Plugins

Native Windows Computer-Use-Tools für DeepSeek Harness.

Animiertes DeepSeek-Blauwal-Desktop-Haustier auf der DSH-Webseite: verschiebbar mit Sprechblasen und Stimmungsposen, einem pet_say-Tool, über das das Modell es sprechen lassen kann, sowie Denk- und Feierstatus zu Beginn bzw. Ende eines Turns.

Ein ziehbares Maskottchen lädt dich zum Xiangqi (chinesisches Schach) während die KI denkt ein, mit eingebauter Engine, Zugaufzeichnungs-Export und optionalem Multi-Modell-Kommentar.

Dynamisches Schulte-Gitter-Wartezeit-Minigame: klicke 1..N der Reihe nach auf ein statisches Gitter oder ein rotierendes Roulette-Rad, während das Modell denkt.

Terminal-artiges KI-Lab-Idle-Game, in dem du Compute hortest, Modelle trainierst und upgradest, Papers veröffentlichst und von Neuronalen Netzen zu ASI prestigst.

Automatische Secret-Redaktion in Tool-Ergebnissen: maskiert API-Schlüssel, Tokens, JWTs, private Schlüssel und konfigurierte Secrets, bevor das Modell sie sieht.

Metadatenorientierter Laufzeit-Profiler für DSH-Agenten: Turn-/Schritt-Traces, Echtzeit-Zeitleisten für Modelle und Tools, Anbieternutzung, Wiederholungen, Fehler sowie Live- oder historische Sitzungen.

Nur-Lese-Gesundheitsklinik für die installierten DSH-Plugins: Loader-Zustand, Abhängigkeitsintegrität, Versionskompatibilität, Risiko von Installationsskripten, Duplikate und Patch-Integrität, geliefert als Modell-Tool, Einstellungs-Dashboard und JSON-Berichte.

Automatische Typprüfungsdiagnose: Nachdem das Modell TS-Dateien bearbeitet oder erstellt hat, führt es im Hintergrund `tsc --noEmit` aus (pro Projekt entprellt) und meldet Fehler über das Tool `code_check` — gruppiert nach Datei mit Zeile/Spalte, Schweregrad und TS-Fehlercodes, wodurch der Kreislauf „bearbeiten → prüfen → korrigieren" geschlossen wird.

DSH-Bundle, das Matt Pococks 25 geförderte Engineering- und Produktivitäts-Agent-Skills portiert (Nachfragen, TDD, Code-Review, Domänenmodellierung usw.).

Tool `describe_image`: eine Vision-Brücke, die Bilder über die opencode Zen API (Credential `OPENCODE_GO_API_KEY`, zuerst kostenlose Route mit kostenpflichtigem Fallback) an mimo-v2.5 sendet und reinen Textmodellen Textbeschreibungen zurückgibt, mit nativem Passthrough und ImageMagick-Transkodierung von SVG/TIFF/HEIC.

Modellseitiges image_describe-Werkzeug (识图) über die OpenAI-kompatible DashScope-API (qwen3.7-flash), plus eine Einfüge-Brücke: In Text-only-Sitzungen werden eingefügte Bilder beim Senden automatisch in Dateipfade umgewandelt und im Transkript zurückgerendert, sodass sie nie an der Bildannahme scheitern. Eigenen DASHSCOPE_API_KEY mitbringen; Endpunkt/Modell/Budgets konfigurierbar, redirect-fester HTTP-Client, funktioniert in jedem agent preset.

Vision-Brücke mit automatischer Erkennung für reine Textagenten von DeepSeek Harness: findet automatisch ein bildfähiges Modell unter Ihren konfigurierten Anbietern und gibt Bildbeschreibungen als Klartext über ein Vision-Tool zurück.

Vision-erweiterter DeepSeek-Adapter: Ein bildfähiges Modell beschreibt die Bildeingabe, dann schlussfolgert ein reines Textmodell von DeepSeek über diese Beschreibung.

Bedarfsgesteuertes Sehen für reine Textmodelle von DeepSeek: Bilder hochladen, und das Modell ruft ein view_image-Tool auf, das auf jedem OpenAI-kompatiblen Vision-Endpunkt basiert (standardmäßig Qwen/DashScope).

Plugin-Vision für reine Textmodelle auf DSH, mit nativer Interaktion für Bildverständnis und -generierung, GUI-Automatisierung, geschichteter Beleg-Erinnerung und Cache.

Synästhesie-Encoder für DSH: Ein Vision-Modell übersetzt Bilder in kompakten, strukturierten räumlichen Text (Canvas/Elemente/Prozentkoordinaten) und verleiht reinen Text-LLMs über das Tool `mm_vision` Bildverständnis auf Pixelebene.

Leitet Chat-Bilder an ein festes OpenAI-kompatibles Vision-Modell und gibt sachliche Beobachtungen an das gewählte Hauptmodell zurück; sitzungsbezogene Beobachtungen werden über Replays, Kompaktierung und Neustarts hinweg wiederverwendet.

Jira-Cloud-Issue-Tracker-Integration mit acht Modell-Tools für Issue-Suche, Projekt- und Transition-Lookup, Erstellung, Updates, Kommentare und Übergänge; Schreibvorgänge sind opt-in und unterstützen Dry-Run.

Eine schlanke Portierung von Headroom: komprimiert Tool-Ausgaben, spart bis zu 20 % Kontext, ohne den Kontext-Cache des Modells oder die Agent-Leistung zu beeinflussen.

Erkennt Modelllisten, Preise und Fähigkeiten von OpenAI-kompatiblen API-Hosts automatisch, normalisiert sie und gibt fertige Modell-Konfigurationen für dsh aus.

Stage-Gate-Governance-Tools: vom Modell aufrufbare gate_open / gate_check / gate_list / gate_close für In-Memory-Abnahmeprüfungen pro Session mit PASS/BLOCK-Ergebnissen.

Ergänzt QMD-Semanticsuche automatisch, wenn das Modell in einem Knowledge-Base-Verzeichnis grep/glob ausführt. Abhängigkeitsfreies DSH-Plugin mit asynchroner next-step-Injektion, ohne manuellen Aufruf.

Bringt deine bestehende Claude-/ChatGPT-Historie nach DSH: sofortiger Import ohne Tokens der memories.json in einem Claude-Export, lokale Claude-Code-Transkripte ohne Export und Gespräche, destilliert durch das bereits in DSH konfigurierte Modell. Jede Erinnerung trägt wörtliche, vom Code gegen die Quelle geprüfte Belege — eine Umschreibung wird verworfen und gezählt, und nur in Assistenten-Turns gefundene Belege gehen immer in die Prüfung statt in den Speicher.