Plugins

Einseitige visuelle HTML-Erklärung: Das Modell erstellt einen kurzen Markdown-Entwurf, das am-CLI ergänzt Fluss-, Sequenz-, Baum-, Zeitachsen- und ER-Diagramme, Tabellen und Hinweise.

White-Box-AGI-Architektur-Erkundung: Metakognition (Selbsterkennungsschleife), kontinuierliches Lernen (Wissens-Schwungrad), Weltmodell (Bedingungsraum, räumlich-zeitlicher Speichergraph), Selbstverbesserung (Bootstrap-Disziplin), Zero-LLM-White-Box-Pipeline und überprüfbare Vertrauens-Leitplanken.

Rein lokaler Projektspeicher ohne mitgelieferte Laufzeitabhängigkeiten oder externe Dienste: JSON als Single Source of Truth plus generiertes PROJECT_MEMORY.md, tokenbegrenzter, sitzungsgefrorener Hot Memory für stabile Prompt-Präfix-Caches, gecachter BM25-Recall projektübergreifend, vertrauenswürdige Sitzungs-/Turn-Herkunft, erklärbare Governance von Duplikaten/Konflikten vor dem Schreiben, editierbarer Lebenszyklus aus Wichtigkeit/Pin/Tags/Ablösung/Archiv, konfigurierbare Destillation am Ende von Top-Level-Turns sowie ein zweisprachiges Web-GUI für Suche, Inspektion, Diagnose und Live-Einstellungen.

Local-first-Lernmodus: sitzungsübergreifende Lern-Threads mit Erklärungen je Quelle.

Lernmodus, der jeden Schritt des Agenten erklärt (in Arbeit).

Skill-Cockpit-Seite in der DSH-Appnavigation (sidebar.panellist): listet alle Skills, die dieses Gerät über sechs Arten von Skill-Roots tatsächlich bereitstellt, erklärt Unsichtbarkeit (Ausschlussgrund, fehlende Root oder deaktiviert) und schaltet Skills um, indem nur die jeweilige Einstiegsdatei umbenannt wird (SKILL.md / SKILL.md.disabled). Projektweite Skill-Roots bleiben schreibgeschützt.

Kompakter Codex-Coding-Modus für DSH: leichte Prompt-Leitplanken gegen zu ausführliche GPT-Erklärungen, mit editierbarem Prompt und nativen Codex-ähnlichen Tools.

Wählen Sie einen beliebigen Text in einer Konversation aus und tippen Sie auf die Schaltfläche Explain, um eine streamende Markdown-Erklärungsblase mit rekursiven Rückfragefragen zu erhalten.

Skill zur Strukturierung vor der Suche: trennt Prämissen, Definitionen und Analyseeinheiten, wählt ein Schema (Urteil, Erklärung, Kausalität, Vergleich, Recherchekarte, Kennzahlenkarte), bestätigt Richtung/Machbarkeit und antwortet auf Chinesisch oder Englisch, ohne Wahr/Falsch zu erzwingen. Kein Vertrauen auf Modellgedächtnis: parallele nationale/internationale Suche, Primärquellen je Fach (Politik, Wissenschaft, Medizin, Finanzen, Katastrophen, Lebensmittelsicherheit, Bildung, Sport, Justiz usw.) abrufen und bewerten, erneute Suche mit Widerlegungsbegriffen; jede Aussage an vollständige URL und Zitatposition binden. Mit Key können drei Faktenurteile an TypeSafe Jev (System One) gehen, sonst gelten deterministische Regeln. Das Modell kann die Vertrauensstufe nur senken.

Text in der DSH-Web-UI markieren, um Übersetzung und kontextbezogene Erklärung anhand des ursprünglichen Gesprächs als Stream zu erhalten. Das Panel speichert einen wiederabspielbaren Verlauf und kann einen Eintrag zu einer vollständigen Sitzung machen.

Go-Analysecoach: Liest SGF-Partien ein, ergänzt Gewinnraten- und Punkteanalysen mit der enthaltenen KataGo-Engine, erklärt kostspielige Züge im Chat und schreibt Kommentare in eine SGF-Kopie. Ein Webpanel zeigt Brett, Problemzüge, KI-Auswahl und Varianten.

Autonomer Heartbeat je Root-Agent: vergleicht TODOs, Agent-Team-Board und Goal mit dem letzten Puls. Meldet nur L1 (Bericht), L2 (ask_user_question) oder L4 (Eskalation) und startet nie Arbeit. Nachricht mit Grund, optionaler Physiologiezeile und Aufgaben-Snapshot (max. 800 Zeichen). Deduplizierung, Ruhezeiten, Tagesbudget, Abkühlzeiten nach Kontakt/Neustart und gespeicherter Zustand; Follow-ups stapeln sich nicht. Teilt mit dsh-plugin-memory das advisory Sprechfenster in ~/.dsh/proactive-cooldown.json (180 s). Schweigt bei aktiven Subagenten/Teammitgliedern, zeigt ihre Zahl und pausiert Polling bei verborgenem Tab. v0.8 ergänzt Pulsdiagnose, Fensterinhaber und Einstellungen für Zeitfenster, Anwesenheit und Statuszeile.

Feynman-Lernmodus-Plugin: Der Zyklus Lehren → Zurücklehren → Bewerten → Neu erklären wird als reichhaltige HTML-Lektionskarten dargestellt (Mermaid-Diagramme + Shiki-Code-Highlighting).

JSON-Schema-Validierung: validieren/Pfade/erklären/normalisieren.

Regex testen/extrahieren/sicher ersetzen/statisch erklären, ohne Code auszuführen.

Text in jeder Windows-App auswählen, um ihn mit DeepSeek Harness erklären, zusammenfassen, übersetzen oder vorlesen zu lassen. Die Antwort erscheint im Streaming in einem stets obersten Overlay mit horizontalem Kapselmenü.

Ergänzt die Freigabekarte um Explain: Ein Modellaufruf liefert genau drei Zeilen zur ausstehenden Aktion, den gelesenen/geschriebenen/geänderten/ausgeführten Dateien oder Systemzuständen sowie ein Urteil riskant/aufmerksam/sicher mit einem Begründungssatz. Zeigt auch Details für write- und edit-Aufrufe, die der Renderer wegen seines alleinigen command-Felds leer lässt.

Erklärt fehlgeschlagene Läufe von DeepSeek-Harness-Agenten lokal und erstellt anschließend einen bereinigten Plan zur Wiederherstellung. Kein Modell nötig.

Quellenbewusster Prompt-Injection-Schutz für DSH: verfolgt nicht vertrauenswürdigen Durchlaufskontext, erkennt Injektionssignale, bewertet sensible Senken und blockiert risikoreiche Tool-Aufrufe mit erklärbaren Audit-Logs.

Begrenztes lokales Gedächtnis mit CBDC-Autoritätskontrolle: SQLite + FTS5-Claims, bereichsbezogener Abruf mit erklärbaren Use/Verify/Ignore-Entscheidungen und vollständigem Audit-Trail, /memory-Befehle, ≤3 Claims/1200 Zeichen Injektion pro Aufruf, kein zusätzlicher Modellaufruf.

Adds a Chinese end-of-line comment to every line of code shown in a DSH tool card - grey for the call being made, blue arrows for code in the output - written instantly by a local rule set and, for lines the rules cannot judge, by the current session model; a header toggle returns the block to plain code, and credentials are masked before anything is sent or cached.

Database workbench inside DSH: import the connections DBeaver already stores (data-sources.json, decrypting saved passwords locally) or register SQLite, PostgreSQL, MySQL and Oracle sources by hand, then hand them to the agent through eight mcp__db__ tools — list_datasources, list_tables, describe_table, sample_rows, execute_sql, explain_query, get_ddl and test_connection. Sources start read-only; one global switch enables INSERT/UPDATE/DDL, every call is row-capped and appended to a JSONL audit log. Also covers groups, bulk actions, a read-only schema browser and a bundled Python MCP server whose dependencies install from the panel. No DSH files to edit.

Verwandelt Codeabläufe in mit dem Quellcode verknüpfte Mermaid-Diagramme und interaktive CodeWalkthrough-Erklärungen.

Erstellt aus einem Skript ein vertontes Erklärvideo. Standardmäßig mit schnellen, präzisen Textkartenfolien für Tutorials oder KI-generiertem Material pro Abschnitt (AGNES_API_KEY erforderlich). Enthält 14 chinesische Online-Neuralstimmen und 3 Offline-Stimmen für Windows sowie ein Samplepaket zum Anhören per Ein-Befehl-Aufruf. ffmpeg erforderlich. Für Online-Stimmen das mitgelieferte video-remix-Skill nach `<workspace>/.dsh/skills/video-remix` kopieren und dort npm install ausführen.