Plugins

AST-basierte Kontextkomprimierung, Testlog-Filterung und Token-Budget-Wächter für DeepSeek Harness: entfernt redundante Syntax, kürzt rauschige Logzeilen und erzwingt eine Token-Obergrenze, damit das Kontextfenster nie überläuft.

Workflow-Orchestrierung im Supervisor-Stil über Top-Level-Sitzungen: bestätigungsgesteuerter Batch-Versand, Team-Workstreams, Steuerung laufender Aufgaben, Idle-Wait-Erfassung und Live-Modell-Routen-Erkennung über 11 task_*-Tools sowie den /tasks-Slash-Befehl.

Conversation-Flow-Observability für DeepSeek-Harness-Swarms, mit Topologie, Inspektion gerouteter Nachrichten, HITL-Pausen, Live-Folge und Navigation zu Kind-Sessions.

Agent-Voreinstellung, die mehrstufige Ziele in fortsetzbare Abläufe verwandelt: referierte Stufen, SHA-256-Sperridentität, ein HMAC-signiertes Terminal-Prüfgate und event-sourced Ausführungsprotokolle; enthält 15 agent tools.

Konfigurationsgesteuerte Entwicklungsaufgaben-Orchestrierung für DSH: Graph-Workflows (Aufgaben/Gateway/Mensch-Knoten) mit Persistenz pro Phase, plus ein KI-Assistent im Editor, der Workflows per Konversation mit Live-Validierung einrichtet. Übergebe Dokumente als generische Anhänge an Knoten (keine Deklaration nötig): Dateien landen im Aufgaben-Arbeitsbereich und ${inputs.附件} liefert die mit Zeilenumbrüchen verbundenen absoluten Pfade, sodass ein Knoten sie mit seinem eigenen Prompt parst.

Führt AItelier-Pipelines von DSH über MCP aus: 39 Werkzeuge (22 Lese-, 17 Schreibwerkzeuge) zum Erzeugen, Ausführen, Inspizieren, Bearbeiten, Exportieren und Importieren mehrstufiger SkillFlow-Pipelines. Die Schritte werden in AItelier statt in der DSH-Sitzung ausgeführt und über run_id gepollt, pausieren an engine-erzwungenen Checkpoints, die mit answer_checkpoint beantwortet werden, und hinterlassen pro-Schritt-Traces und Schrittausgaben zum späteren Lesen; add_provider / map_model / edit_role richten eine einzelne Rolle auf einen lokalen oder günstigeren Endpunkt aus. Bündelt einen aitelier-pipelines-Skill.

Dauerhafte DAG-Workflows für DeepSeek Harness mit Agent-Authoring-Tools, SQLite-Persistenz, fortsetzbaren Läufen und einem visuellen Canvas Studio.

Multi-Agent-Orchestrierung für DeepSeek Harness — spezialisierte Agenten, Task-Orchestrierung, Workflow-Skills.

Vollständiges, lokal-zuerst arbeitendes Issue-Board, eingebettet in die DSH-Web-GUI: Kanban-/Listen-/Gantt-/Workflow-/Dashboard-Ansichten, AI-Chat pro Aufgabe, Anhänge und Labels, automatische Übernahme von To-do-Aufgaben durch dsh-routines — Daten liegen in lokalem SQLite (dsh plugin add @ttmouse/dsh-taskboard).

Interaktive Canvas zur Visualisierung der Beziehungen zwischen Agent, Subagent, Workflow, Phase und tool in DSH Web.

Ein strukturierter Review-Workflow mit mehreren Panelisten für DeepSeek Harness: N Panelisten bewerten in isolierten Subagenten, ohne Kenntnis voneinander; ein Vorsitzender gleicht Meinungsverschiedenheiten zunächst anhand übereinstimmender Anker ab und entscheidet dann auf Δ-Ebene; ein unabhängiger Kritiker prüft den Prozess. Geeignet für Reviews von Design, Code, Papers oder Projekten.

Fügt dauerhafte Ausführungsverträge, rekursive Arbeitsgraphen, kritische Klärungen und Evidenz-Gates für lange oder unzureichend spezifizierte Harness-Aufgaben hinzu.

Evidenzorientierte Werkbank für Schwachstellenforschung für DeepSeek Harness: native Audit-Ansichten, 29 OMV-Tools, Evidence.v1-Funde, reproduzierbare Läufe, Campaign-Workflows und isolierte PoC-Evidenz.

Erzeugt in sich geschlossene, interaktive HTML-Berichte aus Markdown, Tabellen, Diagrammen, China-Provinzkarten, Flussdiagrammen, Mathematik und Drilldown-Tabellen — ein DeepSeek-Harness-(dsh)-Plugin.

HeartFlow (心虫), ein AGI-Layer-1-Diskriminator-Gate als DSH-Plugin: 47-dimensionale, regelbasierte Textprüfung (heartflow_check-Tool) plus automatische Ausgabeüberwachung bei Tools/Post-Execute, fail-closed bei fehlender Engine.

Erzeugt Bilder auf der GPU des Nutzers, indem Workflows über die HTTP-API einer lokalen ComfyUI-Installation eingereiht werden: Z-Image-Turbo für schnelle Entwürfe, Qwen-Image-2.1 für finale Assets und lesbaren Bildtext. Registriert comfyui_generate und comfyui_status und enthält einen Skill zu Modellauswahl und Prompt-Erstellung. Keine Laufzeitabhängigkeiten; startet ComfyUI headless, wenn kein Server lauscht.

Smartphone-Client für DeepSeek Harness ohne App-Installation (PWA). Zeigt Sitzungen, Hintergrundjobs, Unteragenten, Zielrunden, Workflows und ausstehende Freigaben; ermöglicht Gespräche mit jeder Sitzung samt Streaming-Antworten und Tool-Fortschritt, jederzeitiges Stoppen sowie Wechsel von Sitzung und Modell. Enthält ein GUI-Seitenleistenpanel. Früher dsh-taskwatch; npm-Paket jetzt dsh-in-hand.

Starte PosterFlow über die Web-Seitenleiste: Klicke auf `开启生图模式`, spiele ein Übergangsvideo ab und öffne dann die Website.

Ersetzt das reasoning-effort-Menü durch einen ziehbaren Rastregler. Bietet 13 Canvas-Effekte in fünf Stilfamilien (thrust, fluid, fantasy, tech, texture), die je nach Aufwandsstufe in drei Stufen freigeschaltet werden. Custom kombiniert 10 Partikelformen mit 8 Bewegungsbahnen; 9 Akzentfarben und Hex-Auswahl färben alle Effekte um. Optionale Tastentöne: zwei Sprachclips, synthetisches Entenquaken, mechanischer Klick und lokale Audiodatei.

Merkt exakte DSH-Tool-Aufrufe vor, ohne sie abzusetzen, zeigt vollständige kanonische Argumente in einer dauerhaften Batch-Review-Inbox, entwertet Freigaben nach Bearbeitungen oder Neustarts und führt nur einen passenden SHA-256-Digest plus einmalig verwendbarer Nonce durch die normale DSH-Tool-Pipeline aus.

Aufgabenmonitor und Remote-Chat für DeepSeek Harness. Eine mobilfreundliche Seite zeigt Sitzungen, Hintergrundjobs, Subagents, Goal-Runden, Workflows und offene Freigaben. Chat mit jeder Sitzung inklusive Streaming-Antworten, Tool-Fortschritt, jederzeitigem Stopp sowie Sitzungs-/Modellwechsel. Ein GUI-Seitenleistenpanel ist ebenfalls enthalten.

Registriert sechs spezifikations- und testgetriebene Workflow-Skills für DeepSeek Harness: OpenSpec-Spezifikationserstellung, verschmolzen mit der Superpowers-TDD-Disziplin zu einer Pipeline von Phase 0–4 mit Review-Gates. Keine Laufzeitabhängigkeiten.

Von einem Captain geführte Multi-Agenten-Teams, die ein Ziel in Aufgaben aufteilen und sie entlang einer Ausführungskette an Mitglieder verteilen, die in ihren eigenen Untersitzungen laufen, jedes mit seinem eigenen Modell.