Plugins

Fügt DeepSeek Harness eine bearbeitbare Gesprächsleinwand hinzu, bei der Graphverbindungen den Kontext für Leinwandanfragen auswählen, mit Verzweigung, Zusammenführung und Importen lokaler Agent-Sitzungen.

ThoughtDAG für DeepSeek Harness: verwandelt die aktuelle DSH-Sitzung in einen bearbeitbaren Denkgraphen auf einer unendlichen Leinwand.

PLUR-Speicher für DeepSeek Harness – Engramme werden direkt in den Prompt injiziert, kein Tool-Aufruf erforderlich

Auto-Memory im Claude-Code-Stil, nativ: typisierte Memory-Dateien (user/feedback/project/reference) mit einem MEMORY.md-Index, der automatisch in den System-Prompt injiziert wird (kein Footprint im leeren Zustand); memory_write/read/list/delete folgen den Schreibregeln von Claude Code (Deduplizieren-und-Aktualisieren, absolute Datumsangaben, Querverweise); Ebenen auf Workspace- und Nutzer-Scope, prozessübergreifendes File-Locking mit Recovery verwaister Locks, reines Markdown auf der Platte, keine externen Dienste, keine Embeddings.

Agent Context Editor ist ein Agent-übergreifendes Plugin zum manuellen Ausschließen, Bearbeiten und selektiven Komprimieren des KI-Gesprächskontexts. Es unterstützt außerdem das Suchen, Filtern, Auswählen, Verbergen, Wiederherstellen und Rückgängigmachen von Gesprächsänderungen unter Beibehaltung der ursprünglichen Sitzung.

Langzeitgedächtnis für DSH: Gespräche werden automatisch in atomare Fakten, Szenenzusammenfassungen und ein Persona-Profil destilliert, wobei relevante Erinnerungen vor jedem Modellschritt injiziert werden. Ohne Konfiguration sofort einsatzbereit — hybride BM25- + Vektor-Recherche, optionale lokale Offline-Embeddings, Trennung von Chat-/Arbeits-Familien.

Anatomie-Panel für die Agent-Body-Organe: liefert ein Live-Vitalwerte-Dashboard unter /anatomy direkt im Harness selbst – Organe, Herzschlag, Heilungsjournal, Selbsttrainings-Zähler und der echte Pulsstrom – direkt aus den Laufzeitdateien gelesen statt neu eingetippt. Nur Host, kein Client-Bundle und kein Build-Schritt.

Zero-residence-Kontext-Engine: Große Tool-Payloads werden aus dem aktiven Kontext in einen abfragbaren Speicher ausgelagert, sodass nur deterministische Zeiger zurückbleiben und die Prompt-Tokens pro Turn nicht mehr mit dem Transkript wachsen. Maskierte Inhalte werden auf Anforderung wörtlich aus dem Sitzungsprotokoll rekonstruiert – anhand der Tool-Call-ID oder der Session-Seq.

Organkern von Agent-Body: Plugins als ein einziger Körper. Jeder Befehl wird ein Nervenimpuls, der deterministisch das zuständige Organ innerviert und die Fähigkeit benennt; ein Herzschlag mit variablem Intervall pumpt Betreiber-Direktiven, Propriozeption und Homöostase-Warnungen systemweit; Reflexbögen feuern ohne Modellaufruf; Fehler folgen einer deterministischen Zuordnung (Tool, Argumente, Berechtigung, Timeout, Netz), einem Rezept und einer Nachprüfschleife, Argumentfehler werden nie automatisch wiederholt. Ein fehlendes Organ kompensiert das mit der größten Fähigkeitsüberschneidung, und Tool-Schemata werden nach der aktuellen Absicht gefiltert (gemessene Reduktion 84,7 %, im Repo reproduzierbar). Dies ist das Kern-Plugin-Paket im agent-body-Repository.

Das Gedächtnisorgan von Agent-Body: Nach 2 Minuten Stille geht es in leichten Schlaf, nach 5 Minuten in Tiefschlaf, wo deterministische Regeln echte Erfahrung zu Gedächtniskarten destillieren (Fallstricke, Playbooks, Hotspots, ungelöste Probleme, Fakten). Eingehende Befehle rufen verwandte Karten per Schlüsselwort ab und injizieren sie in den Kontext; lange ungenutzte Karten verfallen mit einer Halbwertszeit und werden archiviert statt gelöscht. Außerdem entrauscht es körperweite Homöostase-Warnungen: Wiederholungen innerhalb eines Fensters werden gezählt statt erneut ausgegeben, und eine Warnung, die immer wiederkehrt, ohne je zu heilen, konvergiert zu einem bekannten Steady-State-Offset und verstummt. Konsolidierung und Abruf machen keine Modellaufrufe.

Local-first Code-Wissensgraph für Coding-Agents: 10 MCP-Tools für schichtweise Kontextkomprimierung, DAG-Planung, inkrementelle AST-Indizierung, session-übergreifendes Skill-Flywheel, Diagnosen sowie Import/Export von Graph-Artefakten.

Plugin-Koordinationsschicht: Plugins deklarieren ihre Fähigkeiten, Befehle werden ohne Model-Aufruf an das zuständige Plugin geroutet, Tool-Schemas werden bei Bedarf geladen, um Prompt-Tokens zu sparen, die Run-Historie verdichtet sich im Leerlauf zu Langzeitgedächtnis, und Fehler werden vor jedem Retry klassifiziert.

Inhaltsbewusster Tool-Ergebnis-Reducer: 13 Reducer kürzen übermäßige Ausgaben nach Bedeutung in tools/post-execute (fehlgeschlagene Tests bleiben erhalten, Diff-Kontext wird entfernt, JSON und CSV werden gesampelt, Lint-Probleme werden nach Regel gruppiert, Dependency-Stack-Frames werden eingeklappt und überfüllte Verzeichnisse werden gezählt), wobei vollständige Originale über einen Lokator auf die Festplatte ausgelagert werden.

MCP-Gateway mit progressiver Offenlegung: durchsucht große Remote-Kataloge über `mcp_search` und ruft dann exakte Schemas über `mcp_call` auf – mit verzögerten Verbindungen und begrenzten Caches.

NeatMem-Langzeitgedächtnis-Plugin für DeepSeek Harness – schlanker REST-Client gegen einen neatmem-Server

Verlustfreies Falten des Kontexts für DeepSeek Harness: der älteste Abschnitt wird durch eine Kurzfassung ersetzt, die Originale bleiben im Sitzungsprotokoll erhalten.

Modulare Frontier-Ausführungsdisziplin für DSH: beweiserstes Routing über 26 Skills, Dateiplanung im Manus-Stil, Verifikationsgates, Erholung nach Fehlerserien und ein interaktives Web-Dashboard.

Leistungsprofiling und LLM-Cache-Diagnose für DeepSeek Harness — Kontext-Engineering, Latenzprofiling und Berichte zum Cache-Verhalten.

Zeigt an, welchen Graft-Index eine dsh-Session ausliefert und ob er noch zum Code passt, und stellt dem Modell graft_ask, graft_grep, graft_callers, graft_skeleton und graft_map als native Tools bereit.

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.

Superselfs self-CLI als modellseitige Tools (Projekt-Kontext, Work-Units, Reports, Decisions) plus ein /self-Befehl – sitzungs- und projektübergreifender Projektzustand außerhalb des Code-Repos.

Fügt dauerhafte Ausführungsverträge, rekursive Arbeitsgraphen, kritische Klärungen und Evidenz-Gates für lange oder unzureichend spezifizierte Harness-Aufgaben hinzu.

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.

DeepSeek-Harness-Plugin: Superselfs `self`-CLI als modellseitige Tools plus ein /self-Befehl — projektübergreifender und sitzungsübergreifender Projektzustand für Agenten.