Plugins

Adaptive Modellerkennung, -bewertung, -einstufung und Subagent-Routing für DeepSeek Harness.

Dual-Modell-Auto-Routing-Plugin: kostengünstig direkt / teures Upgrade mit einem geschlossenen Escape-Learning-Kreis (falsche direkte Antworten lernen automatisch Fingerabdrücke, wodurch derselbe Fingerabdruck beim nächsten Mal zwangsweise hochgestuft wird), persistent und interoperabel mit dem Python ModelRouter.

Natives DeepSeek Harness-Plugin für IsingQ: geführte QUBO-Modellierung und -Validierung auf dem Gerät, anschließend benutzerbestätigte Remote-Lösung.

AI-Kollaborationspostfach in DeepSeek Harness für Nachrichten, Aufgabenübergaben und Zustellbestätigungen. Ein Paket enthält MCP-Integration und Mailbox-UI. Version 0.2.2 benötigt DSH 0.2.0-rc.2 und separat installierten Agent-Mail-1.0.0-alpha.7-Provider. Kein automatisches Aufwecken des Modells, kein dauerhafter Online-Status.

Nach Anbieter gefalteter Modellselektor für den DSH-Web-Composer mit kataloggesteuerten Auswahlmöglichkeiten für den Reasoning-Aufwand.

LLM-Genehmigungsbeantworter für Sandbox-Eskalationen über workspace-write hinaus: zuerst ein deterministischer Regex-Filter, dann ein Reviewer-Modell mit sauberem Kontext; Menschen werden nur gefragt, wenn es unsicher ist. Erfordert die mitgelieferten Core-Patches.

Benannte Benutzer-Anmeldedaten, die das Modell per Referenz verwendet: Werte werden auf einer Seite Einstellungen → Anmeldedaten eingegeben und bei jeder Shell-Ausführung als DSH_CM_* Variablen injiziert, statt in das Transkript geschrieben zu werden, wobei credential_read der dokumentierte letzte Ausweg ist.

DeepSeek Harness-Plugin für NI Multisim: Schaltungsgenerierung, Simulation, Optimierung und Laborberichte über MCP

Fügt einen modellbewussten Schieberegler für den Reasoning-Aufwand hinzu, mit nativen und animierten Modi, hellen und dunklen Paletten und Farben pro Modell.

Einzelmodell-Deaktivierungsgate: verbirgt verweigerte Modelle aus DSH-Katalogen, blockiert direkten Versand mit einem protokollinternen Fehler-Chunk und bietet eine Einstellungs-UI für die Denylist.

DeepSeek-Nutzungspanel für die DSH-Web-GUI: Kontostand (offizielle /user/balance-API) plus lokale Token-Statistiken pro Modell und Sitzung

Feishu/Lark-Kanal, der DeepSeek Harness-Agenten aus Chats heraus steuert: Streaming-Rich-Cards mit Live-Denkprozess und Tool-Schritten, Kostenmessung pro Zug zu DeepSeek-Peak-/Off-Peak-Tarifen, Genehmigungskarten mit einem Tipp, modellgesteuerte Bildannahme und QR-Onboarding ohne öffentlichen Endpunkt.

Stellt das dynamische Cordis-Toolset von DSH Claude Code über MCP bereit (streamable HTTP auf dem vorhandenen Web-Port, kein neuer Listener): zehn Tools zum Auflisten, Inspizieren, Definieren, Ausführen, Stoppen und dauerhaften Entfernen dynamischer Plugins in einer laufenden DSH-Sitzung, mit demselben Genehmigungsablauf, den die GUI für Pakete mit Client-Hälfte verwendet. Bearer-Authentifizierung ist obligatorisch — das Token wird auf einer DSH-Einstellungsseite konfiguriert, der Endpunkt antwortet mit 503 statt ohne Token zu bedienen, akzeptiert nur Loopback und gibt niemals CORS-Header aus.

DeepSeek Harness Vision-Plugin: 8 Analysemodi (Beschreiben, OCR, Diagrammdaten, UI-Review, Objekterkennung, Vergleichen, Code-Generierung, Debuggen), jede OpenAI- oder Anthropic-kompatible Vision-API, mit einem integrierten kostenlosen Vision-Modell und automatischem Rate-Limit-Failover.

Übersetzt sichtbare chinesische UI und Inhalte in DeepSeek Harness Web mithilfe eines browserlokalen OPUS-MT-Modells für Sitzungstitel, Workspace-Namen, Nachrichten, Suchergebnisse und freigegebene Plugin-Texte, während die Remote-Übersetzung auf allowlistete UI-Labels beschränkt bleibt.

Ein DeepSeek-Harness-Plugin (Dual-Face-Host + Browser) zur Überwachung deines DeepSeek-Konto-Guthabens und zur Schätzung tokenbasierter Kosten, mit online konfigurierten Preisen pro Modell × Haupt-/Nebenverkehrszeit. Alles lebt in einem einheitlichen Modal (geöffnet über die Balance-Schaltfläche in der Sidebar-Footer); eine Sitzungs-Header-Schaltfläche zeigt ein Live-„Sitzung ≈xx CNY“. UI-Texte sind zweisprachig (Chinesisch / Englisch, entsprechend der Host-UI-Sprache).

DeepSeek-Harness-Bridge-Plugin: Stellt die neuesten Zhipu/Z.AI-Coding-Plan-Modelle (z. B. glm-5.3) auf der Route zai-coding-cn bereit, bevor der mitgelieferte pi-ai-Katalog nachzieht.

Verbindet eine Standard-DeepSeek-Harness-Installation mit DSH Cloud: Geräte-Login plus 20-Modell-Gateway-Anbieter. Kommerzieller gehosteter Service von AgentsDance AI – neue Konten erhalten 500 Gratis-Credits.

DeepSeek-Harness- (dsh-) Plugin für @tabilo/ai-code-review: registriert das ai_code_review-Tool (review | context), das die Node.js-Engine wiederverwendet, um Diffs zu sammeln, Tests/Coverage auszuführen, Impact-Analyse durchzuführen und Pack-Skills dem Modell zuzuführen.

Das task-center-Plugin-Set für DeepSeek Harness in einem Paket: Aufgaben-Ledger, Modell-Tools, menschliche Befehle, Wach-Patrouille, Kontingent-Resume-Wächter, Idle-Session-Mining, der Reaper, geplante Sendungen und das Web-Kanban.

Free-Tier-Modell-Routing für DeepSeek Harness (dsh) – entdecke OpenRouter-Free-Modelle, wende das beste Free-Modell als Agent-Default an, rotiere automatisch bei Rate-Limits; kostenpflichtige Konfiguration bleibt unangetastet, sofern nicht angefordert.

LLM-Debug-Konsole für DeepSeek Harness: erfasst den vollständigen Inhalt jedes Modellaufrufs am llm/stream-Waterfall (Optionen, Stream-Chunks, Usage, Wire-Protokoll) und zeigt ihn in einem DevTools-artigen angedockten Panel an, mit Shared-Prefix-Kontext-Diffing, Wire-JSON-Rekonstruktion, JSON-Export und einer zur Laufzeit abstimmbaren Capture-Policy.

Bildschirmaufnahme und externe Bilderkennung: take_screenshot-, list_windows-, analyze_image- und view_image-Tools mit konfigurierbarem GPT-Vision-Kanal (gpt-5.5 / gpt-5.6-sol / gpt-5.6-terra), API-Schlüssel über den Credentials-Service und eine Einstellungs-Karte; view_image zeigt den Screenshot in der Weboberfläche, während der Modellkontext nur Text enthält.

Eine durchsuchbare, sortierbare Modellauswahl für die DeepSeek-Harness-Weboberfläche – Anbietergruppen, Favoriten, models.dev-Preise, Kontextfenster, Live-Tokenkosten pro Aufgabe und ein Lokalmodell-Filter. Installation mit einem Befehl: dsh plugin add dsh-model-garden.