Plugins

Legt die Reasoning-Sprache des Modells auf die unter Settings - General - Thinking language gewählte Stufe fest (vereinfachtes Chinesisch oder eine Standardstufe, die nur Antworten einschränkt und das Reasoning dem Modell überlässt). Fügt eine System-Prompt-Sektion mit Reihenfolge -1000000 ein und setzt sie am Ende des Assemble-Ablaufs wieder an den Anfang; optional wird eine Kopie vor jede Nutzernachricht gesetzt, wenn Modelle statische Sektionen schlecht befolgen.

Komponenten-Checkliste des von den tnnevol-DSH-Plugins gemeinsam genutzten Semi-Design-Pakets, geöffnet über eine `Semi UI`-Schaltfläche im Konversations-Header: 35 Komponenten plus eine Multi-Account-Fallseite, in sieben Sidebar-Gruppen gegliedert – von Eingaben, Formularen, Selektoren und Bäumen bis zu Tabellen, Cards, Overlays und Feedback –, jede live gerendert mit einzeiliger Beschreibung und Seitenübersicht, mit Vorschau in Hell, Dunkel und System folgend. Installation über npm mit `dsh plugin --profile web add @tnnevol/dsh-semi-ui-showcase`.

Fügt /btw für einmalige, kontextbewusste Nebenfragen ohne Tool-Ausführung hinzu, mit unabhängigen Antwortblasen, die kopiert, eingeklappt oder geschlossen werden können, ohne Antworten zur Hauptkonversation hinzuzufügen.

Tencent-CodeBuddy-Modellanbieter für DeepSeek Harness, der sich per Browser-OAuth statt mit einem API-Key anmeldet: listet den CodeBuddy-Modellkatalog mit den Kontext-, Ausgabe-, Tool-Calling-, Reasoning- und Bild-Fähigkeiten jedes Modells auf, verwaltet mehrere Konten mit automatischem Failover auf das nächste nutzbare, zeigt das Restkontingent im Composer mit einem Panel zur Token- und Guthaben-Nutzung und erledigt pro Konto automatisierbare CodeBuddy-Growth-Aufgaben mit Ausführungslog. Installation über npm mit `dsh plugin --profile web add @tnnevol/dsh-codebuddy`.

Figma-Designs in DSH per natürlicher Sprache lesen, erstellen und bearbeiten, einschließlich gebündelter Änderungen an Ebenen, Komponenten und Variablen, Screenshots und Asset-Export. Der lokale Modus verbraucht kein offizielles Figma-MCP-Aufrufkontingent.

DSH Knit sortiert Markdown/Code/Bilder/Videos im Workspace nach Gesprächsbezug in der Seitenleiste; Context Pack via knit_docs. Standard-BM25/IDF vergleicht lokal letzte Nachrichten mit Titel/Zusammenfassung/Inhalt: kein Modell/Netz, keine Übertragung; Index bleibt nach Neustarts/Sitzungen. Evidenz/Vorschau; Zuordnung beim Lesen fixiert; Anheften/Ausschluss vor Abruf rückgängig machbar. v0.23 Hybrid optional AUS, nur mit selbst konfigurierten Ollama/OpenAI-kompatiblen Embeddings. Sendet nur query+Titel/Zusammenfassung (Markdown: Anfang ≤60 Zeichen; Code: relativer Ordner; Medien: Name), nie Volltext/absolute Pfade; Loopback lokal. v0.24 verknüpft uncommittete Änderungen mit read-only git status (festes argv, keine Shell, env-Allowlist), AUS. Kein Realtest; kein Suchgewinn belegt.

Ein Blue-Glass-Ozean-Fantasy-Skin für DeepSeek Harness Web: knackiger Ozean-Hintergrund, Glasblasen, eine Ozean-Sidebar mit Gold-Gradienten-HARNESS-Wordmark und einer Cartoon-Figur unten, ein Wal-Einstellungs-Button und Gradienten-Model-Text.

Bloom-Morandi-Thema: zehn Varianten (mist, cinnabar, petal, ripple, sage, stone, lapis, amber, aurora, lavender), auf OKLCH basierend, sodass Hell und Dunkel wahrnehmungsmäßig ausgewogen bleiben, in der oberen Leiste umschaltbar; alle 20 Vorder-/Hintergrundpaare erfüllen WCAG AA oder besser.

Hochzuverlässige Feishu/Lark-Brücke für DeepSeek Harness: QR-Ein-Klick-Authentifizierung, kartenbasierte Befehle und Absichtsbestätigungskarten, verlustfreie „At-least-once“-Ausgangswarteschlange, Medienversand und -empfang, /doctor-Sitzungsprotokoll-ZIP sowie eine wiederverwendbare DSH-Web-GUI, die Sitzungen im richtigen Workspace ablegt.

Startanimation und Chat-Hintergrundbilder für DeepSeek Harness: zweigeteilte Startsequenz mit Import eigener Animationen und drei konfigurierbaren Übergängen (Eintritt des ersten Akts, Verbindung der Akte, Ende des zweiten Akts). Als Hintergrund dienen Standbilder oder stumme Loop-Videos; unterstützt Wallpaper-Engine-Projektordner, eigene Videoverzeichnisse, Zufallsrotation und Löschen einzelner Videos.

Konfiguriert visuell Prompt, Tools, sichtbare Skills, Subagenten und Fallback-Modelle eines Agenten und stellt mehrere zu einem Team zusammen. Es schreibt oder bearbeitet nie eine Preset-Datei des Hosts.

Design-Treue-QA für textbasierte Modelle: Ein `deepseek_vision`-Tool leiht sich ein Auge von jedem OpenAI-kompatiblen Vision-Pfad, damit das Modell beurteilen kann, ob eine Implementierung zu seinem Mock passt — ausgeliefert mit dem Benchmark hinter diesem Urteil (vier Fixtures, 23 injizierte Defekte, Rohtranskripte) und der Fragedisziplin, von der es abhängt.

Installiert vier Multi-Agent-Presets für mathematische Forschung in DSH: v2 (wahrscheinlichkeitsgetriebene Pipeline mit Debatte mehrerer Prüfer), v3 (Markdown-Wissensbasis im Paper-Stil mit Planer-Agent und wiederverwendbarer Methodenbibliothek), v4 (persistente, selbstorganisierte Bewohner, die sich Nachrichten schreiben und treffen) und v5 (ein Forschungsinstitut mit einem Akademiker, der Arbeit zerlegt und verteilt, abstimmenden Forschern, Aushilfen, Gruppenchat und einem Compare-and-Set-Task-Board); alle vier unterstützen Checkpoint-Fortsetzung, menschliches Eingreifen und einen optionalen Lean-Formalverifizierungs-Schalter (off/encourage/require), dessen bestandener Beweis die Abstimmung in eine Treueprüfung der Lean-Aussagen verwandelt.

WorkBuddy-artiger Skill-Picker: Eine Schaltfläche neben dem Editor öffnet eine durchsuchbare Liste installierter Skills; die Auswahl fügt die offizielle /skill-name-Geste ein, sodass der Skill zusammen mit Ihrer Nachricht geladen wird.

Über native Browser-Seitenleiste oder @: angemeldete Chrome-/Edge-Tabs, freigegebenes lokales HTML und laufende Windows-Apps. Kompaktansichten, Stapelaktionen, Screenshots, WebMCP, genehmigte Uploads, Elementziehen/Dateiablage im selben Frame, optionale Netzwerkmetadaten. Kontextchips; Notizen und gewählte lokale Diagnoseprotokolle kommen ungesendet in Entwürfe. App-Steuerung: passendes installiertes MCP oder genehmigte Installation, sonst Cua Driver (Text, Hotkeys, seitenweise Steuerung). Desktop-Lesen zeigt Fenster je Verbindung oder Wiederherstellung. Fehler sichern Belege und stoppen ohne automatische Wiederholung. Hintergrund-Eingabe appabhängig. Benötigt Chrome/Edge Chromium 125+ mit einmal gekoppelter, entpackter MV3-Erweiterung; Plugin installiert sie nicht.

Schwebendes Panel zur Verwaltung von MCP-Servern und Skills in der DSH-Weboberfläche: verzögertes Tool-Laden je Server (ToolSearch, standardmäßig aus) hält dessen Tools aus dem Kontext jeder Runde heraus. Der Prompt nennt zunächst nur Tool-Namen; das vollständige Schema kommt erst hinzu, wenn das Modell es mit dem integrierten tool_search findet, sodass ungenutzte Schemas keinen Kontext kosten. MCP-Server global oder in der .dsh/mcp.json eines Projekts, Aktivierung pro Server, Markt mit 47 Diensten und Import aus zehn anderen Clients. Skills werden in ihren tatsächlichen Bereichen automatisch entdeckt und nach Vorrang aufgelöst; automatische Modellaufrufe oder nur manuelle Nutzung je Skill.

Zeigt aktive DSH-Sitzungen in einer 3D-Küche im Overcooked-Stil: KI-Agenten arbeiten, Wal-Mädchen laufen herum und du schaust von der Seite zu. Statusblasen zeigen Kochen, Warten oder Fertig und ermöglichen Navigation mit einem Klick. Ursprünglich zur Fortschrittskontrolle gebaut; jetzt kann man den Walen kaum noch wegsehen.

Erzeugt konfigurierbare, deterministische Sitzungstitel für DeepSeek Harness aus semantischen Prompt-Feldern und Vorlagen.

Tägliche Windows-Spielautomatisierung für Genshin Impact, Honkai Impact 3, Honkai: Star Rail und Zenless Zone Zero: eine geplante Aufgabe je Spiel steuert BetterGI, die game-daily-Skillfamilie, March7thAssistant oder ZenlessZoneZero-OneDragon. Schalter pro Spiel, Vordergrundprüfung, Überwachung während des Laufs, die nur bei Problemen eingreift, und eine Berichtssitzung je Spiel, an die spätere Ergebnisse angehängt werden. Benötigt die DSH-Desktop-App und die passende externe Engine.

Steuert das wissenschaftliche Plotten mit OriginLab Origin aus dem KI-Chat über MCP: 62 Tools. Watchdog für modale Dialoge, LabTalk-Sicherheitsschleuse, release/reconnect, Fits mit anfänglichen/festen/gewichteten Parametern, feingranulare Plot- und Sheet-Bearbeitungen, Matrix-Tools, deklaratives FigureSpec-YAML (diffbar und replaybar), schreibgeschützter MCP-Ressourcen-Snapshot, matplotlib-figure-Bridge, PowerPoint-Assembly mit Panelbeschriftungen, Suche in der Graph-Gallery-Vorlagen, EPS-Export, Dateizugriffs-Whitelist, visuelle Regressionsbaseline und editierbares OPJU-Ergebnis mit deterministischer Rücklese-Verifikation.

Reflexives Selbstverbesserungs-Plugin für lokales Qwen3.8 27B/3.8 Flash und Online-APIs: Ein Konvergenzsteuerer für Code-Schleifen bremst wiederholtes tiefes Verifizieren bei Qwen3.8 27B/Flash, damit es schneller konvergiert und weniger Denkzeit benötigt; ein Delivery-Schutz mit fünf Zuständen erkennt und korrigiert festgefahrene Runden und Endlosschleifen. Modellunabhängige Host-Logik, weitgehend mit Online-APIs kompatibel; kontinuierliche Verbesserung pro Nutzung mit Gegenargument-Selbstprüfung, Eskalation an einen Kritiker, Speicherabruf per invertiertem Index, Code-Schleifensteuerung und Fünf-Zustände-Schutz.

Multi-Agent-Workflow für Mathematikmodellierungs-Wettbewerbe: das "UltraMath"-Preset führt ein Problem vom Lesen über Framework, Ableitung, Coding, Verifikation, Paper und Review aus, plus 4 einstufige Rollen-Presets (Mathematiker, Ingenieur, Writer, Reviewer) und 33 Model-Library-Skill-Docs.

Rein lokaler Projektspeicher ohne mitgelieferte Laufzeitabhängigkeiten oder externe Dienste: JSON als Single Source of Truth plus generiertes PROJECT_MEMORY.md, tokenbegrenzter, sitzungsgefrorener Hot Memory für stabile Prompt-Präfix-Caches, gecachter BM25-Recall projektübergreifend, vertrauenswürdige Sitzungs-/Turn-Herkunft, erklärbare Governance von Duplikaten/Konflikten vor dem Schreiben, editierbarer Lebenszyklus aus Wichtigkeit/Pin/Tags/Ablösung/Archiv, konfigurierbare Destillation am Ende von Top-Level-Turns sowie ein zweisprachiges Web-GUI für Suche, Inspektion, Diagnose und Live-Einstellungen.

Tencent-CodeBuddy-Modellanbieter für DeepSeek Harness. Die Anmeldung erfolgt per Browser-OAuth statt mit API-Schlüssel. Der CodeBuddy-Modellkatalog zeigt für jedes Modell Kontext-, Ausgabe-, Tool-Aufruf-, Reasoning- und Bildfunktionen. Mehrere Konten bleiben hinterlegt; automatisch wird zum nächsten nutzbaren Konto gewechselt. Im composer erscheinen Restkontingent sowie ein Panel für Token- und Credit-Verbrauch. Außerdem führt das Plugin automatisierbare CodeBuddy-Wachstumsaufgaben je Konto aus und protokolliert deren Ausführung. Installation via npm: `dsh plugin --profile web add @tnnevol/dsh-codebuddy`.