Plugins

Persistente Multi-Modell-Trupps, die in den Einstellungen konfiguriert und im Composer ausgewählt werden, mit Modell- und Tool-Richtlinien pro Mitglied. Standardmäßig erledigt der leitende Agent einfache Arbeit selbst und delegiert nur, wenn der gespeicherte Trupp gebraucht wird; delegierte Arbeit läuft als begrenzter DAG mit optionaler Prüfung und Reparatur. Run Center verfolgt Wiederholungen und Tokens pro Mitglied aus offiziellen Harness-Nutzungsereignissen.

Ein-Klick-Prompt-Verbesserung (5 Modi, Memory-Chain, Multi-Modell-Fallback) plus Spracherkennung (Cloud Qwen3-ASR / Offline SenseVoice, automatischer Stopp bei Stille) für den Composer, mit Ein-Klick-Neustart des DSH-Dienstes.

Multi-Modell-Rat für DeepSeek Harness: unabhängige Antworten, anonyme Peer-Reviews und eine nachprüfbare Endentscheidung.

Verbindet Google-Antigravity-OAuth-Konten mit DeepSeek Harness, rotiert Kontingente intelligent über mehrere Konten und bietet LLM-Routing über mehrere Modelle sowie Bildgenerierung mit Nano Banana 2.

Konfigurierbares Standardmodell für Subagenten-Delegationen über settings.yaml, mit Einzelmodell- und Multi-Modell-Round-Robin- oder Zufallsstrategien.

Benutzerdefinierte Modi / Assistenten-Manager: jeder Modus erhält in den Einstellungen einen eigenen System-Prompt — eine einfache Datei, die die Agentenschleife vor jedem Modellschritt neu liest, sodass eine Änderung in der laufenden Session beim nächsten Schritt greift — und Start aus der offiziellen Standard-/PTC-/minimal-/Cordis-Komposition, wobei die eingebundenen Plugin-Zeilen einzeln umgeschaltet werden (eigene Plugin-Komposition pro Modus), frei umbenennbar. Mehrere Assistenten mit eigenen Prompts bestehen nebeneinander, sodass ein Rechner Coding-Assistent, Chat-Begleiter und Rollenspiel-(RP-)Persona parallel halten kann — Multi-Agenten-Setup, pro Session auswählbar. Unberührte Zeilen bleiben byte-identisch zu den ausgelieferten, samt Plattformbedingungen.

Proaktives Multi-Modell-Scheduling-Plugin: Multi-Source-Signalaufnahme mit Dedup und Dringlichkeits-Ranking, eine Vier-Wege-Execute/Defer/Dismiss/Ask-User-Entscheidungsmaschine, DAG-Plan-Generierung mit paralleler Modell-Ausführung, Qualitäts-Reflexion mit automatischem Retry und Modell-Switch, Langzeit-Gedächtnis für Task-Muster und Lektionen und Strategie-Evolution über genetische Algorithmen mit sandboxed Evaluation und Canary-Rollout.

Advisor-Reviews, die über Runden konvergieren, ein Engineering-Modus, dessen Schreibvorgänge ein Design-Token erfordern, die Eskalation einer Aufgabe an ein stärkeres Modell und parallele Multi-Modell-Beratung; eine Einstellungsseite bearbeitet Modellrouten, Timeouts und Budgets.

Multi-Modell-Orchestrator: Das Hauptgehirn zerlegt komplexe Aufgaben und verteilt Teilaufgaben je nach Stärken an GLM-/Kimi-/Qwen-Subagenten, mit Token-Verbrauch pro Modell.

Multimodell-Routing-Plugin für DeepSeek Harness: Überlassen Sie fachliche Aufgaben fachlichen Agenten — passen Sie professionelle Agenten (Vision/Übersetzung/Sprache/Sub-Agent usw.) an und binden Sie sie an unabhängige Modelle; Ein-Klick-Login für multimodale Konten, Gesundheits-Routing des Kontopools und Echtzeit-Nutzungsstatistiken.

Agentenaufrufbares Vision-Tool, das lokale Bilder über einen von dir konfigurierten, OpenAI-kompatiblen Vision-Endpunkt beschreibt, mit optionalem Multi-Modell-Gegencheck und ohne integrierte Schlüssel.

Multi-Modell-Roundtable für DeepSeek Harness: mehrere konfigurierte KIs debattieren mit eigener Persona und gemeinsamem Kontext in mehreren Runden dasselbe Thema. Ein Schiedsrichter gewichtet sechs Kriterien: Angriffslust, Logik, Persona-Treue, Unterhaltungswert, Strategie und Tiefe. Preis-Leistung erscheint separat aus dem echten Ledger von dsh-cost-meter. Ausgabe als Markdown-Bericht und docx.

Lokale Mehrmodell-Spracherkennung für den DSH-Web-Composer: Whistle oder Voz auswählen, Modelle werden je nach Bedarf geladen. Wird als DSH-Bundle ausgeliefert.

Modellbezogene Fähigkeitsprofilerstellung für DSH: wandelt den lokalen Sitzungsverlauf in modellspezifische Dashboards mit Sitzungsanzahl, Werkzeugnutzung, Fehlerquoten und Top-Fehlersignaturen um, mit Zeitbereichsfiltern und Mehrfachmodell-Vergleich.

Für DeepSeek Harness: Modelle registrieren, bei Porträts helfen und das Agent-Modell aus einem geheimnisfreien Katalog auswählen.

Leitet Implementierungsaufgaben vom Hauptmodell an Ausführungsmodelle weiter und sammelt deren Berichte.

Drei-Fenster-Workbench für dsh web: Chat, Konstruktion und schreibgeschützte Prüfung je Workspace nebeneinander, mit Hooks pro Fenster. Anonyme Mehrmodellprüfung fragt vor dem Start, gruppiert Befunde nach Problem und berichtet in Markdown.

Live2D-Sitzungsansicht mit Echtzeitstimme: kontinuierliche Spracheingabe, Streaming-TTS, Untertitelübersetzung, multimodaler Modellkatalog und eigener Einstieg.

FreeDSH: Free-First-Multimodell-Routing, sichere Kernupdates und pt-BR-/Windows-Unterstützung für DeepSeek Harness. Installierbares DSH-Bundle via `dsh plugin add`. Inoffizielles Projekt.

Verwaltet Multi-Modell-Zugriff, Monatskontingente, manuelles/qualitäts-/guthabenbasiertes/automatisches Routing, Umleitung bei Fehlern und Nutzungsprüfung für DSH.

DeepSeek-Harness-Plugin zur Orchestrierung mehrerer Modelle mit rekursiver Aufgabenzerlegung, dynamischem Routing, Qualitätsprüfungen, Fehlerbehebung und KPI-Berichten.

Ein ziehbares Maskottchen lädt dich zum Xiangqi (chinesisches Schach) während die KI denkt ein, mit eingebauter Engine, Zugaufzeichnungs-Export und optionalem Multi-Modell-Kommentar.

Nachrichten-Review- und Quote-Chips für Konversationen: Multi-Modell-Kreuzreview (Code/Antwort) mit Schweregrad-Einstufung und Zusammenfassungen, Review-Historie und host-persistierte Präferenzen.

Zweistufiger Modell-Router für DeepSeek Harness — LLM-Judge-Routing, Multi-Modell-Fallback-Ketten, Failover mit exponentiellem Backoff und Orchestrierung auf Aufgabenebene (DSH-Anpassung von pi-shift-router)