Plugins

Qwen-Token-Plan-CN-Provider für DeepSeek Harness über die OpenAI Responses API: Qwen-Servertools und lokale DSH-Function-Tools, mehrturniger Text-/Reasoning-/Toolaufruf-Verlauf, gespeicherte Bildanhänge und offizieller Modellkatalog-Snapshot pro Release.

Fügt am Ende jedes Agent-Turns Schaltflächen für Ergebnisdateien hinzu, die mit der Standard-App des Betriebssystems geöffnet werden, sowie eine schwebende Punktleiste zum Wechsel zwischen Gesprächs-Turns.

Fragen-Navigationsleiste für DSH Web GUI: eine Markierung je Frage am linken Chatrand, Hervorhebung der aktuellen Frage beim Scrollen, Q&A-Vorschau beim Darüberfahren und sanftes Scrollen der Frage an den oberen Ansichtsrand beim Klick. Lädt noch nicht gerenderte ältere Verlaufsseiten automatisch nach; ändert keinen dsh-Quellcode.

Agent-Preset, das eine einzeilige Idee in Anforderungen, Technikplan und Wartungsbasis umsetzt. Jeder Schritt wird erneut formuliert und vor dem Fortfahren von dir bestätigt. Keine Szenario-Presets: 73 atomare Skills (6 Master-Skills, ein Verify-Dispatcher, 66 Sub-Skills) werden kontextabhängig geladen.

Frage einen Sidebar-Assistenten zu ausgewähltem Assistant-Text: Ein temporäres rechtes Panel antwortet aus einem Snapshot des LLM-Verlaufs der Hauptunterhaltung, mit Streaming-Markdown, einklappbarem Thinking und mehrturnigen Rückfragen, ohne die Hauptunterhaltung zu ändern.

Native Desktopmeldungen, wenn dsh den Menschen braucht: Freigaben, Fragen, Planprüfungen, Turn-Ende, Goals, Fehler und Workflows. Mit Settings-Tab für alle Optionen, sofort wirksam.

Fasst Prozesszeilen jedes abgeschlossenen Turns im DeepSeek-Harness-Webgespräch zu einem ausklappbaren Eintrag zusammen, während die finale Antwort sichtbar bleibt.

Macht aus der dsh-Weboberfläche ein natives Windows-Desktopfenster mit Systemtray, Autostartoption und Protokolldatei, die der gebündelte Client ausliest.

Macht Anhänge zu versionierten Belegen. `search_documents` erstellt nach einer Funktionsprüfung beim Start einen privaten lokalen Index mit SQLite FTS5, sonst greift abhängigkeitfreies JS. Liefert kompakte Belegblöcke mit genauer Koordinate — PDF-Seite, PPTX-Folie, Text-/DOCX-Zeilenbereich oder zitierter XLSX-`Sheet!Range` —; `read_document` erweitert nur bei passender Inhaltsversion. Zusammenhängende CJK-Zeichenfolgen werden als überlappende Bigramme indiziert und als Phrasen gesucht, damit die Wortfolge erhalten bleibt. Hochgeladene Rasterbilder nutzen den nativen Vision-Anhangpfad.

Sitzungscode-Sammler für DeepSeek Harness: Ein Composer-Panel sammelt alle vom Modell erzeugten Codeblöcke der aktuellen Sitzung. Ansichten nach Sprache/Datei, Versionsverlauf je Datei, Live-Suche, Einzel-/Alles-kopieren, Alles als Markdown herunterladen und Sprung zum exakten Turn (Alt+Shift+C).

Konfigurationslose Git-Checkpoints pro Runde: Nach jedem abgeschlossenen Agent-Turn im Git-Workspace werden alle Änderungen in einem markierten `[turnsnap]`-Commit gestaged (serialisierte Warteschlange, sandbox-policy-bewusst), sodass jede Runde ein Rollback-Punkt ist.

Ermöglicht der KI, per Streaming generierte TSX-Oberflächen in den Chat oder ein Seitenpanel einzufügen. TSX ist bereits eine native Sprache des Modells, daher ist kein JSON-Schema erforderlich. Flackerfreie Darstellung, Zustandserhalt über Frames ohne erzwungenes Remount und ein Klick in der Karte startet den nächsten Turn. Inline-Ansicht für Streaming, Seiten-Canvas mit stärkerem Agentencharakter. Karten können selbst bash, curl und Modellaufrufe ausführen sowie Dateien lesen und schreiben.

Speicher-Triage für DeepSeek Harness: Entscheidet nach jedem Turn, welche Einträge bleiben oder archiviert werden; projektspezifische landen im Projekt-Bucket, globale im Hauptspeicher. Führt ähnliche Duplikate zusammen und nutzt bei unklaren Regeln ein LLM. Automatische Aktionen sind nur rückgängig zu machende Archivierungen, niemals Löschungen.

Quellenbibliothek für DeepSeek Harness: 72 Feeds mit stündlichem Abruf, Reader mit Transkripten und Übersetzung sowie Publisher, der Gesammeltes in Podcast, Digest oder Bericht verwandelt.

Macht Code-Smells zu einem ausführbaren, priorisierten Refactoring-Plan – anhand von Dateilänge, tiefer Verschachtelung, Funktionslänge und God-Object-Heuristiken, mit gestuftem Runbook. Nur lesend, keine automatische Umschreibung.

Vision-Browser-Tool: Steuert mit browser-use echtes Chrome über CDP und liest Seiten mit deepseek-v4-flash-vision-exp. Erkennt Canvas-Text, in Bilder eingebettete Schrift und Werte gerenderter Diagramme; liefert JSON gemäß dem Schema des Aufrufers und meldet Tokenkosten je Lauf.

Bearbeitet eine frühere Frage in DeepSeek Harness Web GUI und startet ab dort erneut: Verzweigt in eine Kind-Sitzung, deren Verlauf vor dem bearbeiteten Turn endet, und füllt den Composer vor, ohne das Originalgespräch zu verändern.

Zeitversetzte Stream-Regeln für DeepSeek Harness: Projektregeln bleiben inaktiv, bis eine Regex auf den Live-Tokenstream zutrifft. Dann wird die Anfrage abgebrochen, die Regel als Systemerinnerung eingefügt und ab derselben Stelle erneut versucht.

Periodische Prompt-Injektion für die DeepSeek-Harness-Weboberfläche: Alle N Modellaufrufe (Gesprächsrunden und Tool-Aufrufschritte zählen beide) fügt das Plugin einen vom Nutzer festgelegten Prompt als für das Modell sichtbare Nutzernachricht ein.

Überführt eine funktionierende Abfolge in eine gehostete Produktionspipeline: Wandelt bereits erfolgreiche Tool-Aufrufe in eine benannte Pipeline um, die planmäßig auf den Servern läuft und pro Lauf einen Beleg erstellt. Wiederkehrende Überwachungsaufgaben sind ebenfalls möglich.

Verzweigt eine Sitzung über den Gesprächsheader in ein anderes Agent-Preset: Der Preset-Auswahldialog erstellt eine neue Kind-Sitzung mit dem gewählten Preset und übernimmt die abgeschlossenen Gesprächsrunden der Quelle.

LiteLLM-`/v1/search`-basierter Websuch-Provider für die ctx.web-Schnittstelle von DeepSeek Harness. Eine Suche entspricht einer HTTP-Anfrage – kein Modell-Turn.

DeepSeek-Harness-Plugin mit Vision-Worker auf Cloudflare Workers AI (@cf/moonshotai/kimi-k2.6): Leitet Bildanfragen reiner Text-Clients weiter, liefert ein versioniertes `righthand.vision.v1`-Envelope und unterstützt Rückfragen.

LLM-as-a-Verifier für dsh mit integriertem Best-of-N-Gesprächsmodus: Bewertet N Kandidaten mit einem fein abgestuften Verifier (erwartete Note über der Logprob-Verteilung), bei Bedarf per Tool verify oder automatisch in jedem Turn einer Best-of-N-Sitzung.