Plugins

Wandelt explizite DSH-Sitzungserfahrung in überprüfbare native Skill-Entwürfe um, die erst nach Benutzerfreigabe gespeichert werden.

WSL-Workspace-Unterstützung für DeepSeek Harness – ein nahtloses WSL-Workspace-Erlebnis, ohne dsh innerhalb von WSL installieren zu müssen. Nach der Installation dieses Plugins kannst du direkt in der GUI einen WSL-Workspace hinzufügen.

Tavernen-Verwaltungspanel für DeepSeek Harness: Charakterkarten, Worldbooks und Presets mit Isolierung pro Sitzung, Gedächtnis-Zusammenfassungen, ein Charakter-Beziehungsnetz, Handlungsoptionen per Klick und ein NSFW-Modus. Das volle Erlebnis benötigt zusätzlich die Begleit-Plugins dsh-muv-engine und dsh-muv-table, die Statusleiste, Handlungsoptionen und Variablentabellen rendern.

Verbesserung der Eingabeerfahrung: Spracheingabe, KI-Politur, Überschreibschutz, Prompt-Optimierung mit Diff-Vorschau und automatische Locale-Umschaltung entsprechend der DSH-UI-Sprache.

Engineering-Workflow-System für KI-Coding-Agents — verpflichtende Planung, TDD, Verifikation, Review und intelligente Graph-Analyse der Codebasis.

Findet potenzielle UX-Probleme in deinem Projekt: prüft React-/TypeScript-Code automatisch, lokalisiert jedes Problem genau und gibt konkrete Verbesserungsvorschläge.

Projektgedächtnis für dsh mit nativer Task-System-Integration: Session-To-dos und Dateilesevorgänge werden automatisch zu sitzungsübergreifenden Task-Datensätzen verdichtet (Task↔Datei-Links), sodass Workflows umschalt- und fortsetzbar sind, ohne erneut Kontext aufzubauen. Gedächtnis zur Lesezeit (kein Vorab-Scan): extrahiert Codesymbole, fasst Dokumentation zusammen und verknüpft Doku↔Symbole; optionale TS-Semantik-Erweiterung (automatisch aktiv, wenn TS installiert ist). Erfahrungsnotizen werden automatisch dedupliziert. Jeder Abruf enthält eine nachvollziehbare Zitierung. Reines JS, eine Abhängigkeit, sofort einsatzbereit, stiller Betrieb, null Overhead.

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.

Bearbeitungserlebnis im VSCode-Stil für DeepSeek Harness: ein Monaco-basierter zentraler Datei-Editor (Tabs, Schnellöffnen mit Ctrl+P, Statusleiste) und interaktive Diff-Prüfung der Bearbeitungs-/Schreibergebnisse des Agenten mit Keep/Undo pro Änderung, Rollback und Archivierung, über Neustarts hinweg erhalten.

Expert-Preset für DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): Chefkoordinator + 17 Domänen-Subagenten mit Auto-Delegation. Funktionen: Taskboard (Zustände pending/ready/running/done/failed, DAG, atomare Beanspruchung, Retry, Wiederherstellung), Quality Gates (5-stufige Pipeline: Anforderungen, Implementierung, Verifikation, Prüfung, Integration; 2 Überarbeitungen), Five-Anchor (Prüfung/Konvergenz/Anti-Drift/Zusammenarbeit/Ressourcen), Near-distance (Vorlage Identität/Aufgabe/Ausgabe), progressive Offenlegung (~28 % Token-Einsparung), Persistenz, P2P-Bus, Kreuzprüfung, Erfahrungspool, Schnellweg, Auto-Retry. 17 Experten: Daten, Redaktion, Recht, PM, Frontend, UI/UX, Architekt, Social, Growth, Quant.-Finanzen, Backend, DevOps, DB, QA, Sicherheit.

Installiert die browser4-cli-Laufzeit und registriert die Browser4-Skills (browser4-cli, browser4-experience, browser4-plugin, scent-miner) in der DSH-Skill-Registry und stellt eine KI-native Browser-Engine für autonome Agenten, intelligente Extraktion und großskalige Web-Automatisierung bereit.

DeepSeek-Harness-Plugin, das sich über HTTP mit einem PowerContext-Server verbindet — für Recall, Gedächtnis, Handoff, Erfahrung und Skills.

Bringt das Chat-Erlebnis von deepseek.com (Web/App) nach DSH: Prompt direkt bearbeiten und Antworten an Ort und Stelle neu generieren, mit einem Versions-Pager <i/N> je Nachricht (Baummodell, stabil über Unterhaltungen hinweg).

Automatische Sitzungs-Retrospektive: Nach Abschluss eines Gesprächs destilliert sie nützliche Erfahrung in wiederverwendbare Skills in der Skill-Bibliothek, die das Modell aufrufen kann, mit signalbeschleunigten Auslösern, manuellen Läufen, einem Genehmigungsmodus und Skill-Bibliotheks-Governance (archivieren/wiederherstellen, nie direkt löschen).

Ausführungsdisziplin-Suite für DSH mit Abfangen identischer Wiederholungsversuche, erzwungener Reflexion, Todo-Durchsetzung, Speicher-Deduplizierung und Umwandlung von Erfahrung in Skills (11 Plugins + 6 Skills).

Local-first Agent Experience Network für DeepSeek Harness: destilliert Task-Level-Erfahrungen aus Traces und Live-Manifesten, bewertet sie anhand von H0-H4-Evidenz, entdeckt sie per Kompatibilität und befördert sie erst nach explizitem Review.

Ermöglicht reinen Textmodellen den Umgang mit eingefügten Chat-Bildern, mit nativem Vision-Erlebnis, Bildanzeige im Stapel und einem integrierten OpenAI-kompatiblen analyze_image-Tool; visionsfähige Modelle bleiben unbeeinflusst.

Ein Urteilskern für DeepSeek Harness: eine Kognitionsschleife, die jeder Entscheidung Quelle und Zuordnung gibt und die Planung bis zum Abschluss treibt, ein Hippocampus-Gedächtnis, das laufende Erfahrung zu wiederverwendbarem Wissen verdichtet, und eine anpassbare Persona-Karte (Name, Persönlichkeit, Kommunikationsstil). Erfordert DSH ^0.1.0-rc.7.

Füllt automatisch Felder für Reasoning-Effort, Kontextfenster, Ausgabelimits und Bildmodalität für Modelle inoffizieller (benutzerdefinierter) Anbieter (mit Daten von models.dev) und bietet UX-Verbesserungen wie Kompatibilitätsverbesserung und das Merken des Reasoning-Effort.

Fügt der DSH-Einstellungen einen nativen Store-Bereich für Katalogsuche, Tag-Filterung, Sortierung, Installation und installierte-Plugin-Verwaltung hinzu.

Aufgabenplanung mit Erfahrungs-„Muskelgedächtnis“: reflexartiger Abruf früherer Lösungen, Abgleich mit LLM-Fähigkeiten und automatisch gespeicherte Lektionen.

Cross-session experience memory for DSH. Lessons are evidence-graded, injected when the turn is about the same thing, and shown just before an action only when the record declares which call it applies to. A rule that holds whatever the turn is about — "always answer in Chinese" — can be marked **standing** and is then carried every turn: measured on 24 isolated real-model turns, a standing rule is followed 6/6 against 0/18 for the controls (empty store, same record unmarked, unrelated standing record). A guess still cannot become always-on: a standing record needs a verified passage like any other. What nobody looks up is retired, reversibly. Five tools, seven slash commands, zero runtime dependencies.

Evidence-governed experience memory for DeepSeek Harness

Cipher memory platform as a DSH bundle: four memory types (attention, experience, preference, cognitive) sedimented per turn by four memory agents, cross-session deterministic recall injected via systemPrompt.context, insight review kept out of user-facing output, per-session UNNI/LOOP modes with memory-driven auto-continuation, memory search/ingest tools, plus a settings page (SOUL editor) and an AgentPool panel.