Plugins

Modellgesteuerte Archivierung von Tool-Ergebnissen: Oberhalb einstellbarer Größe erhält das Ergebnis eine kurze ID (#a1b2c3d4); das Modell archiviert nicht mehr benötigte Ergebnisse unter archives/ der Sitzung. Im Kontext bleibt ein kleiner wiederherstellbarer Stub mit Pfad; Originale bleiben im append-only Sitzungslog. Settings zeigt Wiederherstellungsstatistik je Größenklasse, Schwellen ohne Neustart und bedingte Erinnerung. Statistikpanel benötigt dsh-better-sidebar.

Genspark-Tools für DeepSeek Harness über @genspark/cli: Websuche/-crawl, Bild-/Video-/Audiogenerierung, Medienanalyse, X-/Instagram-/Reddit-Suche und Modellliste. 17 typisierte Tools und 18 /genspark-*-Befehle. @genspark/cli installieren und anmelden (gsk login) oder GSK_API_KEY setzen.

Semantische Workspace-Suche: drei Modelltools (zg_search, zg_index, zg_status) nutzen die zg-CLI für hybride BM25-, Vektor- und RRF-Suche. Eine search-first-Sperre verlangt vor grep/rg eine erfolgreiche Suche im indizierten Workspace.

Die Stern-Schaltfläche im Composer lässt das aktuelle Modell den Entwurf klarer umformulieren; mit einem Klick zurück zum Original, Vorlage bearbeitbar.

KI-Recherchetoolkit für DSH: Modellrelease-Radar, Benchmark- und Community-Bericht je Modell aus 13 strukturierten Bestenlisten und chinesischen/englischen Diskussionen sowie News-Radar über 46 Feeds und 22 offizielle X-Konten. Registriert vier Tools und drei Skills; Berichte als Markdown mit Inhaltsverzeichnis.

Ergänzt Arbeitsverzeichnisse per Ordnerschaltfläche oder /add-dir, /remove-dir und /dirs, jeweils read-write oder read-only. Das Modell sieht sie im Laufzeitkontext. write/edit in read-write-Ordnern überspringt standardmäßig die Sandbox-Eskalationsabfrage; Shell-Befehle fragen weiterhin.

Übersetzt Benutzerprompts vor dem Senden und Modellreasoning sowie Antworten über Übersetzungs-APIs oder konfigurierte DSH-Modelle zurück in die Benutzersprache. Separate Inhaltsschalter und Composer-Menü.

Ein Schalter entfernt MCP-Tool-Schemas und den Instructions-Block live und ohne Neustart aus dem Modellkontext aller Agents oder fügt sie wieder hinzu. Für die 207 von REA registrierten Schemas gedacht, auch außerhalb von Reverse Engineering. Mit Dock-Anzeige, /rea on|off|status|toggle und GET/POST /rea-toggle/state; merkt sich Zustand über Neustarts und gilt vor dem ersten Schritt auch für Subagents.

Verwandelt englische MP3-Hörbücher und Dokumente in Hörlektionen. Transkribiert jeden Satz lokal mit dem bereits von DSH Voice Input geladenen Sprachmodell (ca. 241 MB, bei Fehlen beim ersten Einsatz geladen; ffmpeg nötig), DSH-Modell korrigiert und erklärt. Übung mit blindem/intensivem Hören und Wiederholungsabständen, Export chinesischer Synchronfassung. Offline-Kokoro-Stimmen, Seitenpanel und vier KI-Tools.

Release-Gate für KI-Antwortqualität. Zwei Wege: vorhandenes VeriScope-Archiv durch das originale Python-Qualitätsgate abspielen oder nur mit Node einen Schwellenwert auf einen Ragas-Zeilenexport anwenden – ohne VeriScope, Python oder pandas. Liefert PASS/FAIL/REVIEW mit Belegen und nachprüfbarem Receipt; Schwellen je Zeile und exakter Dezimalvergleich. Bewertet nicht neu, ruft kein Modell auf, REVIEW wird nie PASS.

Lokaler BM25-Abruf, fail-closed-Schreibschutz, statischer Doctor und Memory-Panel für einen Engramory-Markdown-Speicher. Ohne Opt-in kein Netzwerk, Daemon oder Modellaufruf; Abrufqualität wird mit reproduzierbarem Repository-Benchmark gemessen.

Lokaler Speicher für DeepSeek Harness: Inhalte werden Themen zugeordnet und mit verwandten Einträgen verknüpft. Abruf nach Embedding-Ähnlichkeit, bei fehlendem Modell per Worttreffer. Daten bleiben in lokaler SQLite-Datenbank.

Notizgestützte Kontextkomprimierung: ersetzt LLM-Zusammenfassungs-Compaction durch ein modellgeschriebenes dauerhaftes Notizbuch plus wiederherstellbaren Rohverlauf, sodass der Übergang keine Modellaufrufe kostet.

Verbindet DeepSeek Harness nach omp-Konventionen mit Hindsight: gemeinsame Bank, automatische Projekt-Tags, Projekt- und globale Erinnerung sowie Tools für mentale Modelle, Duplikaterkennung und erneute Ausführung fehlgeschlagener Hintergrundjobs. Laufender Server erforderlich (Standard http://127.0.0.1:8888).

Lokales Langzeitgedächtnis für DSH: Einträge im Panel durchsuchen (BM25 + Synonyme) und bearbeiten; Ordner, Archiv und Papierkorb. Pro Sitzung auswählbar, was injiziert wird. Modellgeschriebene Erinnerungen brauchen deine Freigabe. Backup-Import/-Export und optionale Gerätesynchronisierung über eigenes Git oder WebDAV.

Führt das Upstream-Komprimierungstoolkit Headroom (headroom-ai, Apache-2.0) über MCP in DeepSeek Harness aus. Stellt headroom_compress, headroom_retrieve und headroom_stats als mcp__headroom__*-Tools des bei Bedarf per uvx installierten Upstream-Servers bereit. Komprimierung ist verlustbehaftet, aber reversibel; Originale kommen per Hash aus lokalem CCR-Speicher zurück. Enthält außerdem Headrooms MCP-Registrierung und einen Model-Header-Sanitizer für den Upstream-Proxy.

Macht Guard-Ablehnungen, Gate-Fehler und menschliche negative Bewertungen zu Projektlektionen; injiziert nur von Menschen aktivierte Regeln in neue Projektsitzungen. Registriert keine Modelltools; Prüfung über die Settings-Karte.

Persistenter SQLite-Sitzungsstatus, Story-Memory und -Abruf, Repositories sowie modellseitige Erfassungstools für DSH-Rollenspielplugins.

Local-first-Wissensdatenbank für DeepSeek Harness: importiert Word/PPT/Excel/PDF (Text oder Scan), EPUB und MOBI/AZW3; erzeugt Markdown mit Seitenankern, OCR-Qualität/-Konfidenz und spaltenbewusster PDF-Lesereihenfolge. LLM-Wiki (schema.md-Regeln, automatisches index.md, append-only log.md, typisierte Notizen mit Quellen/Backlinks), Vertrauenslabels high/medium/low mit Ranking und low-Warnungen; Rang- und KB-übergreifende Suche, präzises Lesen/Bearbeiten, md/jsonl/zip-Export. MOBI/AZW3 braucht Calibre; alte .doc/.ppt Word/PowerPoint unter Windows oder LibreOffice unter Linux. OCR-Modelle für Scans werden beim ersten Einsatz geladen.

Chunkweise Komprimierung: greift nur bei Live-Kontext über 85 % des Modellfensters oder Anfrage über 4 MB ein. Fasst den Verlauf in 1,5-MB-Blöcken zusammen; kleinere Sitzungen nutzen die eingebaute Komprimierung.

Goal Map zeigt anhand gemeldeten Planfortschritts schreibgeschützt Ziel-Plan-Verlauf, Sitzungs-Mindmap und Schritte. Es startet keine Aufgaben und Modellaufrufe. Beta.2 unterstützt DSH Web 0.2.0-rc.2 oder 0.2.1-rc.2 sowie Node.js >=24.

Leichte Crash-Wiederherstellung für dsh. Erkennt nach Neustart Sitzungen, deren letzter Turn während der Ausführung abbrach, und injiziert einen Fortsetzungs-Prompt, der vor Aktionen eine Prüfung des realen Zustands verlangt, damit nebenwirkungsreiche Vorgänge nicht blind wiederholt werden. Reagiert nur auf den echten Marker (turn/end reason interrupted, beim Cold Read von session repair erzeugt), nicht auf Abbruch, Ratenlimits oder Modellfehler; keine Fehlerklassifizierung, Backoff oder Konfigurations-UI nötig. Erkennt auch unterbrochene Subagents bei normal beendetem wartendem Parent-Turn und weckt den Parent. Eine Hostdatei, keine externen Abhängigkeiten, sieben Konstanten.

Live-Anzeige des Context-Drucks im Composer-Dock. Nahe am Limit fordert sie vom aktuellen Modell ein Handoff-Briefing an, startet es in einer neuen Sitzung und wechselt dorthin, damit lange Arbeit ohne Erreichen des Fensters fortgesetzt werden kann.

Fügt neben Conversation und Trajectory einen Insight-Tab in DSH hinzu. Ein Modell interpretiert Tool-Aufrufe Runde für Runde; ein eigener Prompt wird unterstützt.