Plugins

Memory Body: benannte, sitzungsübergreifende, isolierte, einhängbare Speichereinheiten

Ein Repository, drei Teile: ein Laufzeit-Injektor für DSH-Plugin-Pakete (Injizieren, Hot-Reload, Entladen, ein Entwicklungswerkzeug nach vorne holen, Selbstheilungs-Routing sowie ein Plugin-Manager auf der Einstellungsseite, der auflistet, entlädt und Ordner zum Internalisieren per Drag and Drop aufnimmt), ein aufgabenbewusster Reasoning-Mode-Router als agent preset (router-standard / router-spec / router-react) und ein abgestuftes zweistufiges Aufgabenprotokoll, dessen sechs Werkzeuge (commit_star, lock_stage, revise_do, edit_plan, mark_task, redteam_verdict) den Aufgabenstatus auf der Festplatte fixieren. Die Injektor-Implementierung liegt im Baum bei, die Installation bringt also ihr eigenes Verhalten statt einer Abhängigkeitsliste mit.

Reines Konfigurationspaket, das Ouroboros über den MCP-Client von DSH einbindet und 36 Workflow-Tools für Interview, Seed, Ausführung, Bewertung und Evolution in DSH bereitstellt.

LoopX, ein anbieterneutraler Local-First-State-Kernel und eine Control Plane für langfristig arbeitende Agenten: hält Goal-, Todo-, Gate-, Evidence-, Quota-, Recovery- und Handoff-Status oberhalb von DeepSeek Harness, während das Plugin CLI und Skills bootstrappt, begrenzte Fortsetzung in derselben Session zulässt und eine Loopback-GoalBar für die exakt gebundene Schleife hinzufügt.

LoopX, ein anbieterneutraler, lokal orientierter State-Kernel und Control Plane für Agenten mit langem Horizont: hält Goal-, Todo-, Gate-, Evidence-, Quota-, Recovery- und Handoff-Zustand oberhalb von DeepSeek Harness, während das Plugin CLI und Skills bootstrapped, begrenzte Fortsetzung in derselben Sitzung zulässt und eine Loopback-GoalBar für den exakt begrenzten Loop hinzufügt.

iPolloWork HyperFrames Video Studio und 27 bearbeitbare Videovorlagen als native Konversationsansicht für DeepSeek Harness.

Ersetzt die Dateisystem- und Bash-Provider durch einen virtuellen mirage-Arbeitsbereich: Datei-Tools und Shell-Befehle laufen über eingebundene Ressourcen (RAM, S3, Redis, Slack, Gmail, Notion, Postgres) anstelle der Host-Festplatte, mit Lese-/Schreib-/Ausführungsmodi je Mount, Sandbox-Routing je Befehl (monty, pyodide, quickjs im Prozess; docker, e2b, daytona remote) und installierten CLIs (git, gh, slack, linear, ntn, gws oder eine selbst registrierte) als Kopfwörter im virtuellen Terminal.

Verbindet DeepSeek Harness mit der local-first, selbst-evolvierenden persönlichen Wissensdatenbank von ReMe: erfasst abgeschlossene Hauptagent-Gespräche automatisch als nutzereigenes Markdown-Gedächtnis, durchsucht Gespräche und Quellmaterial über reme_search mit BM25, optionalen Embeddings und Wikilink-Erweiterung und plant eine tägliche Gedächtnis-Konsolidierung.

Verbindet DeepSeek Harness mit ReMes lokaler, selbst weiterentwickelnder persönlicher Wissensdatenbank: erfasst abgeschlossene Haupt-Agenten-Gespräche automatisch als benutzereigenes Markdown-Gedächtnis, durchsucht Gespräche und Quellmaterial über reme_search mit BM25, optionalen Embeddings und Wikilink-Erweiterung und plant die tägliche Gedächtniskonsolidierung.

Verbindet IM-Bots über QR-Codes oder Bot-Zugangsdaten mit DeepSeek Harness (9 Kanäle: Feishu, WeChat, DingTalk, WeCom, QQ, Slack, Telegram, Discord und WhatsApp).

Ein Schutz vor der Ausführung für KI-Coding-Agenten. Er blockiert destruktive Git- und Dateisystem-Befehle sowie übliche Zugriffsversuche auf sensible Dateien, bevor ein Tool-Aufruf ausgeführt wird. Unterstützt Amp Code, Antigravity CLI, Claude Code, Codex, Cursor, DeepSeek Harness, Gemini CLI, GitHub Copilot CLI, Grok Build, Hermes Agent, Kimi Code, OpenClaw, OpenCode und Pi.

Softwareentwicklungs-Methodenpaket für Coding-Agenten mit Skills für baseline-orientierte Planung, systematisches Debugging, Prompt-Hygiene, Verifikation vor Abschluss sowie Reparatur-/Stilllegungs-Tracking.

Führt lokale Sicherheitsaudits von KI-API-Relais und LLM-Proxys aus DeepSeek Harness heraus durch und erstellt Markdown-Berichte zu Prompt-Injection, Signalen für Modellsubstitution, Umschreibung von Tool-Aufrufen, Fehlerlecks, Stream-Integrität und profilgesteuerten Web3-Risiken.

Verbindet dsh über stdio MCP mit einer lokalen SandBase-Harness-Laufzeitumgebung zur Verwaltung von Agenten und Sitzungen, zum Streamen von Turns, zur Inspektion von Artefakten und zum Abbrechen von Arbeiten.

Native konversationelle Bildgenerierung für DeepSeek Harness: Bitten Sie den Agenten, ein Bild zu erstellen, und er übernimmt die Generierung und behält das Ergebnis direkt in der Konversation.

Fehlerbehebungs-Gedächtnis: durchsucht und protokolliert Lehren aus der Fehlerbehebung realer Engineering-Sitzungen, mit BM25- + semantischer RAG-Suche und einer Wissensdatenbank mit gewonnenen Erkenntnissen.

LLM-überwachtes persistentes Gedächtnis für KI-Agenten — graphbasierter Abruf, sitzungsübergreifendes Wissen, einzelne Binärdatei. Funktioniert mit DeepSeek Harness, Claude Code, OpenClaw und jeder Agent-Runtime.

ChatGPT- (Codex), Claude- und Grok-Abonnements als DeepSeek-Harness-LLM-Anbieter nutzen, mit Einstellungs-Login, Modellkatalogen, Nutzung sowie image_generate-, video_generate- und x_search-Werkzeugen.

Die Funktionen von DeepWatch, installierbar in ein bestehendes DeepSeek Harness-Profil

Community-Distribution: TUI, Desktop und Web UI als ein Bundle mit schichtweiser Installation.

Ein live iOS-Simulator oder per USB verbundenes iPhone innerhalb der Unterhaltung: 22 Agententools zum Starten, Bauen und Steuern der UI über Accessibility-Identität oder OCR-Text, List-Row-Aktionen und SwiftUI-Preview-Hot-Reload sowie ein streamendes Seitenleistenpanel, das du antippen und ziehen kannst.

White-Box-AGI-Architektur-Erkundung: Metakognition (Selbsterkennungsschleife), kontinuierliches Lernen (Wissens-Schwungrad), Weltmodell (Bedingungsraum, räumlich-zeitlicher Speichergraph), Selbstverbesserung (Bootstrap-Disziplin), Zero-LLM-White-Box-Pipeline und überprüfbare Vertrauens-Leitplanken.

Ein DSH-Plugin für die Produktion von Fiction, Kurzdrama, interaktiven Spielen und Video-Zusammenfassungen

Persistente Multi-Modell-Trupps, die in den Einstellungen konfiguriert und im Composer ausgewählt werden, mit Modell- und Tool-Richtlinien pro Mitglied. Standardmäßig erledigt der leitende Agent einfache Arbeit selbst und delegiert nur, wenn der gespeicherte Trupp gebraucht wird; delegierte Arbeit läuft als begrenzter DAG mit optionaler Prüfung und Reparatur. Run Center verfolgt Wiederholungen und Tokens pro Mitglied aus offiziellen Harness-Nutzungsereignissen.