Plugins

Erzeugt validierte, eigenständige interaktive Architektur-, Workflow-, Sequenz-, Datenfluss- und Lebenszyklusdiagramme aus Repositories oder Systembeschreibungen.

Optionales, reines Skill-Bundle für DeepSeek Harness mit dem Archify-Skill für Architekturdiagramme.

DSH-Kontext-Einblickspanel: Context-Dashboard + Befehl /context + Context-Browser — zentrales Management des Kontext-Lebenszyklus mit kategorisierter Zusammensetzung, Inhaltsdetails, Entwicklungstrends, Kompaktierungs-/Injektionsereignissen und Statistiken.

Verbindet Lebenszyklusstatus, Fehler und Genehmigungsanfragen von DeepSeek Harness mit einem lokal laufenden OpenPets-Desktop-Begleiter.

Sicherheitsanalyse-Plugin für DeepSeek Harness: 33 Tools aus sechs Sicherheitsbereichen, für Belege, Berichte und Hilfsmittel sowie Fallablauf, Routing und Tool-Protokoll. Enthält einen sitzungsgebundenen Fallablauf mit Beweiskette, E-id-Prüfung und reproduzierbaren Befunden; 362 Referenzen bei Bedarf; drei austauschbare Persona-Profile; und einen Arbeitsbereich mit vier Tabs (armor / case / intercept / about), der den Fallstatus nach der Kontextkomprimierung wiederherstellt.

MemOS-Cloud-Lebenszyklus-Speicher-Plugin für DeepSeek Harness

Nativer Skin-Marktplatz und Lifecycle-Manager, der Community-Skins entdeckt, Vorschauen und Kompatibilitätsstatus anzeigt und verifizierte Ein-Klick- oder manuelle Installationswege bietet.

Asset-Governance-Konsole für selbst gehostete KI-Infrastruktur. Erfasst MCP-Server, Skills, Agents, KI-Apps, Modellkanäle, SaaS-Connectoren und NAS-Speicher in einem Ledger mit Lebenszyklus-Zustandsmaschine, RBAC-Berechtigungspunkten je Tool, Kostenverteilung Abteilung × Agent × Skill, Abhängigkeitstopologie und append-only Audit-Trail. Selbst gehostet, MIT, ohne Hosted-Tarif oder Cloud-Vertrag.

DSH Knit sortiert Markdown/Code/Bilder/Videos im Workspace nach Gesprächsbezug in der Seitenleiste; Context Pack via knit_docs. Standard-BM25/IDF vergleicht lokal letzte Nachrichten mit Titel/Zusammenfassung/Inhalt: kein Modell/Netz, keine Übertragung; Index bleibt nach Neustarts/Sitzungen. Evidenz/Vorschau; Zuordnung beim Lesen fixiert; Anheften/Ausschluss vor Abruf rückgängig machbar. v0.23 Hybrid optional AUS, nur mit selbst konfigurierten Ollama/OpenAI-kompatiblen Embeddings. Sendet nur query+Titel/Zusammenfassung (Markdown: Anfang ≤60 Zeichen; Code: relativer Ordner; Medien: Name), nie Volltext/absolute Pfade; Loopback lokal. v0.24 verknüpft uncommittete Änderungen mit read-only git status (festes argv, keine Shell, env-Allowlist), AUS. Kein Realtest; kein Suchgewinn belegt.

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.

Wandelt Lebenszyklus-Ereignisse von Sitzung, Agenten-Loop, LLM und Tools in OpenTelemetry-GenAI-Traces und -Metriken um, die über Standard-OTLP/HTTP an jedes kompatible Backend exportiert werden, wobei die Inhaltserfassung standardmäßig deaktiviert ist.

Ziel-Lebenszyklusverwaltung für dsh mit einem interaktiven Kanban-Board: Ziele, Kriterien, Versuche und Reviews leben im Arbeitsbereich, gesteuert durch graph_*-Tools, mit einem zweispurigen Board in der Unterhaltungsansicht.

Erstellt und verwaltet sandboxed JavaScript-Tools mit einem Monaco-Editor und einem modellgesteuerten Tool-Lebenszyklus.

DSH-native Integrationsschicht für die Minta-Speicher-Engine: setzt die offizielle dsh-mcp-client-Zeile zusammen, registriert die Skill minta-memory-governance sowie ein Speicher-Prewarm zu Sitzungsbeginn und liefert ein Minta-Agent-Preset mit; erfordert die separat bereitgestellte Minta-Engine (Python/Docker), die die 19 MCP-Tools bereitstellt — ohne diese nicht verwendbar.

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.

Sitzungsübergreifendes Gedächtnis mit deterministischem Recall ohne Tokenverbrauch (Bigram-Jaccard mit FTS5-BM25 via RRF kombiniert, chinesischbewusste Tokenisierung), Verstärkung, die wiederholte Beobachtungen stärkt, und Prozeduren, die zu SKILL.md-Dateien kristallisiert werden und vor Ort durch einen aktiv-veraltet-archivierten Lebenszyklus mit rückgängig machbarer Archivierung und Wiederherstellung verfeinert werden. Ingest und Disposal bieten jeweils eine vom Nutzer gewählte Autonomie-Stufe; Konflikte und Schreibvorgänge mit hoher Wichtigkeit gehen immer zur menschlichen Prüfung, und nichts wird jemals automatisch gelöscht. Erfordert Node 22.5+.

Lifecycle-Verwaltungs-UI für den Modellanbieter llm-pi-ai: Anbieter mit benutzerdefinierten Headern und AES-GCM-verschlüsselten API-Schlüsseln erstellen, bearbeiten, löschen, aktivieren und deaktivieren; deinstallationssichere Wiederherstellung geparkter Anbieter, Remote-Modellerkennung mit Stapelschreiben, intelligentes Routing mit fünf Strategien, Union-/Schnitt-Komposite, Konnektivitätstests pro Modell und Anforderungsobservabilität.

Konfigurationsgesteuerte Lifecycle-Hooks: Ereignis→Befehl-Deklarationen in cordis.patch.yml, mit Feishu-Kartenbenachrichtigungen und Bot-Einrichtung per QR-Scan.

Verpackt das Presentation-Skillset ppt-master upstream als installierbares DeepSeek-Harness-Plugin: Skills bytegenau eingebunden, drei Lifecycle-Tools (ppt_master_info, ppt_master_check_env, ppt_master_setup_deps), optionale venv-Interpreter-Isolierung und Konfigurationskarte auf der Plugins-Seite. Erfordert python3 >= 3.10 und die mit ppt_master_setup_deps installierten pip-Abhängigkeiten.

Klassifiziert DeepSeek-Harness-Sitzungen automatisch mit Jev-Entscheidungsmodellen oder Agent-Tools und versieht Titel mit Status-Emoji (in Arbeit 🚧, blockiert ⏸️, Review 👀, erledigt ✅, Plan 💡, Fehler 🐛). Mit nahtloser Wiederherstellung des Lebenszyklus, optionaler Jev-Inferenz (Jev-API-Schlüssel erforderlich), Pflege der Modell-Tools und visueller Einstellungsseite.

Lazy-Loading-Router für MCP-Server: erkennt kompatible MCPs automatisch und hält nur einen gemeinsamen Router im Tool-Katalog, der die Schemata eines Servers offenlegt, wenn ein Durchlauf sie braucht, und sie am Ende wieder verbirgt – so kosten viele installierte MCPs nicht mehr bei jeder Anfrage Kontext. Bei Unsicherheit fällt er auf normale Sichtbarkeit zurück, und das ursprüngliche MCP behält Ausführung, Berechtigungen und Prozesslebenszyklus. Unterstützt zudem explizite Lazy-Verbindungen mit Warm-Reuse, begrenzter Wiederverbindung, stdio und Streamable HTTP.

Biomimetisches Speichersystem für DeepSeek Harness: ein einzelner SQLite-Speicher (node:sqlite, WAL), dessen Markdown-Baum als schreibgeschützter Spiegel geführt wird; Speicher-Tools, Injektion eingefrorener Snapshots zu Sitzungsbeginn, abgestufte Genehmigungsschwellen, bedarfsgesteuerte Extraktion der aktuellen Sitzung, Zusammenführung von Fast-Duplikaten, ein Archiv- und Überschreibungs-Lebenszyklus, Speicher-Stoffwechsel (dream), Speicher-Pins, semantisches Wiederauffinden über lokale Embeddings und der Befehl /memory.

Eine themenfähige, monochrome 60-Frame-Wal-Tauchanimation mit reaktivem Wasser für den DSH-Web-Zugstatus: eingebettete Assets, nahtlose Endlosschleife, PNG-Fallback bei reduzierter Bewegung und sauberes Entfernen im Lebenszyklus.

Werkzeug zur Datenherkunftsverfolgung: ordnet den gesamten Datenlebenszyklus zu, um gesetzliche Anforderungen an die Herkunft zu erfüllen.