Plugins

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.

GitHub-Topic-gesteuerter Plugin- und Skill-Marktplatz: eine Einstellungsseite, die die automatisch gesammelte Registry durchsucht (das gesamte dsh-plugin-Topic plus den Skill-Index, alle 2 Stunden per CI aktualisiert) — mit Ein-Klick-Installation, Typerkennung, Sicherheitsbestätigungen für Installationsskripte und versteckte Host-Abhängigkeiten, Verwaltung von Umgebungsvariablen-Schlüsseln und der STANDARD.md-Erkennungsspezifikation.

Ein-Klick-Prompt-Verbesserung (5 Modi, Memory-Chain, Multi-Modell-Fallback) plus Spracherkennung (Cloud Qwen3-ASR / Offline SenseVoice, automatischer Stopp bei Stille) für den Composer, mit Ein-Klick-Neustart des DSH-Dienstes.

Spracheingabe für die Web-UI: Alt (oder Alt+Space) drücken, um das Diktat zu starten/stoppen, Browser Web Speech (Zero-Config) oder OpenAI-kompatible Cloud-ASR, optionale Politur durch das DSH-konfigurierte LLM, Einstellungs-UI.

Spracheingabe-Plugin für DeepSeek Harness (dsh): Eine Mikrofon-Schaltfläche im Composer wandelt Sprache in einen Entwurfstranskript um, mit wählbaren Spracherkennungs-Backends, optionaler Nachbearbeitung über die eigenen LLM-Routen von dsh und einer nativen Einstellungsseite.

Vollduplex-Sprachmodus für die DeepSeek Harness Web-UI: Toggle (2-Sekunden-Pause Auto-Send) oder Hold-to-Talk-Diktat in einen editierbaren Entwurf mit zipformer2-Streaming-ASR, optionalem Wake Word; Edge-TTS-Vorlesen Satz für Satz mit Live-Untertiteln, und Sprechen unterbricht Wiedergabe und laufenden Turn (echtes Barge-in). On-Device-ASR, kein API-Schlüssel.

Externes Vision-Plugin für DeepSeek Harness: Konfigurationspanel über den Whale-Button, Bilderkennung mit automatischer Antwort sowie Agent-Tools für Screenshot und Erkennung.

Für das native Vision-Modell deepseek-v4-flash-vision-exp von DeepSeek Harness erhöht er die Bildzulassungsgrenzen auf 32 MiB / 8192 px / 600 Bilder und fügt ein highres_read-Werkzeug hinzu, das große Bilder in Kacheln zerlegt und dann das Gesamtbild plus 800x800-Kacheln über das Host-Werkzeug read_image zurückgibt.

Spracheingabe für DeepSeek Harness: Sprechen Sie ins Mikrofon und der erkannte Text wird als normale Chat-Nachricht übermittelt, über lokale oder Browser-Spracherkennung.

Vision für das reine Text-DeepSeek standardmäßig über Doubao Web (kostenlos, kein API-Schlüssel nötig – steuert Ihr angemeldetes Chrome über eine Windows-CDP-Brücke), mit Antigravity-IDE-Kontingent (flash/pro) oder Gemini als Fallback; automatische Detail-Eskalation, Vision-Beleg-Speicher mit Rehydrierung nach Kompaktierung, Content-Hash-Cache und ein zweisprachiges Client-Panel.

Stellt das see_image-Tool für DSH bereit: sendet eine Bilddatei an ein konfigurierbares OpenAI-kompatibles Vision-Modell und leitet dessen Beschreibung an ein reines Textmodell zurück.

Großbild-Erkennung für vision-exp-Modelle: verlustfreie 800×800-Kachel-Erkennung (smart/pipeline/full), lokales OCR mit Vorverarbeitung und Handschriftrouting, optionale Multi-Vendor-GPU (DirectML/CUDA/OpenVINO) mit automatischem CPU-Fallback.

Kostenlose geschlossene Sprachschleife für die Web-UI: Mikrofoneingabe über die Browser-SpeechRecognition mit Live-Zwischenergebnissen plus Vorlese-Lautsprecherschaltflächen und automatisches Vorlesen der Antworten des Assistenten, ganz ohne Konfiguration und ohne API-Schlüssel.

Ein Urteilskern für DeepSeek Harness: eine Kognitionsschleife, die jeder Entscheidung Quelle und Zuordnung gibt und die Planung bis zum Abschluss treibt, ein Hippocampus-Gedächtnis, das laufende Erfahrung zu wiederverwendbarem Wissen verdichtet, und eine anpassbare Persona-Karte (Name, Persönlichkeit, Kommunikationsstil). Erfordert DSH ^0.1.0-rc.7.

J-Space Cognition Suite SV1 als natives Agent-Preset und eigenständiges Cordis-Plugin: 13 Module, persistenter Controller und entkoppelter Workspace.

Omnimodale Workstation für DSH: analyze_image über eine geordnete Failover-Kette aus mehreren VLM-Karten, ein Bildwerkzeugkasten mit sechs Werkzeugen (Zoom, Farbabtastung, Pixel-Diff, OCR, Elementerkennung, Anzeige im Chat), die denselben Bildauflöser nutzen, generate_image über die Protokolle OpenAI/DashScope/ComfyUI, asynchrones generate_video mit mehreren Karten samt Builder /build-video-tool und speak/clone_voice für Sprachausgabe über sieben Anbieter – alles gesteuert von einer selbst speichernden Einstellungsseite.

Einhändige Eingabe ohne Tastatur für das Eingabefeld: Maustaste im Eingabefeld gedrückt halten, sprechen, loslassen – der Text landet im Entwurf, und Hochschieben bricht ab, ohne einen halben Satz zu hinterlassen. Kein Mikrofonknopf zum Anvisieren und kein Kurzbefehl zum Merken; die Hand muss den Eingabebereich nie verlassen, was gerade dann zählt, wenn die andere Hand beschäftigt ist. Die Erkennung läuft vollständig offline (SenseVoice über sherpa-onnx, kein API-Schlüssel, Audio verlässt nie den Rechner).

Sprachassistent für dsh web: Mit dem Weckruf (z. B. „小鲸“) wird freihändiges Diktieren aktiviert – das Gesagte wird transkribiert und automatisch in das Chatfeld getippt. Unterstützt gesprochene Bearbeitungsbefehle (senden, leeren, neue Zeile, Vorlesen beenden) und liest Antworten des Assistenten auf Chinesisch vor. Die Spracherkennung läuft lokal im Browser über sherpa-onnx WASM, funktioniert also offline ohne API-Schlüssel.

Durchgängige Sprachkonversationen für DSH mit freihändigem Zuhören, Push-to-Talk, Spracherkennung, TTS-Antworten und Hintergrund-Agent-Delegation.

Bildverständnis für jedes DSH-Modell: Vision-, OCR-, Grounding- und Zuschneide-Tools mit Domänen-Presets für Histopathologie, Zellbiologie, Anatomie, klinische Bilder und wissenschaftliche Abbildungen.

Spracheingabe für die Web UI: eine Mikrofonschaltfläche, die die lokale Offline-Spracherkennung von VocoType steuert und erkannten Text automatisch in den Editor einfügt (Auto-Deploy, Deduplizierung, kontinuierliche Diktation).

Zeigt eingefügte oder hochgeladene Bilder direkt im DSH-Web-Chat an und gibt reinen Textmodellen Sehkraft: Das vom Modell aufrufbare Tool visual_review nutzt zuerst eine OpenAI-kompatible multimodale API und fällt bei einem Fehler auf einen lokalen Qwen3-VL-Worker zurück.

Komplettes Vision-Funktionspaket für DeepSeek Harness: ein vision_understand-Tool (OpenAI-kompatible Vision-APIs, standardmäßig kostenloses Zhipu GLM-4V-Flash) sowie Einfüge-/Drag-and-Drop-/Button-Einstiegspunkte für die Bilderkennung.

Sprachanruf-Assistent für die DSH-Web-GUI: eine ziehbare schwebende Anrufkugel, Browser-seitiges VAD, das jede Äußerung nach einer Pause sendet, FunASR-HTTP- oder Streaming-Spracherkennung, TTS-Antworten von MiniMax oder OpenAI-kompatibel, ein optionaler Wake-Word-Modus mit Auto-Schlaf und Aufgabenverteilung an separate Subagenten-Sitzungen mit Fortschritt, Stopp und gesprochenen Abschlussberichten.