Plugins

Agentenübergreifendes, local-first persistentes Gedächtnis-Plugin für DeepSeek Harness (DSH), unterstützt von Mnemon. Es teilt Langzeitgedächtnis zwischen Mnemon-fähigen Agents und fügt Laufzeitgedächtnis, durchsuchbare Projektdokumente, semantischen Recall, Knowledge Graph und eine Seitenleisten-UI hinzu.

Mnemotechnik-Ebene.

Drei-Schichten-Speichersteuerungsebene für DeepSeek Harness: persistenter Laufzeitkontext, durchsuchbare Projektdokumente, austauschbarer Langzeitspeicher, intelligentes Routing, überwachte Agent-Workflows, WebUI und Headless-Werkzeuge.

Modellgesteuerte Kontextkomprimierung (Active Context Pruning) für DeepSeek Harness: Das Modell entscheidet, wann und was komprimiert wird.

Das Gedächtnis, das träumt — sitzungsübergreifendes Gedächtnis für DeepSeek Harness: erinnert dich über Sitzungen hinweg, konsolidiert sich im Schlaf selbst (autoDream), friert widersprüchliche Erinnerungen für deine Prüfung ein und führt ein wiedergabefähiges Audit-Protokoll. Offline-first lokale semantische Suche über SQLite mit manuell editierbaren Markdown-Spiegeln, ein Entity-Graph, ein interaktives Gedächtnis-Panel sowie eine externe API und CLI.

Das Gedächtnis, das träumt — sitzungsübergreifendes Gedächtnis für DeepSeek Harness: erinnert sich über Sitzungen hinweg, konsolidiert sich im Schlaf (autoDream), friert widersprüchliche Erinnerungen für die Prüfung ein und führt eine wiederabspielbare Prüfspur. Offline-first lokale semantische Suche über SQLite mit menschenlesbaren Markdown-Spiegeln, einem Entitätengraphen, einem interaktiven Gedächtnis-Panel sowie externer API und CLI.

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.

Verzweigen Sie weiter in beliebiger Tiefe von jeder abgeschlossenen Antwort, während die Hauptsitzung unverändert bleibt.

Text in einer committeten DSH-Antwort auswählen, um ein unabhängiges, persistentes, schreibgeschütztes Multi-Turn-Topic zu öffnen, das an Source-Session-Evidenz und Projektdateien gebunden ist, während der Quell-Agent weiterläuft.

Oh My DSH (OMD) fügt Kontextzusammenfassungen mit Rückgriff auf die Originalquelle, aufgabenverknüpfte Verifikation, Prompt-Optimierung, CodeGraph-Codenavigation, OpenCU-Computersteuerung und vier Themes für Layout, Seitenleisten und Einstellungen hinzu.

Token-Kosten-Pipeline für DeepSeek Harness: druckabhängige, geschichtete Kompaktierung (verlustfreie Projektion unter 40 % Kontextdruck, darüber LLM-Zusammenfassung), Tool-Allowlisting pro Agent, Langtext-zu-Bild mit Vision-Zusammenfassung und ein /token-status-Befehl, der Druck, Stufen und eingesparte Tokens verfolgt.

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

Kapselt Arbeit in benannte Aufgaben und faltet beim Schließen einer Aufgabe den gesamten Nachrichtenbereich an der nächsten Schrittgrenze zu einer einzigen Zusammenfassung; der ursprüngliche Inhalt kann auf Wunsch wiederhergestellt werden.

Verwalten Sie MCP-Server, Skills und Tools Ihres Agenten — echter In-Context-Zustand (geladen/gekürzt/verdrängt) und Umschalter pro Sitzung.

Ersetzt den eingebauten DSH-Kompaktierungs-Summarizer durch eine Übergabezusammenfassung mit fünf Abschnitten und hält jede verdrängte Nachricht in einem Segmentverzeichnis lesbar.

Modellgesteuertes Paket zum Überlaufen des Kontextfensters für DeepSeek Harness: frischer Arbeitskontext, dauerhafte, vom Modell verwaltete Notizen, ein kleiner wörtlicher aktueller Schwanz und gezielte Wiederherstellung der Historie – ohne Zusammenfassung.

Vergessenskurven-In-Place-Dialogkomprimierung für DeepSeek Harness: Aktuelle Turns bleiben wörtlich, mittlere Turns werden strukturell dehydriert (ohne LLM), alte Turns werden in ein begrenztes Zusammenfassungspaar gefaltet — unbegrenzte Gespräche auf begrenztem Speicherbudget.

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

Windowed, reversible context management for DeepSeek Harness; replaces Basic compaction.

Fronts stdio MCP servers with three router tools (list_capabilities, describe_tool, call_tool) so schemas load on demand instead of riding every request; shapes every tool result through a deterministic output ladder that archives the original first (retrieve_spill reads it back); prices tool groups in tokens and can hide built-in groups per agent. Bridges to a standard-library Python router, so Python 3.9+ is required.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

Adaptive Reversible Context (ARC) für DeepSeek Harness — anbieterbewusste, cache-bewusste Kontextverwaltung mit reversibler Wiederherstellung.

Plugin für dynamisches Kontextmanagement für DeepSeek Harness (Dynamic Context Pruning for dsh), angelehnt an opencode-dcp.

Lets the model trigger compaction itself at a safe point via a compact_now tool (works mid-turn), plus a context_status tool reporting real token usage against the session's actual context window.