Plugins

Verbesserte Auto-Compaction-Standards für DeepSeek-Harness-Agent-Presets: wendet mit einem einzigen Befehl fein abgestimmte Schwellen-/Aufbewahrungsbudgets und modellbezogene Richtlinien an, idempotent mit Backups und Rollback.

Inkognito-Sitzungen: ein eigenständiger, kurzlebiger Unteragent mit eigener Voreinstellung (kein übergeordneter Kontext) und vollständigem Werkzeugsatz, verschiebbares schwebendes Fenster, beim Schließen ohne Spuren vollständig gelöscht.

OpenBKN-Business-Knowledge-Network-Kontext für DeepSeek Harness

DSV4.1-Reasoning-Support mit multimodalem Kontext und begrenzter Artifact-Akzeptanz für DeepSeek Harness

Universelle Model-Context-Protocol-(MCP)-Bridge für DeepSeek Harness: verbindet Agenten mit stdio/sse/websocket-MCP-Servern, mit einer Scale-Engine für 10k inaktive Verbindungen, Sub-Millisekunden-BM25-Toolsuche, dynamischem Token-Budgeting und einem Echtzeit-Dashboard in der Web-UI.

DeepSeek Harness (DSH)-Plugin zur automatischen Wahl des Reasoning-Grads: Das Jev-System-One-Modell entscheidet, wie viel Denkaufwand jede Nachricht verdient, die Stufe wird aus den vom Modell deklarierten Graden abgeleitet, ein Kontext-Umschlag lässt Rückfragen wie „weiter“ die Gesprächstiefe erben, bei geringer Konfidenz wird nach oben aufgerundet, und bei jedem Fehler bleibt die vorherige Stufe still erhalten. | Jev-gesteuerter Reasoning-Aufwand pro Nachricht: modellspezifische Stufenleitern aus den Angaben jedes Modells, ein Kontext-Umschlag fester Größe, damit Rückfragen die Gesprächstiefe erben, Gleichstand bricht nach oben, stilles Zurückfallen auf jedem Fehlerpfad.

Minimales Windows-Agent-Preset für DeepSeek Harness: feste einzeilige Persona, drei Tools, kein Laufzeitkontext.

Löschen pro Nachricht für DSH: eine Nutzernachricht, einen Antwort-Schritt oder eine ganze Assistenten-Antwort über den offiziellen Surface-Replace-Vertrag aus dem abgeleiteten Modellkontext entfernen und aus dem sichtbaren Transkript ausblenden, ohne das Append-only-Log neu zu schreiben.

Proaktive Weckrufe auf Host-Ebene für DeepSeek Harness: Das Modell plant seine eigenen Alarme (einmalig, Intervall oder Cron, optional mit Jitter), kalte Sitzungen werden per session resume pünktlich geweckt, Nachfassaktionen des Modells werden durch Ruhezeiten und ein Tagesbudget begrenzt, und stille Weck-Turns enden mit proactive_reclaim und fallen als Grabsteine aus dem Kontext. Deklarierte Zeitplandateien synchronisieren ihre JSON per Glob idempotent in Host-Alarme; min_idle_seconds verschiebt Weckrufe, bis die Ziel-Sitzung zur Ruhe kommt, und ein Web-Panel verwaltet Alarme und Verlauf — die Herzschlag-Engine für KI-Begleiter und Rollenspiel-Charaktere mit eigenen Tagesabläufen.

Führt den Kontext anderer Sessions in den aktuellen Turn zusammen: evidenzgewichtete Konfliktauflösung, Rücknahme von Aussagen, deren Prämissen zurückgenommen wurden, Vertrauens-Kennzeichnung, die sessionübergreifender Prompt-Injection widersteht, und budgetbegrenztes Packing. Enthält einen Benchmark.

Speist jeden dsh-Prompt in die lokale Feedback-Memory-Pipeline von agent-feedback-loop ein – erfasst Unzufriedenheit, verarbeitet sie offline zu Reflexionen und hängt den kompilierten Kontext der Wiederholungsregeln an die Runde zurück, ohne je einen Prompt zu blockieren. Erfordert die agent-feedback-loop-Laufzeit; ein anschließendes `agent-feedback-loop install` bindet bestehende dsh-Profile automatisch ein.

Zeigt eine DSH-Session als Konversations-Leinwand — jeder Turn ist ein Knoten, jeder Turn gabelt eine echte Kind-Session ab, und ein komprimierter Kontext faltet sich zu einem grünen Knoten, aus dem Sie weiterreden können; die linke Schiene gruppiert Leinwände nach DSH-Workspace und benennt sie im Gleichschritt mit den Session-Titeln um.

Session-Anweisungsanker für DeepSeek Harness: Der erste Schritt einer neuen Session injiziert einen frei zusammengestellten Anweisungsblock als plugin-stammende Nachricht, und er wird nach einer zusammenfassenden Kompaktierung, alle N Turns oder wenn der gemessene Kontextdruck eine Schwelle überschreitet, neu verankert. Ein /anchor-Befehl verankert bei Bedarf ohne Modellaufruf neu; eine Einstellungsseite verwaltet die seitenweise Preset-Bibliothek, Injektionsreihenfolge, Neuanker-Quelle und Zeichenlimits.

Mehrsprachige Codebase-Intelligenz für MCP-kompatible IDEs, die CLI und DeepSeek Harness: Chat, Suche, Audit, Refactoring und board-taugliche Berichte aus lokalem Code.

MCP-Scoping pro Workspace für den DeepSeek Harness — entscheiden Sie, welche MCP-Server eine Session aus dem Verzeichnis sehen darf, in dem sie geöffnet wurde.

Workspace-Drift-Bewusstsein für DeepSeek Harness-Agenten: erkennt externe/Nutzer-Dateiänderungen und injiziert sie an Schrittgrenzen in den Agentenkontext.

Konfigurierbare Sende- und Zeilenumbruchtasten, ein Composer-Kontextmenü mit drei Quellen (DSH und anderen Plugins überlassen / Browser-Menü / plugin-gestyltes eigenes Menü), ein Schnellbefehlspanel mit kategorisierten Prompt-Listen, bei denen jeder Prompt bei jedem Senden oder nur bei der ersten Nachricht einer Session angehängt werden kann, eine Zeile zum Erstellen und Verschieben am Ende jeder Kategorie, ein Prompt-Optimierer, der den Entwurf mit einem separaten Modellaufruf umschreibt, Größenspeicherung des Einstellungspanels und automatische Injektion des x-opencode-session-Headers für OpenCode-Routen. Prompt-Listen liegen in einer globalen ~/.dsh/quick-prompts.json, die unabhängig von Session und Projekt ist.

Mehrsprachige Codebase-Intelligenz für DeepSeek Harness und MCP-kompatible IDEs: Chat, Suche, Audit, Refactoring und board-taugliche Berichte aus lokalem Code.

Arbeitsbereich-weite Haftnotizen auf einer unendlichen Canvas: Notizen sind einfache Markdown-Dateien, die manuell erstellt, aus Konversationen erfasst oder von der KI destilliert werden und als Kontext zurückgegeben werden können; enthält 12 Modell-Tools und 5 mitgelieferte Skills zum Erstellen, Taggen, Anordnen, Vergleichen und Zusammenführen von Notizen.

DeepSeek-Harness-Adapter für Context Mode: In-Process-ctx_*-Tools für sandboxed Codeausführung und eine FTS5-Wissensbasis, plus Routing-Hinweise zum Kontextfenster.

Eine an das menschliche Gehirn angelehnte Kontextkomprimierung, die Kontextbelegung und Token-Verbrauch bei langen Aufgaben drastisch senkt.

Komprimiert den DSH-Zeitkontext von ~280 Zeichen auf 46, indem eine kompakte Datumszeile in den Laufzeitkontext-Snapshot injiziert wird; keine Laufzeitabhängigkeiten.

Seitenfrage-Schublade, die aus der Aktionszeile einer abgeschlossenen Antwort geöffnet wird: Folgefragen laufen in einer unabhängigen, automatisch archivierten Sitzung, die mit dem vorherigen Gesprächstext befüllt ist (schreibgeschützt, auf 48.000 Zeichen begrenzt) und die Hauptsitzung unberührt lässt. Die Seitensitzung erbt das Modell der Hauptsitzung, im Schubfach umschaltbar, mit einem Kontextnutzungsring.

Einmalige Prompt-Injektion auf Request-Ebene ohne weitere Kontextverschmutzung. UI- und Datenkompatibilität im SillyTavern-Stil, Keyword-/Regex-/Konstant-Trigger und ein lore_lookup-Tool für die Suche auf Abruf.