Plugins

Auto-Memory im Claude-Code-Stil, nativ: typisierte Memory-Dateien (user/feedback/project/reference) mit einem MEMORY.md-Index, der automatisch in den System-Prompt injiziert wird (kein Footprint im leeren Zustand); memory_write/read/list/delete folgen den Schreibregeln von Claude Code (Deduplizieren-und-Aktualisieren, absolute Datumsangaben, Querverweise); Ebenen auf Workspace- und Nutzer-Scope, prozessübergreifendes File-Locking mit Recovery verwaister Locks, reines Markdown auf der Platte, keine externen Dienste, keine Embeddings.

Komponentenübersicht des gemeinsamen Semi-Design-Pakets für tnnevol-DSH-Plugins. Über die Schaltfläche `Semi UI` im Gesprächskopf öffnet sie 35 Komponenten sowie eine Fallseite für mehrere Konten. Sie sind in sieben Seitenleistengruppen geordnet: Eingaben, Formulare, Auswahlfelder und Bäume bis hin zu Tabellen, Karten, Overlays und Feedback. Jede Komponente wird live mit einer einzeiligen Beschreibung und einer Seitenübersicht dargestellt. Vorschau mit hellem, dunklem oder systemfolgendem Design. Installation via npm: `dsh plugin --profile web add @tnnevol/dsh-semi-ui-showcase`.

Fernsteuerung von dsh web über einen Smartphone-Browser: Das Plugin fügt ein Settings-Panel im Harness hinzu (Tabs für Cloud-/Self-hosted-Modus, Kontoanmeldung, Bridge-Start/-Stopp, Feedback) mit Same-Origin-Relay-Routen unter /dsh-remote; die Desktop-Bridge und der Self-hosted-Relay-Router in diesem Repository tunneln das lokale dsh web zu einer Smartphone-PWA mit Access-Key-Authentifizierung, einer Live-Geräteliste und optionalen Datenverkehrsquoten.

dsh web weltweit per Smartphone steuern, ohne öffentliche IP: Cloud-Relay über 4G oder selbst gehosteter Router. Ein Befehl installiert Desktop-Bridge und Einstellungs-Panel (Cloud/Self-hosted/WeChat, Login, Bridge-Steuerung, Feedback). Tunnel E2EE Telefon↔Desktop; QR/Einmallink erteilt Desktop-Zugriff ohne erneute Passworteingabe. Mit HTTP/WebSocket, Access-Key, Live-Geräteliste und optionalem Traffic-Limit. Der per QR gekoppelte WeChat-Bot meldet fertige/fehlerhafte/gestoppte Aufgaben; eine Antwortzahl genehmigt/lehnt offene Entscheidungen ab und setzt die Aufgabe fort. WeChat-Nachrichten nur zwischen Tencent ilink und lokaler Bridge, nie über Relay.

Komponenten-Checkliste des von den tnnevol-DSH-Plugins gemeinsam genutzten Semi-Design-Pakets, geöffnet über eine `Semi UI`-Schaltfläche im Konversations-Header: 35 Komponenten plus eine Multi-Account-Fallseite, in sieben Sidebar-Gruppen gegliedert – von Eingaben, Formularen, Selektoren und Bäumen bis zu Tabellen, Cards, Overlays und Feedback –, jede live gerendert mit einzeiliger Beschreibung und Seitenübersicht, mit Vorschau in Hell, Dunkel und System folgend. Installation über npm mit `dsh plugin --profile web add @tnnevol/dsh-semi-ui-showcase`.

Sitzungsübergreifende Markdown-Erinnerung LLM-Wiki/`SOUL.md`. Standardmäßig erfolgt die Start-Injektion erst nach der ersten Nutzernachricht und nur in der aktiven Sitzung. Enthält remember/recall/consolidate/forget, Skill sowie pack/unpack. Boot-Block-Budget je Datei schützt den Index; `last_access` wird gestempelt. Dazu schreibgeschütztes Gesundheits-Dashboard, deklarativer Index, Graph, Filter und `checkup`. Erfordert Sitzungsformat v4 (offizielles DeepSeek Harness 0.1.7+) und source kind `plugin:memory` des Erzeugers in injizierten Nachrichten. v0.13 erklärt `engines.dsh` kompatibel mit der offiziellen Reihe 0.2.1-rc.5 und weist ältere Hosts ab. Review now sendet sofort einen Growth-Recap (`growth-now`) per `POST /api/memory/control` und beachtet den gemeinsamen speech floor.

Mobile-first-Komfortpaket für die DeepSeek-Harness-Weboberfläche: Chrome-artige Tabs für aktive Sitzungen, Vollbild-Seitenleiste per Wischgeste, Overlay-Sidebar, zuletzt verwendete Einträge bei eingeklappter Sidebar, Sitzungswechsel ohne Eingabefokus, Viewport-/IME-Anpassung, Touch-Feedback, internes Scrollen von Code und Tabellen, ausgeblendetes Berechtigungsmenü, überarbeitete Vollbild-Einstellungen mit Tab-Merkfunktion, compositorbasierter Statuspuls und Schutz vor versehentlichem Ziehen — insgesamt 14 Funktionen. Jede lässt sich unter Einstellungen → QoL einzeln und sofort aktivieren; gespeichert wird je Browser in localStorage. Nur clientseitiges CSS/JS; Mobilregeln gelten bis 768px und lassen Desktop unberührt.

Wählt Browser-Elemente direkt während des Vibe Coding aus und sendet strukturiertes visuelles Feedback an den DeepSeek-Harness-Agenten.

Plan-Review mit verankerten Annotationen und strukturiertem Feedback zurück an den Agenten.

Erfahrungswissen und Reflexion für DSH-Agenten: Extrahiert nach Aufgaben automatisch mögliche Lehren und ruft später passende, vom Nutzer geprüfte Lehren ab. Mit Herkunftsnachweis, projektspezifischem Abruf, Konfliktbehandlung, Nutzungsfeedback und Ablaufprüfung. Erfassen und Abrufen haben getrennte Schalter; Schreiben nach AGENTS.md verlangt Vorschau und ausdrückliche Anwendung. Vierstufige Ersteinrichtungsanleitung im Einstellungsbereich.

Wissensdatenbank nach dem Karpathy-LLM-Wiki-Muster für DSH: wiki-write/wiki-search-Fähigkeiten, abhängigkeitsfreie Pipeline (Lint/Index/mnemon-Speichersync/Qualitätsfeedback), minimales Lebenszyklus-Plugin mit Schema- und Wissensvorschau, SiliconFlow-Semantikabruf über einen Ollama-kompatiblen Proxy.

Reproduzierbare Wissenschaftswerkbank: agentengesteuerte Zellen, Inline-Abbildungen mit Feedback/Neuausführung, Manifest-basierte Provenienz, Umgebungs-Snapshots und publikationsreife Abbildungs-Skills (9 bio_*-Tools + Werkbank-UI).

Agentischer Antwortprüfer für DeepSeek Harness: Ein separates LLM bewertet jede finale Antwort erneut mit 1–100 Punkten; unter dem Grenzwert erhält der Agent konkretes Feedback zur Überarbeitung. Der Wert erscheint als Chip in der Aktionszeile (grün: bestanden, rot: Überarbeitung nötig); Zahl und Grund der Wiederholungen stehen beim Überfahren. Live-Konfiguration über den Tab Reviewer 配置, einen HTTP-Server unter 127.0.0.1 oder einen optionalen rechten Tab von dsh-better-sidebar.

Fügt ein Screenshot-Werkzeug sowie zwei optionale automatische Erfassungspunkte hinzu, die den Bildschirm als Bildblock in das Gespräch einfügen; erfordert ein bildfähiges Modell.

Vier GitHub-Workflow-Skills für PR-Triage, Review-Feedback, GitHub-Actions-Diagnose und sicheres Veröffentlichen von Entwurfs-PRs, unter Wiederverwendung bestehender DSH-Funktionen mit gh/git-Fallbacks.

Ordnet lokal analysiertes System-Audio musikreaktiven Konversationseffekten, Rhythmusspiel-Bewertungen, Punkte- und Combo-Feedback sowie optionalen RGB-Spektrumbalken in DSH Web zu.

DSH-Langzeitgedächtnis in Markdown. Erfasst täglich echte User/Assistant-Dialoge ohne Modellaufruf; ein LLM fasst sie im System-Prompt jeder Runde zusammen. Lokale Suche CJK bigram + BM25 in 3 Stufen (Index/Zusammenfassung/Volltext) lädt nur angeforderte Details. P0- und Nutzereinträge werden nie automatisch geändert; Vergessen markiert stale statt zu löschen, der Verlauf bleibt in status.md prüfbar. Sechs Werkzeuge: recall/write/status/extract/feedback und Skill-Bibliothek. Geeignete Gruppen zeigen am Rundenende eine Karte; Klick erstellt SKILL.md, Installation nach Zustimmung. Lernen ist standardmäßig aktiv und nutzt das Gesprächsmodell. Hauptschalter stoppt das LLM, nicht die Erfassung. Fehler in prompt und status.md. JavaScript pur, keine Runtime-Abhängigkeiten außer Harness-Paketen.

Akustisches Feedback für die DSH-Weboberfläche: Schaltflächen werden nach Bedeutung klassifiziert (normal, primary, toggle, send, close, danger, link); Aufgabenübergänge der aktuellen Sitzung (started, finished, failed) und ausstehende Interaktionen lösen einen Signalton aus. Für jedes Szenario gibt es eine eigene Signalauswahl und einen Schalter auf einer Einstellungsseite. Alle 78 Signale und 12 Sound-Pakete werden im Browser mit der Web Audio API erzeugt; das Paket enthält keine Audiodateien und sendet keine Netzwerkanfragen. Community-Port von dsh-plugin-uisfx auf DSH 0.2.0; die Änderungen stehen in PROVENANCE.md.

Ein Subagenten-Matrix-Schwarm, der heterogene Aufgaben an das geeignetste Modell über ein OpenRouter-ähnliches Gateway plus cfgpu.com/llm/square weiterleitet, jede Aufgabe per in-Prozess-Subagenten oder direkten LLM-Aufrufen ausführt und den Tokenverbrauch pro Modell mit einem feedbackgesteuerten Ranking nachverfolgt.

Doppel-Wissensgraph-RAG für Markdown-Notizen mit half-life-Speicherverfall: Voraussetzungs- + Ähnlichkeitsgraphen (P/S-Agent-Traversierung), Absatz-Chunking, n-gram/Embedding-Hybridsuche und explizite Gewichtungs-Feedback-Schleife — natives Cordis-Plugin, installierbar via npm als @eqman00003/knowlp-rag.

Modelgebundene Figuren und gemeinsame Welt für DeepSeek Harness: editierbare Persona/Erinnerung, optionale AI-Tagebücher und Schlaf-Konsolidierung, Chinesisch/Englisch-Steuerung, aufgabenbewusste Desktop-Haustiere, Themes und Statistik; Updates erhalten Einstellungen. Windows/Linux/macOS; Anforderungen je System im Guide. Tagebücher/Konsolidierung verbrauchen Tokens. Sichtbare Desktop-Haustiere/Blasen vor Installation/Update möglichst schließen (offene Dateien können Fehler verursachen). Codex-/OpenAI-API-Kontoabfragen von Nutzern validiert; andere Quellen warten auf Prüfung/Feedback.

Quellen-Deck in DSH-Desktop-Gesprächen: Das aktuelle Chatmodell führt LLM-Suchrunden aus, Kandidaten erscheinen als GitHub-fähige Karten; keep/exclude-Feedback, Favoriten und ausgewählte Quellen bleiben im selben Gespräch.

Gedächtnis-Aufbauteam für DeepSeek Harness: Jede Nachricht löst einen fünfstufigen Zyklus aus (judge, retrieve, assemble, feedback, calibrate), getragen von subagents als judge, retriever, archivist, advocate, editor und scribe. BM25-Suche, chronologisches Material und LLM-Zusammenstellung erzeugen nützliche Pakete für linghun. Funktioniert mit dsh-linghun.

Natives DeepSeek-Harness-Plugin: leitet jeden Prompt in die lokale agent-feedback-loop-Erfassung und injiziert kompilierte Wiederholungsregeln in den Kontext.