Plugins

Integriert TypeSafe Jev in DeepSeek Harness für die Auswahl von Skills und Dateien, Aufgabenaufsicht, Korrektur gemeinsamer Erkenntnisse, Filterung von Tool-Ausgaben, Genehmigungsunterstützung und Navigation durch protokollierte Phasen. Alle Funktionen sind standardmäßig deaktiviert.

Kausaler Speicher für dsh: eine abhängigkeitfreie MCP-stdio-Brücke, die die 17 Tools des causal-memory-Servers unter klaren Namen (ohne Präfix mcp__) einbindet — Entscheidung-→-Ergebnis-Kanten mit typisierten Beziehungen (caused / enabled / prevented) in einem lokalen SQLite-Speicher, der Kompaktierungen übersteht — plus ein angehefteter System-Prompt-Abschnitt. Erfordert die Binärdatei des causal-memory-Servers im PATH (pip install causal-memory oder ein vorkompiliertes Release).

Multi-Modell-Rat für DeepSeek Harness: unabhängige Antworten, anonyme Peer-Reviews und eine nachprüfbare Endentscheidung.

Rechtes Detailpanel, das die Matt-Pocock-Skill-Sammlung in ein DSH-Questboard verwandelt: Wayfinder-Entscheidungskarten, Ticket-spezifische Triage-/Fix-/Diskussions-/Ausführungsaktionen, 9-Punkte-Core-Skill-Sonde plus 20-Skill-Radar, Umgebungskontrollen und Ein-Klick-Übergabe zwischen Sitzungen.

Klassifiziert anstehende Tool-Aufrufe mit Jev (dem nicht-generativen Entscheidungsmodell von TypeSafe AI) auf tools/pre-execute — sicher hochriskante Aufrufe werden abgelehnt, unklare zur Freigabe eskaliert — und genehmigt klar erlaubte, reversible Aufrufe auf approval/request automatisch, hinter Argument-Evidence-Gating. Erweitert außerdem den Session-Reference-Resolver per Subclassing, damit Snapshots Jev-bewertete Nachrichten behalten statt älteste zuerst zu verwerfen. Fällt bei jedem Provider-Fehler auf Standardverhalten zurück; Shadow-Modus mit /jev-stats-Befehl; TypeSafe- oder OpenRouter-Endpunkte; 64 Tests.

Jev DSH-Entscheidungsmaschine｜Strukturiertes Entscheidungs-Plugin für Agent Harness. Native Unterstützung für DeepSeek Harness, Unterstützung für OpenCode und Codex Harness über iPolloWork.

Jev-gestütztes Entscheidungsschicht-Plugin für DeepSeek Harness

StrataGate verleiht DeepSeek Harness einen sich weiterentwickelnden, local-first-Langzeitspeicher für Benutzereinstellungen, Projektentscheidungen, Konversationen und Werkzeugergebnisse über Sitzungen hinweg; es schichtet den Verlauf mit vom Benutzer einstellbarem Zeitverfall, verstärkt Erinnerungen durch tatsächliche Antworteinsätze, zeigt arbeitsbereichsbezogene Nutzungszähler und hält abgerufene Belege bis zu ihren ursprünglichen Nachrichten zurückverfolgbar.

Eine Eingabe zur Steuerung während des Laufs für DeepSeek Harness Web: Während der Agent arbeitet, erscheint oberhalb des Composers eine Eingabeleiste, um Änderungswünsche über agent.steer() in die nächste Entscheidung einzuspeisen, ohne die Unterhaltung zu unterbrechen. Entwürfe bleiben sitzungsweise erhalten, ungelesene eingespeiste Nachrichten können aus der Sprechblase abgerufen werden, und ein optionales Leitpräfix wird unterstützt.

Sitzungsübergreifendes Gedächtnis für DeepSeek Harness: Agenten speichern, suchen und aktualisieren Nutzerpräferenzen, Fakten und Projektentscheidungen; wichtige Einträge werden in spätere Sessions injiziert, und ein Einstellungsbereich listet, bearbeitet, archiviert oder löscht sie.

AI Company Framework: aus einem Satz eine Multi-Agent-Firma machen — 15 flache Skills (boss/pipeline/role-template/11 roles/generic customer-memory), 7 Workflow-Vorlagen, AgentTeams-Runtime + Aktivitätspanel, Mitarbeiter-Sidebar mit Isolation pro Session, Feishu-Bot-Bridge (Boss- und pro-Mitarbeiter-Bots, Group-Routing, autonomer Push, Human-Decision-Gate, External-Contact-Guide), SQLite-Memory pro Kunde mit Drei-Schichten-Memory (gruppenübergreifender Merge), /company-Modusumschaltung; kein RAG.

Laufzeit-Anforderungsdrift-Wächter, der lang laufende DSH-Agenten dauerhaft am vom Nutzer genehmigten Ziel, den Randbedingungen und Entscheidungen ausrichtet.

Laya-typisierte Entscheidungen (`noul` Ja/Nein, `choice`, `score`) als erstklassiger Cordis-Dienst (`ctx.laya`) plus die für das Modell sichtbaren Tools `laya_ask` und `laya_plan`. Das Plugin selbst installiert und lädt nichts herunter: Es ist ein Client eines `laya-mcp serve`-Sidecars, den Sie selbst starten, und es meldet, dass der Sidecar nicht läuft, statt beim ersten Tool-Aufruf unklar zu scheitern.

model router pro Schritt: benannte Voreinstellungen mit geordneten Bild-/Stichwortgruppen-Regeln leiten jeden Agent-Schritt über jeden eingebundenen Anbieter und jedes Modell und ergänzen Kollaborationsabläufe für Bildtranskription, einen Bildschutz, ein Multi-Plan-Kontingentfeld und Pro-Schritt-Entscheidungs-Beobachtbarkeit.

Benachrichtigungstöne für DeepSeek Harness: ein sanfter Klang, wenn der Agent eine Entscheidung benötigt oder eine Aufgabe beendet. Die Systemmeldung führt zurück zum Fenster; Lautstärke und Töne lassen sich in den Einstellungen anpassen.

AX-first Computer-Nutzung unter macOS für DeepSeek Harness: Barrierefreiheits-Snapshots mit stabilen Referenzen, Hintergrundeingabe, Unicode-Tippen, Menüs, Apps, Set-of-Mark-Screenshots, OCR auf dem Gerät, verifizierte Aktionen und optionale semantische Jev-(TypeSafe-System-One-)Wächter – 1

AX-first Computer Use für macOS in DeepSeek Harness: Accessibility-Snapshots mit stabilen Refs, Hintergrund-Eingabe, Unicode-Tippen, Menüs und Apps, Set-of-Mark-Screenshots, On-Device-OCR und verifizierte Aktionen — 11 Tools, angebunden an die macos-cu CLI.

Skill für Website-Klon-Methodik: ein Entscheidungsbaum mit Fokus auf echte Quellen, der statische Sites, React/Vue/Next-Inhaltssites und WebGL/Canvas-lastige Frontends abdeckt, verpflichtende Verifikation von ausführbarem Code, der aus Zweitanalyse-KI-Ergebnissen zitiert wird, und 13 abhängigkeitsfreie Node-Skripte für CDP-Browser-Aufklärung, Asset-/Font-Ernte, Route-Crawling, Sourcemap-Jagd und Pixel-Diff-Audit.

Dispatcht Subagenten mit benannten Profilen (Modell, Reasoning-Aufwand und Tool-Umfang pro Aufgabe), Sicherheitsprüfungen, Kostenschätzung mit Sparvergleich und einem vollständigen Protokoll der Dispatch-Entscheidungen.

DSH-Desktop-Plugin für überprüfbare Fakten; Constraints nur bei Bedarf injiziert (Leerlauf: keine Tokens), geschichtet (stabil im Prompt, Flüchtiges im Tail); Prompt-Cache bleibt gültig. Turn-Klassen: Frage/Recherche/Diskussion/Diagnose/Ausführung; keine Edits in Frage-Turns, keine ungefragten Fixes in Diagnose-Turns. Benannt: Zitate ungeöffneter Codezeilen, „nicht geprüft“ als „warte auf Entscheidung“; Antworten für Menschen. Memory: 75 %/90 %-Warnungen, Recap-Export, Projektwissen je Arbeitsverzeichnis (per ID löschbar). Artefakte: Task-Vertrag, Änderungsprotokoll, Hypothesenprotokoll, Design-Entscheidungen. Dashboard: Routing, Trigger-Treffer, Block-Aufbau in lume-metrics.jsonl. Personas aus Chat-Logs, Romanen, Charakterbögen: Langzeit-/Temporärgedächtnis, Sternenkarte, Export/Import.

Proaktives Multi-Modell-Scheduling-Plugin: Multi-Source-Signalaufnahme mit Dedup und Dringlichkeits-Ranking, eine Vier-Wege-Execute/Defer/Dismiss/Ask-User-Entscheidungsmaschine, DAG-Plan-Generierung mit paralleler Modell-Ausführung, Qualitäts-Reflexion mit automatischem Retry und Modell-Switch, Langzeit-Gedächtnis für Task-Muster und Lektionen und Strategie-Evolution über genetische Algorithmen mit sandboxed Evaluation und Canary-Rollout.

Community-Suche, Ähnlichkeitsanalyse und Entscheidungen zu Installation/Deduplizierung/Selbstbau für das dsh-plugin-Ökosystem.

Heads-up-Training (1 gegen 1) in Texas Hold’em mit unabhängigem KI-Gegner, dauerhaftem Gedächtnis öffentlicher Aktionen und Entscheidungsanalysen.

TypeSafe Jev (System-One-Entscheidungsmodell) als Tool jev_decide für DeepSeek Harness: noul-, Choice- und Score-Fragen liefern kalibrierte Wahrscheinlichkeiten; Credentials nutzen dieselbe Schnittstelle wie in DSH; 429/529-Backoff-Retry eingebaut.