Plugins

Inoffizieller Command-Code-LLM-Provider: registriert eine `commandcode`-Route mit einem Live-Modellkatalog und Unterstützung für Reasoning-Effort.

Adaptiver Reasoning-Slider-Skin, der die verfügbaren Reasoning-Effort-Stufen jedes Modells auf eine visuelle Intensitätsskala von 0 bis 30 abbildet, mit synchronisierten Porträts, Hintergrund und Oberflächenfarben.

Ergänzt den nativen DSH-Modellwähler um einen animierten Regler für den DeepSeek-Chan-Reasoning-Aufwand. Er folgt den vom Modell angegebenen Stufen; beim Ziehen wird die Animation schneller.

Macht aus der offiziellen Zeile für reasoning-effort einen stufenlosen Regler: blau-violette Füllung, Sternenhimmel auf höheren Stufen und passend zur aktuellen Stufe eingefärbter offizieller Werttext. Off bleibt grau; offizieller Text wird nicht geändert.

Desktop-Feature-Sammlung, die die DSH-Web-UI-Kollektion, dshmarket, Codex Connect und die Reasoning-Effort-Steuerelemente in festgelegten Versionen installiert.

🌹 Speichert wiederkehrende, mühsame Prompt-Vorlagen. Ein Klick fügt sie in den Composer ein und erspart das erneute Tippen.

Verbindet ChatGPT per Codex-Browser-OAuth ohne API Key oder Workspace mit DeepSeek Harness. Registriert pi-ai Codex, setzt Standardmodell/Denktiefe, aktualisiert den Modellkatalog und zeigt Fünf-Stunden-/Wochenverbrauch.

Per-Modell-Konfiguration für Reasoning-Aufwand und Eingabemodalität für Drittanbieter-Provider: Vorschläge, fusioniert aus einer Modell-Wissensbasis und Roh-/models-Endpoint-Evidenz mit Konfidenz-Labels, bearbeitbar innerhalb der offiziellen Models-Seitenkarte.

Führt Modelle von WorkBuddy (persönliche Mehrfachkonten, Enterprise und internationale WorkBuddy-AI-Ausgabe), Qoder CN und Trae CN in einer Modellauswahl zusammen. Gemeinsamer Gesprächsverlauf, Live-Guthabenmultiplikatoren und reasoning-effort je Modell; nutzt das größte von der internationalen Ausgabe angegebene Kontextfenster und bietet tägliches Einchecken, sofern der Kanal dies unterstützt.

Reasoning-Effort-Stufen und Sub-Agent-Standards für benutzerdefinierte DSH-Modelle konfigurieren.

ChatGPT-Konto-Anmeldung für DeepSeek Harness über einen Codex-Browser-OAuth-Flow ohne API-Key und ohne Workspace-Auswahl: meldet den Login beim Codex-Anbieter von pi-ai an, ermöglicht das Setzen des globalen Standard-Codex-Modells und des Standard-reasoning effort für neue Sitzungen, aktualisiert die Modellliste über den Katalog-Endpoint des angemeldeten Kontos und zeigt im Composer die Nutzungszeitfenster von fünf Stunden und pro Woche.

Lass deine Ideen fließen — Tydora ist ein moderner Desktop-Markdown-Editor, der WYSIWYG-Bearbeitung, bidirektionale Links, Mindmaps und eine unendliche Leinwand vereint und so tiefes Denken und mühelosen Ausdruck ermöglicht.

Auto-Thinking-Effort-Routing für dsh: ein lokal feinabgestimmter 7-Fragen-Klassifizierer (ModernBERT, 842 MB, <1 s CPU-Inferenz) wählt low/high/max für No-Intent-Nachrichten; In-Session-Retries eskalieren die Stufe (low → high → max) unter Ausschluss-Constraints; der Judge-Service fällt sicher auf low zurück, wenn nicht erreichbar. Ein Tier-Chip in der Input-Leiste zeigt die Live-Stufe und die letzten 20 Bewertungen. Alle Inferenz ist lokal — Aufgabentext verlässt niemals die Maschine.

Claude-Code-Desktop-Theme für DeepSeek Harness Desktop 0.2.0-rc.2 unter macOS und Windows, mit kompakter Seitenleiste und Chatansicht, hellem und dunklem Theme, Modell- und reasoning-effort-Steuerung sowie interaktivem Pixelwal, der bei neuen Sitzungen spritzt, hüpft und mit der Flosse wedelt.

Reasoning-Effort-Schieberegler im Claude Code-Stil für die DSH-Web-UI: stufenloses Ziehen, Einrasten beim Loslassen, WebGL-Feuerspur und echte, funktionierende Denk-Aufwand-Steuerung für jedes benutzerdefinierte Drittanbieter-Modell oder Anbieter.

Verbessert die Modellerfahrung: Parameter auf mehrere Arten ergänzen, Kompatibilität verbessern, Reasoning-Aufwand speichern, Subagents folgen dem Modell und Aufwand des Elternprozesses in Echtzeit, und die KI kann den Aufwand selbst anpassen.

Ersetzt die Modelltaste im DSH-Composer durch ein zweistufiges Panel (Anbieterliste, dann durchsuchbare Modellliste) mit stufenlosem, verschiebbarem Schieberegler für den Reasoning-Aufwand: blau-violette Füllung, Nebel und Sterne auf hohen Stufen, eigene Farbe je Stufe. Bei Modellwahl bleibt das Panel offen und der Regler springt auf die mittlere Stufe des Modells. Ausgangspunkt war Microqian2th/dsh-codex-effort-slider 1.0.0 (im README genannt); Panel, Übernahme des Slots, Offline-Testsuite und Doku sind neu.

Ordne deine Modelle und Token-Budgets jeder Rolle zu und lass dann DSH spezialisierte Subagents nach Aufgabentyp delegieren. Deckt Architektur-Analyse, UI/UX, Implementierung, Codebasis-Erkundung und Dokumentationsrecherche ab, mit automatischem Setup sowie Reasoning-Aufwand und Tool-Berechtigungen pro Rolle.

Liang Saint Slider als Modell- und Denkaufwand-Auswahl für DeepSeek Harness.

Kiro-Modellanbieter mit Anmeldung über Builder ID, Identity Center, Google, GitHub und Credential-Import, automatischer Token- und Profilaktualisierung, Kontonutzung, Live-Modellsuche, auswählbarem Reasoning-Aufwand, Streaming-Tool-Aufrufen, Behandlung von Provider-Stoppgründen und Kontextüberlauf sowie Token-Buchhaltung, die die exakten Zähler von Kiro verwendet, wenn es sie sendet, und andernfalls den gesendeten Prozentsatz der Kontextnutzung anhand des vom Modell beworbenen Fensters skaliert.

Ein Codex-ähnlicher Aufwand-Umschalter für Deepseek Harness.

Rundenweise Steuerung des Thinking-Levels (reasoning_effort) für DeepSeek Harness: Auto plant low/high/max anhand der jüngsten Tool-Call-Historie, oder ein Wire-Level (off/on/minimal/low/medium/high/xhigh/max) wird manuell gesetzt, mit benutzerdefiniertem Wire-Mapping, modellbewusstem Fähigkeits-Guard und Kontextfenster-Presets (64K–1M); die Modell-Capability-Card arbeitet mit [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (aus dsh-market installierbar), damit OpenAI-kompatible Gateways (vLLM / LM Studio / self-hosted) Reasoning testen können. Die Card schreibt llm-pi-ai-Fähigkeiten, der Adapter treibt das Wire (compat.thinkingFormat) an und das Plugin pflegt die Takeover-Liste.

Einstellungsseite für pro-Modell-Fähigkeiten: Reasoning-Effort-Stufen mit ihren Wire-Spellings, Eingabemodalitäten und Token-Kapazitäten, geschrieben als Deklarationen oder sparse Katalog-Overrides.

Regler für den Denkaufwand im Codex-Stil, eingebettet in die Modellauswahl.