Plugins

Verbindet dsh über stdio MCP mit einer lokalen SandBase-Harness-Laufzeitumgebung zur Verwaltung von Agenten und Sitzungen, zum Streamen von Turns, zur Inspektion von Artefakten und zum Abbrechen von Arbeiten.

Die Funktionen von DeepWatch, installierbar in ein bestehendes DeepSeek Harness-Profil

Schreibgeschützter Beobachter des Sitzungs-Arbeitspfads: faltet Turns zu Zusammenfassungen aus Phase, Lauf, Dauer und tok/s und klappt dann parallele Zweige, Werkzeugergebnisse und anbieter-sichtbares Reasoning aus.

Ausführungs-Labyrinth für DSH-Sitzungen: der reale Weg des Agenten — Hauptfortschritt, gescheiterte oder Sackgassen-Umwege, Rückschritte, erneute Anfragen und Subagenten-Zweige — auf einer gemeinsamen Wall-Clock-Zeitlinie dargestellt, mit drei Tracks unter jedem Lane, die diese Achse teilen (Tool-Call-Dichte, Token-Puls, Kontextdruck) und einem deterministischen Analysepanel darunter (Tool-Result-Matrix, Fehler-Wiederherstellungs-Ketten, Dauerverteilung); beobachte, wie es live in einem Sitzungstab wächst, oder lade bis zu 5 Sitzungsprotokolle für einen Vergleich auf derselben Achse hoch.

Rein lesendes Runtime-Verwaltungspanel für den offiziellen DSH-MCP-Client: Verbindungsstatus, registrierte Tools, Fehler und Reconnect-Zähler über den `/mcp`-Befehl und einen Einstellungstab, mit bereinigter Anzeige und Vorschlägen zum Aktivieren/Deaktivieren per Patch.

Trace Compare & Live Maze: Zeichnet die tatsächliche Erkundung des Agenten – Hauptpfad, fehlgeschlagene oder Sackgassen-Umwege, Rückverfolgungen und Subagent-Zweige – auf einer einzigen Wanduhr-Zeitachse; laden Sie 1–2 Session-Logs hoch, um einen Vergleich auf derselben Achse durchzuführen, oder beobachten Sie das Wachstum live in einem Session-Tab.

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.

Exportiert den Sitzungs-Event-Stream als bereinigte, gepufferte Traces und Metriken an OpenTelemetry OTLP und Langfuse, standardmäßig deaktiviert.

Lokal-first Vier-Bucket-Token-Observability: persistente Dashboards nach Sitzung/Anbieter/Modell/Tag, Trends, Budget- und Anomaliesignale, Schätzungen öffentlicher Tarife, sichere aggregierte Exporte sowie explizite Opt-in-Nutzungs- oder Sitzungsverlaufsanalyse.

Nutzungsstufen und teilbare Statistik-Karten: 🐟→🐳 Rangfolge nach monatlichem Token-Verbrauch mit lokal berechnetem geschätztem Perzentil, präzise Preise für 46 Modelle von 6 Anbietern (einschließlich größenbasierter chinesischer Preise), Nachfüllung von Vorinstallations-Sitzungen und Alt-vs.-Neu-Vergleich über die Tarifänderung vom 2026-08-17. Nur lokal, keine Telemetrie.

Exportiert die Agent-Schleife als OpenTelemetry-Traces, Metriken und Logs nach GreptimeDB, mit sieben Grafana-Dashboards zu Token-Nutzung, Kosten, Sitzungsergebnissen und Latenz pro Turn.

Konversationelle Grafana-Operationen: Live-Dashboard-Daten über benannte Quellen hinweg prüfen und dann sichere, überprüfbare Dashboard-Änderungen mit Freigabe und Versionsprüfungen vornehmen.

model router pro Schritt: benannte Voreinstellungen mit geordneten Bild-/Stichwortgruppen-Regeln leiten jeden Agent-Schritt über jeden eingebundenen Anbieter und jedes Modell und ergänzen Kollaborationsabläufe für Bildtranskription, einen Bildschutz, ein Multi-Plan-Kontingentfeld und Pro-Schritt-Entscheidungs-Beobachtbarkeit.

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.

Schreibgeschützte Trajectory-Überprüfung in einer in der Größe veränderbaren Konversations-Seitenleiste, mit Regelanalyse, optionalen Modellerklärungen, Evidenz-Navigation und Vergleich von Läufen im selben Bereich.

Langzeit-Markdown-Gedächtnis über Sessions hinweg mit LLM-Wiki-Struktur und SOUL.md-Persona, beim Sessionstart injiziert (standardmäßig erst nach der ersten Nutzernachricht und nur in der aktiven Session), dazu remember/recall/consolidate/forget, eingebetteter Memory-Skill und Pack/Unpack-Migration. Zudem Beobachtbarkeit und Pflege: ein Boot-Block-Budget pro Datei schützt die Index-Routingtabelle vor Kürzung, automatische last_access-Stempel machen Salienz-Verfall wirksam, ein schreibgeschütztes Memory-Health-Dashboard, ein deklarativer Index-Compiler, ein interaktiver Memory-Graph, Cross-Link-Vorschläge und ein `checkup`-Bericht mit priorisierter Aufgabenliste.

Berichte über Verhaltensdrift in DSH-Sessions: vergleicht zwei Session-Logs und meldet Übereinstimmung der Tool-Sequenz, Tool-Mix, Reasoning-Umfang, Timing, Wiederholungen und Dateiziele, mit optionalem CI-Schwellenwert-Gate. Keine Abhängigkeiten.

Conversation-Flow-Observability für DeepSeek-Harness-Swarms, mit Topologie, Inspektion gerouteter Nachrichten, HITL-Pausen, Live-Folge und Navigation zu Kind-Sessions.

Read-Only-Einblick-Panel für ein Profil: fünf Ansichten über dieselben Daten — Konfigurationsschichten, Plugin-Baum, Dienste, Tool-Namen und Modelle — jeder Eintrag zeigt, welche Schicht ihn eingefügt oder deaktiviert hat und ob er läuft.

Überträgt Sitzungen, Nachrichten, Werkzeugaktivität und Ergebnisse der Turns von DeepSeek Harness an ein Board von JARVIS Mission Control mit Aufgabenstatus und menschlicher Prüfung.

Berührungslose Laufzeit-Telemetrie für DSH: jede Sitzung schreibt Aufgabe, Modellstufe, Tools, Fehler, Dauer und Status automatisch in ein menschenlesbares Journal mit Statistikbereich (reiner Beobachter — keine Tools, keine LLM-Aufrufe, keine Injektion).

Zeigt das DeepSeek-Guthaben und die geschätzten täglichen Ausgaben an, fusioniert externe Vision-Call-JSONL-Datensätze und fügt ein Dashboard pro Sitzung mit Modellstatistiken, TTFT, Cache-Rate, Call-Logs, Kostenschätzungen, Filtern und CSV-Export hinzu.

Analytik zur Sitzungsausführung: Schritte, Tool-Aufrufe, Fehlschläge, wiederholte Aktionen, Token-Nutzung und Verifizierungssignale, dargestellt als Text-/Markdown-/JSON-Berichte.

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