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.

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

Datei-Upload mit farbcodierten Anhang-Karten (sitzungsisolierte Speicherung, sha256-Deduplizierung, TTL-Bereinigung) plus einem inhaltserkennenden read_document-Tool für PDF/DOCX/XLSX/TXT.

Listet in der DSH-Seitenleiste alle Markdown-Dokumente, Bilder und Videos des Session-Workspace auf, nach Relevanz für die aktuelle Konversation geordnet: aktuelle Nachrichten werden lokal mit IDF-Gewichtung gegen Titel, Zusammenfassung und Text der Dokumente abgeglichen — ohne Modellaufrufe und Netzwerk. Da sie aus dem Workspace gescannt statt erinnert wird, bleibt die Liste nach DSH-Neustart oder neuer Session erhalten. Bilder und Videos werden an Ort und Stelle angezeigt, relative Bildpfade aufgelöst, Videos per HTTP Range gestreamt. Eine Referenzleiste unter dem Vorschaukopf zeigt zitierende und zitierte Dokumente, mit Klick zum Wechseln. Dieselbe Rangfolge steht dem Agenten als Tool knit_docs bereit, das relevanteste Dokumente samt passender Passage zurückgibt, sofern gefunden.

Importiert Charakterkarten und World Books aus SillyTavern/TavernAI, speichert sie als lokale Markdown-Lore-Dokumente und generiert aus deinen Prompts Romanprosa mit den Weltdaten als Referenz.

Ein-Klick-Optimierung einer rohen Anweisung in einen professionellen Prompt: drei Ausgabestile, situationsbewusstes Rollen-/Aufgaben-/Ziel-Profiling, selbstiteratives Lernen (Sitzungsspeicher + intelligente Standardwerte + Benutzer-Überschreibungen), /template für 22 Unterszenen mit null Modellaufrufen, ✨ Ein-Klick-Optimierung/Rückgängig im Eingabefeld, prompt_optimize-Tool, Auto-Optimize-Hook und automatisch erkannte zh/en-Dokumente.

Wandelt lokale Markdown- und Textdokumente in eine abfragbare Wissensdatenbank mit hybrider semantischer und Stichwortsuche, Zitatverifizierung und Quelleninjektion um.

Werkbank zum Lesen von Papers: Bibliothek + PDF-Reader + Begleiter im Tutor-Stil. Antworten zitieren anklickbare Seitenzahlen, die zurück ins PDF springen und die genaue Passage hervorheben; Markieren-zum-Fragen ohne das Paper zu verlassen; mitgeliefertes Strict-Tutor-Preset (Leseplan, Abschnitts-Coaching, benotete Quizze über Sessions hinweg verfolgt); Umschalten zwischen Original ↔ Chinesisch an Ort und Stelle (babeldoc, keine Vorinstallation). Lokale Transkription und Suche — Dokumente verlassen Ihren Rechner nie.

Fork mit Datei-Drag: Dokumente als entfernbare Chips über dem Composer ablegen, ohne Tippen senden.

Fähigkeit zur Aussagenprüfung, die Designdokumente und Pläne gegen Code-Fakten abgleicht und Verhaltensaussagen auf ausführbare Logik-Primitiv-Verifikation für Zustandsmaschinen und Datenmodelle hochstuft, mit Vorher/Nachher-Regression, Domänenbeschränkungen und Mining von Nebenläufigkeitsrisiken.

Ein leichtgewichtiges, allgemeines Anhang-Dock für DSH: Bilder, PDFs, Dokumente, Archive, Code und andere Dateien einfügen, ablegen oder auswählen, vor dem Senden prüfen und verwalten und anschließend als lokale Pfade an den Agenten übergeben. Es gibt Nicht-Bild-Dateien einen einheitlichen Anhangseinstiegspunkt.

Begrenzte, zelladressierte `doc_read`/`doc_write` für xlsx/pdf/docx/pptx/ipynb, plus MCP-Server und CLI.

Begrenztes, zelladressiertes `doc_read`/`doc_write` für xlsx / pdf / docx / pptx / ipynb, plus MCP-Server und CLI.

Konfigurationsgesteuerte Entwicklungsaufgaben-Orchestrierung für DSH: Graph-Workflows (Aufgaben/Gateway/Mensch-Knoten) mit Persistenz pro Phase, plus ein KI-Assistent im Editor, der Workflows per Konversation mit Live-Validierung einrichtet. Übergebe Dokumente als generische Anhänge an Knoten (keine Deklaration nötig): Dateien landen im Aufgaben-Arbeitsbereich und ${inputs.附件} liefert die mit Zeilenumbrüchen verbundenen absoluten Pfade, sodass ein Knoten sie mit seinem eigenen Prompt parst.

Sitzungsübergabe und Kontextverwaltung: Strukturierte Übergabedokumente (Export/Fortsetzen/Status), damit eine neue Sitzung nahtlos fortfahren kann, sowie aktive Kontextbereinigung (acp_*-Tools über die offizielle Kompaktierungs-API mit vom Modell verfassten Zusammenfassungen).

Wissensdatenbanksystem im Cherry-Studio-Stil für DeepSeek Harness (DSH): Datenbanken, Dokumente, Chunking, Embeddings (OpenAI-kompatibel / Ollama / lokal / lexikalischer Fallback), Abruf, modellorientierte Tools und ein Browser-Verwaltungsbereich.

Projektdokumente und Langzeitgedächtnis als einfaches Markdown in einem dedizierten Obsidian-Vault: sechs mem_*-Tools (search, read, write, log, brief, admin), eine budgetierte Recall-Injektion beim ersten Schritt einer Session und automatische Destillierung abgeschlossener Turns. Obsidian muss nicht laufen, und der Vault bleibt auch mit deinstalliertem Plugin lesbar.

SiYuan-(思源笔记-)Notizintegration: 17 siyuan_*-Host-Tools für die Auflistung von Notizbüchern und Dokumenten, Volltextsuche, SQL-Abfrage, Lesen von Dokumenten und Blöcken, Erstellen und Anhängen von Inhalten, Verschieben und Umbenennen von Dokumenten, Tagesnotizen und Blockattribute, plus eine Web-Einstellungsseite für die SiYuan-URL, das API-Token und Schalter pro Tool.

Feishu-(Lark-)Integration für DeepSeek Harness: 25 Tools für Chat-Nachrichten und -Verlauf, Cloud-Dokumente (einschließlich Wissensdatenbank-Seiten, generierter Diagramme und Bilder), bitable-Datensätze, Tabellenkalkulationsbereiche und Drive-Berechtigungen — mit Ihrer eigenen selbst erstellten Enterprise-Feishu-App.

Konvertiert Office-Dokumente und PDFs (einschließlich gescannter) über eine CPU-zentrierte Routing-OCR-Pipeline (RapidOCR/SLANet/FormulaNet) in strukturell formatiertes Markdown.

Dreischichtiges lokales Gedächtnis für DeepSeek Harness: L1 Snapshot-Gedächtnis (MEMORY.md/USER.md), bedarfsgesteuert über die memory_*-Tools gelesen + L2 durchsuchbare Wissensbasis (Fakten + SQLite FTS5, chinesische Suche per Sliding-Window-Tokenisierung) + L3 Import aus Hermes/Claude Code/Codex/WorkBuddy und aus freigegebenen Agent-Hub-Dokumenten (memory/global, memory/projects, akzeptierte Entscheidungen) mit Dedup per Content-Hash. v0.2.0 entfernte jede automatische Injektion: Gedächtnis gelangt nur in den Kontext, wenn das Modell eines der 12 memory_*-Tools aufruft, und Daten bleiben auf dem lokalen Laufwerk.

Schreibbrücke zum Open-Source-QingAgent-Client: Der Agent entwirft und überarbeitet Dokumente über qing_-präfigierte Host-Tools, gesetzt auf einem Reispapier-Panel mit mermaid, drawio, Tabellen und KaTeX; Bearbeitungen erscheinen als prüfbare Diffs und werden erst beim Commit übernommen; die QingAgent-Desktop-App auf derselben Maschine ist erforderlich.

Ein Dokumentvorschau-/Bearbeitungs-/Verwaltungs-Plugin für DeepSeek Harness. Es bietet eine VSCode-artige „Dokumentenzentrum“-Werkbank in der DSH-Weboberfläche: Dateibaum links, Klick-Vorschau, editierbarer Code und Markdown mit Strg/Cmd+S-Speichern; und stellt Agenten drei Dokumenttools (doc_read / doc_edit / doc_create) bereit, mit denen Modelle Arbeitsbereichsdokumente in natürlicher Sprache lesen und schreiben können.

Drag documents into the dsh web chat; the agent reads them directly from the local filesystem and the right sidebar lists the outputs and file paths.