Plugins

Fest verankertes Wal-Widget in der Ecke für die DSH-Web-GUI — Guthaben, heutige Nutzung und Kosten pro Zug mit Spitzen-/Nebenzeit-Tarifen, editierbare Guthaben-Alarm- und Tagesbudget-Bubbles, modulbasierte eigene Bubbles-Warteschlange mit A/B-gewichteten Auswahlmöglichkeiten und zufälligen Zeilen oder Bildern, über 30 Anbieter-Vorlagen (OpenAI, OpenRouter, Kimi, SiliconFlow, Ark, Zhipu, MiniMax und mehr) mit Guthaben und Abo-Kontingent pro Modell, dazu Task-Ende-Sound, importierte Audiodateien, eigene Rollen und ein Ressourcen-Manager. Nur lokal, keine Telemetrie.

API-Kosten je Sitzung und pro Tag, Budget mit Nutzungs-%, offizieller Kontostand, Verlaufs-Dashboard sowie Ein-Klick-Abgleich der offiziellen Preise inklusive Peak-/Off-Peak-Tarifen.

Tiefgehendes Lesen von Büchern und Artikeln in fünf Modi (Schnell, Tief, Wissenskarte, Feynman, Vollständiges Buch) mit Aussage-Beleg-Daten-Berichten, Mermaid/XMind-Mindmaps, Stapelvergleich, Budget-Vorabprüfung, transparentem Fortschritt von Hintergrundaufgaben sowie MD/HTML-Exporten aus URLs, Dateien oder eingefügtem Text.

Schwebender DSH-Desktop-Begleiter mit 12 verfassten Zustandsanimationen für Anfragen, Werkzeuge, Compaction, Archivierung und Prompt-Erweiterung; Live-Kontextauslastung; ein dauerhaftes Lifetime Ledger über Sitzungen hinweg; Summen pro Anbieter/Modell, stündliche Trends und 7/30-Tage-Ansichten; Dunkel/Hell-Themenwechsel; optionale Kostenschätzungen (standardmäßig aus) mit visuellem Preiseditor und monatlicher Budgetwarnung; clientseitiger Skin-ZIP-Import; JSON/CSV-Nutzungsexport; reine Snapshot-Panel-Lesevorgänge mit Hintergrund-Inkrementindexierung; und optionale Prompt-Erweiterung mit bearbeitbarer Vorschau und DSH-Composer-Übermittlung.

Off-Peak-Batch-Runner für DeepSeek Harness: Benutzer definieren Aufgaben in Stoßzeiten – Prompt, Strategie, Priorität, Arbeitsbereich, gesperrte Dateien – und geben sie manuell frei; das Plugin führt den Batch dann automatisch innerhalb benutzerdefinierter Off-Peak-Fenster aus. Jeder Lauf durchläuft fünf Preflight-Prüfungen (Arbeitsbereich, git HEAD, sha256 der gesperrten Datei, Zeitfenster, Tagesbudget), unterstützt vier Ausführungsstrategien (einzeln / iterativ / Sampling / Review) und drei Autonomiestufen (L1 pro Aufgabe, L2 Batch, L3 vollautomatisch) und schließt die Schleife mit einem Morgenbericht, der Diffs, tatsächliche Ausgaben und Einsparungen aus einem täglichen Ledger enthält, der mit der offiziellen Peak-/Tal-Preisgestaltung abgeglichen ist.

Ordne deine Modelle und Token-Budgets jeder Rolle zu und lass dann DSH spezialisierte Subagents nach Aufgabentyp delegieren. Deckt Architektur-Analyse, UI/UX, Implementierung, Codebasis-Erkundung und Dokumentationsrecherche ab, mit automatischem Setup sowie Reasoning-Aufwand und Tool-Berechtigungen pro Rolle.

Denk-Budgets pro Anfrage, ein Kompaktierungs-Backend und ein Einstellungs-Tab für die lokale Qwen3.8-Linie (llama.cpp oder NInfer).

Lokal-first Vier-Bucket-Token-Observability: persistente Dashboards nach Sitzung/Anbieter/Modell/Tag, Trends, Budget- und Anomaliesignale, Schätzungen öffentlicher Tarife, sichere aggregierte Exporte sowie explizite Opt-in-Nutzungs- oder Sitzungsverlaufsanalyse.

MCP-Server für chinesische A-Aktien-Finanzdaten: 11 fin_data__*-Werkzeuge (Kurse/Kerzen/Finanzen/Kalender/Sonderdaten/Ankündigungen/EDB/Abstimmung/Fonds/Indizes) über THS-Offline-REST (primär) + AKShare (Fallback) + Wind (exklusive Domänen), mit beobachtbarer Degradierung, Kontext-Budget-Komprimierung (-72,2% auf der Ergebnisseite gemessen) und einem Offline-Marktdatensee über 10 Jahre. BYOK.

Rollenbasiertes Multi-Agent-Team für DeepSeek Harness. /team versammelt bis zu 12 Subagenten (Produkt, Architekt, Recherche, UI, Backend, Frontend, DB, Security, Reviewer, QA, DevOps, Docs) und führt einen Pipeline mit 9 Phasen und Gates aus (klären, recherchieren, entwerfen, Spec-Review, Plan-Freigabe, umsetzen, Review, Test, Ausliefern) über gemeinsame Artefakte. Qualitäts-Gates erzwingt der Code, nicht der Prompt: eine unfertige Aufgabe lässt sich nicht als abgeschlossen markieren, Befunde entscheidet die Reviewer- oder QA-Rolle, und Abdeckungslücken oder Rework erscheinen live im Overlay und in /team status. Enthält ein Live-Overlay (Phasen, Roster, Task-DAG, Artefakte, Entscheidungen), einen persistenten Team-Modus und Token-/Zeitabrechnung. Keine Laufzeitabhängigkeiten, kein Build.

Nutzungsbudgets und Kostenobergrenzen pro Plugin im llm/stream-Wasserfall: Nutzungsabrechnung pro Modell, Sitzungs- und Monatsbudgets mit Warn-/Blockier-Übergängen, Latenzfenster und eine Schätzung des CO2-Fußabdrucks.

Kostengünstiges Video-Verständnis-Tool: Ein video_understand-Tool wandelt einen Bilibili-Link / BV / ein lokales Video in eine AVIS-Informationsschicht (ASR + Szenenstruktur + Objekt-Tracking + YOLO-Labels) um und liefert Zusammenfassung + Q&A. Fragegesteuertes dynamisches Routing über Ebenen hinweg (L0 ASR / L1 Objekt-Tracking / L2 Keyframe-VLM), Wiederverwendung der semantischen Schicht für Wiederholungsfragen, Budgetobergrenze pro Frage. Python-Engine: Die Kernschicht benötigt faster-whisper / opencv / yt-dlp (~200-300MB); die optionale semantische Schicht fügt ~2GB torch / transformers / ultralytics hinzu. Ein mitgeliefertes doctor --fix richtet das venv ein und installiert beide.

China-A-Aktien-Finanzdaten-MCP-Server für das Harness: 11 fin_data__*-Tools (Quotes/Kerzen/Finanzen/Kalender/Spezialdaten/Ankündigungen/EDB/Abgleich/Fonds/Indizes) über THS kostenlose offizielle REST (primär) + AKShare (Fallback) + Wind (exklusive Domänen), mit beobachtbarer Degradation, Kontext-Budget-Komprimierung (resultatseitig -72,2 % gemessen) und einem Offline-Marktdaten-See für 10 Jahre; BYOK.

Liest die Dateien, auf die AGENTS.md über @path-Importe verweist, und spielt ihren Inhalt beim Start einer Sitzung in den Modellkontext ein, mit Byte-Budgets, erneuter Einspeisung nach der Kompaktierung und einer Einstellungskarte in sechs Sprachen.

Tiefenrecherche als Agentenmodus: eine einzige geprüfte Schleife, die plant, in adaptiven parallelen Runden forscht — gesteuert von den Lücken, die die Forscher selbst benennen —, einen zitierten Bericht synthetisiert und ihn dann adversarial überprüft, anstelle eines Skripts, das das Modell pro Aufruf neu schreibt. Fragen, die das Rundbudget nie erreichte, werden im Bericht benannt, statt verworfen zu werden.

Local-first Nutzungs- und Kostenmesser für die DSH-Web-UI: Composer-Button mit Live-Sitzungskosten und Guthaben; Panel mit einem gestapelten täglichen/7-Tage-Chart pro Modell, abgerechnet nach effektiven Listenpreis-Intervallen (die offizielle Preisseite wird täglich synchronisiert), monatlichen Nutzungstiers mit einer Canvas-Share-Karte, 30/50/85%-Warnungen bei Kontextdruck mit einem Klick auf /compact, Budgetwarnungen und einer npm-Update-Prüfung im Panel mit Ein-Klick-Update.

Kostentracking mit Preisen aus einem Online-Katalog (models.dev + OpenRouter, über 8000 Modelle, jeder Aufruf zum jeweiligen Echtzeitpreis abgerechnet): Kostenzeile pro Runde, Tab „Kosten“ mit Zuordnung der Ausgaben auf Werkzeugausgabe / Modellausgabe / System-Prompt / Befehle, Budget, Monatsprognose, ~166 Live-Wechselkurswährungen und ein bill_stats-Agententool.

Gesteuertes Langzeitgedächtnis für DeepSeek Harness: ein ausschließlich erweiterbares Evidenzprotokoll mit Schreibschutz, Behauptungen mit 7 Autoritätsstufen, Ablösungsketten und budgetierter Injektion vor jedem Schritt mit Kontingenten pro Domäne.

Langzeit-Markdown-Gedächtnis über Sessions hinweg mit LLM-Wiki-Struktur und SOUL.md-Persona, beim Sessionstart injiziert (standardmäßig erst nach der ersten Nutzernachricht und nur in der aktiven Session), dazu remember/recall/consolidate/forget, eingebetteter Memory-Skill und Pack/Unpack-Migration. Zudem Beobachtbarkeit und Pflege: ein Boot-Block-Budget pro Datei schützt die Index-Routingtabelle vor Kürzung, automatische last_access-Stempel machen Salienz-Verfall wirksam, ein schreibgeschütztes Memory-Health-Dashboard, ein deklarativer Index-Compiler, ein interaktiver Memory-Graph, Cross-Link-Vorschläge und ein `checkup`-Bericht mit priorisierter Aufgabenliste.

Sitzungsbegleiter mit vier Modulen: intelligenter Unterhaltungsexport (Markdown/PDF/JSON/PNG-Langbild mit Schwärzung sensibler Daten und ZIP-Stapelexport), Kontext-Übergabezusammenfassungen mit Vorlagen-Speichern/-Import, API-Kostenoptimierung (Live-Offizialpreise, Stoßzeit-/Nebenzeit-Planung, Tages-/Monatsbudgets, Modell-Routing) und globale Unterhaltungssuche mit In-Chat-Suche (Strg+F, CSS-Custom-Highlight-API).

Ein HUD in der Ecke für DeepSeek Harness, das den Token-Druck der Sitzung, Kosten je Modell sowie Tages-/Monatsverbrauch auf einen Blick zeigt, mit editierbarem Budget und Guthaben, das deine Ausgaben mitverfolgt.

Nutzungs- und Kostenansicht für DeepSeek Harness: aggregiert echten Token-Verbrauch aus vorhandenen Session-Logs, fixiert jeden Preis zum Preis seines Ereigniszeitpunkts und zeigt Monats- und Tagesausgaben im Verhältnis zu einem Budget – als Sidebar-Karte oder Pill in der Eingabeleiste.

Advisor-Reviews, die über Runden konvergieren, ein Engineering-Modus, dessen Schreibvorgänge ein Design-Token erfordern, die Eskalation einer Aufgabe an ein stärkeres Modell und parallele Multi-Modell-Beratung; eine Einstellungsseite bearbeitet Modellrouten, Timeouts und Budgets.

Korrektur der Kompaktierung für von NInfer gehostete Gateways qwen3.8-27b: deaktiviert das Denken bei Aufrufen von dsh zur Kompaktierung des Kontexts und zum Sitzungstitel, damit xhigh-Reasoning nicht das gesamte Budget der Ausgabe verbrennt; dieselbe Idee gilt für andere Startarten, dieses Paket zielt jedoch nur auf NInfer.