Plugins

Preset-Werkbank zum Bearbeiten agentenspezifischer Personas, System-Prompt-Abschnitte und Tool-Beschreibungen. Tools und Skills auswählen, den Anfragekontext in der Vorschau prüfen sowie JSON-/YAML-Konfigurationen importieren oder exportieren.

Community-Plugin-Marketplace für DeepSeek Harness nach offizieller Plugin-Spezifikation: Durchsuchen, suchen und installieren Sie über 4000 handverlesene Community-Plugins ohne die App zu verlassen, mit täglichen Updates.

Zeigt offizielle DSH-Dokumentation auf der Plugins-Seite. Creator mode durchsucht Docs und prüft npm-Metadaten des Plugins mit nativen Tools.

Visuelle Komplettverwaltung von DSH Skills & MCP: bedarfsgesteuertes MCP-Laden, Hot-Reload während der Sitzung, im Plugin einsehbare SKILL- und MCP-Beschreibungen.

Desktop-Pet, gezeichnet nach der offiziellen Wal-Silhouette, für Desktop-App und Web-UI: SVG-Animationen und Gesichtsausdrücke folgen dem Agent-Status (Denken, Arbeiten, Fertig, Fehler, Warten auf Bestätigung) und es kann anderen laufenden Sessions mit Zähler-Badge folgen; anstupsen, ziehen, schwindelig schütteln, an den Bildschirmrand quetschen oder den Cursor über seinen Kopf reiben für einen Headpat; 7 Paletten, 4 Größen, synthetisierte Klänge, Hell/Dunkel-Theme-Sync und eine spielbare Web-Vorschau.

Nutzt ein ChatGPT/Codex-Abonnement in DeepSeek Harness mit GPT-Modellen, Bildgenerierung, Websuche, Abo-Kontingentberichten, Modell- und Funktionssteuerung sowie OAuth-Anmeldung per Browser oder Gerätecode.

Bilibili-Video-Analyse: Metadaten, Transkript (ASR-Fallback über Bijian/sherpa-onnx/whisper.cpp), Kommentare, Danmaku und scharfe Keyframes mit optionalen lokalen Vision-Beschreibungen.

Drei Zhihu-Werkzeuge für DSH — siteinterne Suche, Zhihus globaler Webindex mit Domänen- und Datumsfiltern sowie Zhida-Antworten — mit nativer Einstellungskarte und quellenzitierten Ergebnissen.

Cache-stabile progressive Werkzeugentdeckung: eine feste tool_search- und tool_dispatch-Oberfläche bei jeder Anfrage, Katalogsuche im Speicher, verschachtelter Dispatch durch die Harness-Pipeline und eine byte-stabile native Werkzeugliste über die Entdeckung hinweg.

Fügt ein generate_image-Tool hinzu, das durch die FAL-Warteschlange, eine beliebige OpenAI-kompatible Images-API oder ein ChatGPT-/Grok-Abonnement unterstützt wird, und zeigt das Ergebnis direkt im Gespräch an.

Rundenweise Steuerung des Thinking-Levels (reasoning_effort) für DeepSeek Harness: Auto plant low/high/max anhand der jüngsten Tool-Call-Historie, oder ein Wire-Level (off/on/minimal/low/medium/high/xhigh/max) wird manuell gesetzt, mit benutzerdefiniertem Wire-Mapping, modellbewusstem Fähigkeits-Guard und Kontextfenster-Presets (64K–1M); die Modell-Capability-Card arbeitet mit [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (aus dsh-market installierbar), damit OpenAI-kompatible Gateways (vLLM / LM Studio / self-hosted) Reasoning testen können. Die Card schreibt llm-pi-ai-Fähigkeiten, der Adapter treibt das Wire (compat.thinkingFormat) an und das Plugin pflegt die Takeover-Liste.

Gibt reinen Text-DeepSeek-Harness-Agenten Videoverständnis: szenenbewusste Frame-Abtastung + VLM + optionale ASR-Transkription, zu Zeitleistenbeweisen fusioniert. / Video-Verständnis-Plugin für reine Textmodelle (szenenbewusste Frame-Extraktion + VLM + optionale Spracherkennung).

Nutzungsstufen und teilbare Statistik-Karten: 🐟→🐳 Rangfolge nach monatlichem Token-Verbrauch mit lokal berechnetem geschätztem Perzentil, präzise Preise für 46 Modelle von 6 Anbietern (einschließlich größenbasierter chinesischer Preise), Nachfüllung von Vorinstallations-Sitzungen und Alt-vs.-Neu-Vergleich über die Tarifänderung vom 2026-08-17. Nur lokal, keine Telemetrie.

Meldet sich per OAuth bei einem ChatGPT-Konto an und stellt die Modelle des Tarifs als DeepSeek-Harness-Providerroute bereit. Ruft api.openai.com/v1/responses mit dem Tarifumfang des Kontos auf, nicht über das Codex-Backend.

Fügt dsh über OneBot 11 (NapCat und ähnliche) einen QQ-Kanal hinzu: Reverse- oder Forward-WebSocket, Einzel- und Gruppenchats, Bild- und Sprachtranskription, t2i-Text-Bild-Karten, gebündelte Weiterleitungen und Einstellungsseite.

Eine Roman-Schreibwerkbank für DeepSeek Harness: du gibst Kandidatenpassagen Daumen hoch oder runter, und das Modell destilliert daraus ein kurzes Präferenzprofil, das in spätere Drafting-Aufrufe mitgeht, während das Manuskript aus dem Drafting-Kontext bleibt. Dazu ein Kapitelboard, Schreibpakete pro Kapitel, annotationsbezogene Überarbeitung, die nur den annotierten Absatz neu schreibt und den Rest byteweise verifiziert, ein Projektjournal und lokale Pacing-Prüfungen.

Ruft eine beliebige http/https-Seite ab und gibt Titel, Beschreibung, Haupttext, Überschriften-Gliederung und Links zurück, mit Statistiken (Zeichen-/Wortanzahl, Lesezeit, Sprache) und Top-Keywords; kann Inhaltsbilder in den Sitzungsarbeitsbereich für die Bildanalyse herunterladen und sie über den scrape.imageAnalyzer-Dienst an registrierte Analyser verteilen.

Wählt Browser-Elemente direkt während des Vibe Coding aus und sendet strukturiertes visuelles Feedback an den DeepSeek-Harness-Agenten.

Android-GUI-Agent mit ADB-Screenshots, kompaktem UI-Hierarchie-Grounding, verifizierten iterativen Aktionen, Freigaben und einer Mobile-Web-Ansicht.

OpenCode-Go-Abonutzung (rollierende/wöchentliche/monatliche Zeiträume mit Reset-Countdown) im Composer-Dock, mit integriertem Zugangsdaten-Editor.

Domänenidentitätsschicht für lang laufende Agentensitzungen: deklarationsbasierte Domänenadressierung, Sitzungsfabrik, vierstufige Pause und Modellverteilung zur Koordination mehrerer Top-Level-Sitzungen.

Inoffizielles Upstream-Bundle für DeepSeek Harness. Enthält ein CodeBuddy-Gateway mit zur Laufzeit synchronisiertem Modellkatalog, reasoning-effort je Modell, Websuche/-abruf, Bildgenerierung und Streaming-Zugangsdatenbridge sowie TraeWork-CN- und Qoder-CN-Abokanäle über lokale Übersetzungs-Gateways und ein OpenAI-kompatibles Anbieterregister nach Schlüsseltyp. Verwaltung über eine ausklappbare Einstellkarte.

Plugin-Koordinationsschicht: Plugins deklarieren ihre Fähigkeiten, Befehle werden ohne Model-Aufruf an das zuständige Plugin geroutet, Tool-Schemas werden bei Bedarf geladen, um Prompt-Tokens zu sparen, die Run-Historie verdichtet sich im Leerlauf zu Langzeitgedächtnis, und Fehler werden vor jedem Retry klassifiziert.