Plugins

Auto-Thinking-Effort-Routing für dsh: ein lokal feinabgestimmter 7-Fragen-Klassifizierer (ModernBERT, 842 MB, <1 s CPU-Inferenz) wählt low/high/max für No-Intent-Nachrichten; In-Session-Retries eskalieren die Stufe (low → high → max) unter Ausschluss-Constraints; der Judge-Service fällt sicher auf low zurück, wenn nicht erreichbar. Ein Tier-Chip in der Input-Leiste zeigt die Live-Stufe und die letzten 20 Bewertungen. Alle Inferenz ist lokal — Aufgabentext verlässt niemals die Maschine.

Fügt eine `auto`-Berechtigungsvoreinstellung zwischen workspace-write und danger-full-access hinzu: Ein Klassifikator gewährt routinemäßige Sandbox-Eskalationen einmalig, während gefährliche oder unsichere Anfragen weiterhin an einen Menschen gehen.

CC-artige automatische Genehmigung für DeepSeek Harness: deterministische Regeln zum Ablehnen/Zulassen sowie ein zweistufiger Zulassen/Ablehnen-Klassifikator mit Schutzschalter und Hinweisen bei Ablehnung.

KI-Plugin zur Klassifizierung von Stadtdaten: empfiehlt automatisch eine Datenklasse nach GB/T 47949 und unterstützt strukturierte, semistrukturierte und unstrukturierte Daten.

Fasst alte Gespräche per Nebenmodell vor vollem Kontext zusammen; dauerhaftes On-Disk-Protokoll, nach Host-Kompaktierung neu verankert. Messung: reale Ganztagssitzung, 6 Faltungen ersetzten 209 Nachrichten; aktiver Kontext blieb bei zigtausend Tokens. Routing je Aufgabe über 6 Pools (sparsam, mechanisch, Hauptmodell, schwierig, Vision, Review) oder Auto/Kleinklassifikator; Wechsel erst ab Konfidenzschwelle, Prompt-Cache bleibt warm. Drei-Zeilen-Marke startet 4-Schritt-Übergabe (Fork-Sicherung, Dokument, Kompaktierung, Aufwecken), ohne aktive Subagenten zu verlieren; /ctx-pause, /ctx-resume, /ctx-handover manuell. Agent Teams optional; /vision für Textmodelle; große Diffs an Tester + unabhängigen Reviewer. UI/README in 11 Sprachen. Skills: MySQL/Redis-Lesen, Commits, Anforderungen/Design.

Erkennt, welches Konversationsmodell einem Konto aktuell zugewiesen wird: startet parallele Wegwerf-Probe-Konversationen, bewertet jede streaming Chain-of-Thought danach, wie ihre Absätze beginnen, und bricht Probes, die wie das ältere Modell klingen, innerhalb von Sekunden ab. Inklusive Offline-Self-Check, der 13 handgelabelte Chains-of-Thought durch denselben Klassifizierer repliziert.

Hält einen Modellpool vor und leitet jeden Agentenschritt mit festgelegter Reasoning-Stärke an ein Modell; die Einrichtung erfolgt per Klick im Composer, ohne JSON. Der Router übernimmt dessen Modellfeld und zeigt Sitzungsmodell/Reasoning-Stärke sowie Router-Einstellungen gemeinsam an. Drei Berechtigungsbereiche (model/effort/full): Eine manuelle Auswahl gilt nur im zuständigen Bereich; bei effort ist der Router an das gewählte Modell gebunden. Enthält Aufgabenprofile mit Modellgewichten, Vision-Routing für Bildschritte, Sitzungssignale (active todo, context pressure, token budget, subagent depth) und einen optionalen semantischen Klassifizierer. thinking bleibt aktiv, da DeepSeek thinking-Anfragen ablehnt, wenn der Verlauf einen Tool-Aufruf mit deaktiviertem thinking enthält.

Bindet kostenlose und kostenpflichtige WorkBuddy-Modelle (Inland und international) ohne Desktop-App in DSH ein. Gepflegter Fork von Faide-cyber/dsh-workbuddy, veröffentlicht als @bushizhanghan/dsh-workmate; der Upstream ist bereits im Katalog. Nicht gemeinsam installieren: Beide registrieren dieselbe provider id „workbuddy-ai“ und kollidieren. v1.2.7 verschiebt überlange System-Prompts hinter den Kanal-Risikofilter des Inlands-Gateways, ändert die DSH-Markenzeichenfolge und ergänzt einen Debug-Dump. Unterstützt dsh 0.2.0-rc.2 bis 0.2.1 einschließlich Vorabversionen.

Berechtigungsschutz für DSH: vier Bereiche mit read/write/execute-Rechten im nativen Berechtigungsmenü, plus optionaler Jev-Semantikklassifizierer für Bash-Befehle.

Senkt LLM-Kosten: Ein Jev-Klassifikator (System One) prüft jeden Zug anhand einer deklarativen Richtlinie und empfiehlt den Modellpfad für Subagenten. Routineaufgaben laufen zu Flash-Tarifen, schwierige bleiben beim Hauptmodell. Mit explizitem /route-Auslöser, Laufzeitprüfung der Delegierungsfähigkeit, Schwärzung von Zugangsdaten und Offline-Wiedergabe anhand des Entscheidungsprotokolls.

Hybrid-Modell-Router für DeepSeek Harness: deklarative Regeln, benutzerkonfigurierbare Kostenkontrolle (Cost-First / Quality-First / Balanced), optionaler LLM-Aufgabenklassifizierer und Failure-Fallback-Ketten.

Autonomer Berechtigungsklassifikator für das auto-Preset: toolspezifische allow/deny-Regeln, ein semantischer LLM-Richter und Git-Checkpoints für unbeaufsichtigte Sitzungen.

Stellt eine vom Host wegen Überschreitung des Kontextfensters abgelehnte Sitzung wieder her: Prüft die vom eingebauten Klassifizierer übersehene Gateway-Nachricht erneut, liest daraus das echte Fenster und faltet den ältesten Abschnitt ohne Modellaufruf zu einem Checkpoint zusammen (Tool-Ergebnisse kürzen, Host-Compaction-Engine falls sie die Projektion verkleinert oder mechanischer Digest-Fold). Danach wird der fehlgeschlagene Schritt wiederholt. `context_rescue` sowie `/rescue` und `/rescue-status` bieten denselben manuellen Weg.

Hybrider Model-Router für DeepSeek Harness mit deklarativen Regeln, nutzerkonfigurierbarer Kostensteuerung (cost-first/quality-first/balanced), optionalem LLM-Aufgabenklassifikator und Fallback-Ketten bei Fehlern.

Subagent-Modellsteuerung: Jev classifier markiert jeden Turn; der agent/request-Hook schreibt die Anfrage auf den zugeordneten Provider, das Modell und Reasoning-Effort um. Mit sitzungsbezogenem inherit/auto/manual-Auswahlfeld, einem Prompt je Rolle vor der Aufgabe und Offline-Wiedergabe früherer Urteile.

Automatisches tierbasiertes Modellrouting für DeepSeek Harness: Das virtuelle Modell `smart` stuft jede Anfrage nach Schwierigkeit (hard/normal/easy) und Vision-Bedarf ein und leitet sie an bereits konfigurierte Modelle weiter. Keine Zusatzkonfiguration.