVITS-Checkout mit trainierten Gewichten und Python-Umgebung.

Strukturierte Bilderkennung: Lokale sharp-Messungen und ein Cloud-Vision-Modell liefern in einem Aufruf Beschreibung, OCR mit Koordinaten, Objektpositionen und detaillierte Attribute. Ein Fingerprint-Cache liefert wiederholte Bilder in Millisekunden ohne Modellkontingent zu verbrauchen.

Verankert die Vorgabe, auf Chinesisch (zh-CN) zu denken und zu antworten, im System-Prompt und registriert je Schritt eine Runtime-Erinnerung, damit der Agent nach Tool-Ausgaben nicht ins Englische zurückfällt. Eine Datei, keine Runtime-Abhängigkeiten. Bei Änderung der Host-API greift ein zweiter Registrierungsweg; es wird nur eine Warnung protokolliert.

Erstellt aus einem Minecraft-Java-Spielstand ein Blender-Cover oder eine Animation. Sucht in .mca-Regionsdateien ebenes offenes Gelände, exportiert das Terrain als OBJ und steuert Blender headless mit MCprep-Materialien, BPS-Charakter-Rig und Dreipunktbeleuchtung. Nach jedem Render prüft OpenCV Ausrichtung, Bodenkontakt, Belichtung, Licht und Komposition; bei Fehlern wird mit angepassten Parametern neu gerendert. Erfordert Blender 4.2 LTS oder neuer und Python 3.10+ mit opencv-python und numpy; beim ersten Lauf richtet der enthaltene Befehl Minecraft-Assets ein.

Macht philosophisches Denken ausführbar: Dialektik und Praxisprüfung steuern Halluzinationen und Langzeitdrift, sodass „fertig“ eine überprüfbare Tatsache statt einer Behauptung ist.

Steuerung der Gowin-(高云)-1.9-FPGA-Toolchain für dsh mit 15 Tools: Umgebungs-/Lizenzprüfung, .gprj/.cst-Audit anhand realer GW1N-Pinbelegung, gw_sh-Batch-Synthese und Place-and-Route, PnR-Berichte, JTAG/Flash mit programmer_cli, beliebiges gw_sh-Tcl und GAO-Logikanalysatoraufnahme. Enthält gowin-fpga-Skill und drei Praxisnotizen. Reines JS, keine Laufzeitabhängigkeiten.

Schwebendes Panel, das die von der aktuellen Antwort berührten HowNet-Semantikprimitive als gehirnförmigen Knotengraphen, EEG-ähnliche Kanalspuren und Kompositionskarte aufleuchten lässt.

Zwei Spiele in DeepSeek Harness, bei denen das Modell die Absicht liefert und eine lokale Engine die Regeln verwaltet: eine Doppelschlangen-Variante mit regelmäßigen Strategiekarten sowie chinesisches Schach, bei dem das Modell nur einen aus lokal erzeugten legalen Zügen gewählten Zug kommentiert. Beide laufen auch bei langsamem, offline befindlichem oder quotaerschöpftem Modell weiter.

Installiert eine sich selbst weiterentwickelnde Bibliothek für Entwicklungsregeln, stellt sie dem Agenten über ein constraints-Tool und eine Erinnerung pro Sitzung bereit und prüft KI-Tokenkosten sowie Kontextnutzung.

Selbstverbesserungsschleife mit drei Rollen: Data-RSI tägliche Querschnittsbereinigung (winsorize→Standardisierung→Medianfüllung) plus Erfahrungsgewinn; Harness-RSI entwickelt Prompt/Memory/Skills; Model-RSI entwickelt Alpha-Training-Rezepte per framework-nativem Walk-forward mit 2-Tage-Lücke und Multi-Seed. Offline-Ein-Befehl, GPU-Erkennung, ein Skill.

Färbt DSH-Sitzungszeilen in der Seitenleiste nach dem offiziellen Status im Evangelion-Farbschema: blaue Leiste bei ausstehender Interaktion, rot für die im Hauptbereich geöffnete Sitzung, lila für erledigt aber ungesehen und ein statischer Regenbogentitel für angeheftete Zeilen. Farben sind modusabhängig: Dunkel behält kräftige Töne, Hell nutzt eine dunklere Variante mit 4,5:1-Kontrast zum hellen Hintergrund. Liest DSHs eigenen Dark-Marker und verwendet nur offizielle Client-Services; besitzt keinen Zustand, pollt nie und enthält keine Host-Komponente.

Verwaltet dauerhafte Informationen und Projektvorgaben des Agenten: Projektausrichtung/-umfang, Lebenszyklus von Informationen/Dokumenten und dauerhafte Workspace-Änderungen, per zusätzlichem System-Prompt-Abschnitt und deterministischen Laufzeitprüfungen.

Zeigt das OpenCode-Go-Kontingent unter der Workspace-Liste am Fuß der Seitenleiste. Eine Zelle zeigt das knappste Zeitfenster; beim Überfahren erscheinen gleitende 5-Stunden-, Wochen- und Monatswerte mit Nutzungsbalken, Zeitmarker, Restanteil und Reset-Countdown. Aktualisierung alle 60 Sekunden über die offizielle OpenCode-Usage-API mit dem bereits im DSH-Zugangsdatenstore vorhandenen Schlüssel.

Verbessert die Lesbarkeit der DSH-Weboberfläche passend zum Hintergrund: Hebt drei kontrastarme Sekundärtext-Tokens mit `color-mix` und einstellbarem Textsaum an. Nur auf Gesprächs-Markdown wirken Regeln für Fetttext, dauerhaft unterstrichene oder umgefärbte Links sowie getönte Überschriften und Fließtext. Einstellbare Regenbogenränder und Farbverläufe, eigene Schriftarten aus Pluginordner oder DSH-Home sowie verschiebbare WYSIWYG-Vorschau mit WCAG-Kontrastbadge.