Plugins

Ein Repository, drei Teile: ein Laufzeit-Injektor für DSH-Plugin-Pakete (Injizieren, Hot-Reload, Entladen, ein Entwicklungswerkzeug nach vorne holen, Selbstheilungs-Routing sowie ein Plugin-Manager auf der Einstellungsseite, der auflistet, entlädt und Ordner zum Internalisieren per Drag and Drop aufnimmt), ein aufgabenbewusster Reasoning-Mode-Router als agent preset (router-standard / router-spec / router-react) und ein abgestuftes zweistufiges Aufgabenprotokoll, dessen sechs Werkzeuge (commit_star, lock_stage, revise_do, edit_plan, mark_task, redteam_verdict) den Aufgabenstatus auf der Festplatte fixieren. Die Injektor-Implementierung liegt im Baum bei, die Installation bringt also ihr eigenes Verhalten statt einer Abhängigkeitsliste mit.

LoopX, ein anbieterneutraler Local-First-State-Kernel und eine Control Plane für langfristig arbeitende Agenten: hält Goal-, Todo-, Gate-, Evidence-, Quota-, Recovery- und Handoff-Status oberhalb von DeepSeek Harness, während das Plugin CLI und Skills bootstrappt, begrenzte Fortsetzung in derselben Session zulässt und eine Loopback-GoalBar für die exakt gebundene Schleife hinzufügt.

LoopX, ein anbieterneutraler, lokal orientierter State-Kernel und Control Plane für Agenten mit langem Horizont: hält Goal-, Todo-, Gate-, Evidence-, Quota-, Recovery- und Handoff-Zustand oberhalb von DeepSeek Harness, während das Plugin CLI und Skills bootstrapped, begrenzte Fortsetzung in derselben Sitzung zulässt und eine Loopback-GoalBar für den exakt begrenzten Loop hinzufügt.

Softwareentwicklungs-Methodenpaket für Coding-Agenten mit Skills für baseline-orientierte Planung, systematisches Debugging, Prompt-Hygiene, Verifikation vor Abschluss sowie Reparatur-/Stilllegungs-Tracking.

Dein KI-Lernbegleiter: hilft dir, dein Lernen zu planen, Konzepte zu verstehen und Projekte aufzubauen, um ein Thema zu meistern.

Drei-Schichten-Speichersteuerungsebene für DeepSeek Harness: persistenter Laufzeitkontext, durchsuchbare Projektdokumente, austauschbarer Langzeitspeicher, intelligentes Routing, überwachte Agent-Workflows, WebUI und Headless-Werkzeuge.

DSH x Blender Direct-Realtime-Plugin v1.0 — ein KI-Modell steuert Blender über einen direkten TCP-Kanal: Viewport-Frames, Renderings aus benutzerdefinierten Winkeln, Inner-Loop-Suche, Render-Profiling, sichere Dezimierung, Headless-Offload, GUI-Start mit einem Aufruf (15 Tools + blender_rt_plan: 28 Familien / 183 Ops). Zugehöriger Skill: sixtysevenlf/dsh-skill-blender-modeling

Registriert Ark Agent Plan-, Coding-Plan- und Postpaid-Model-Routen im nativen DSH-Modellauswahldialog.

Proaktive assoziative Gedächtnisfunktion für DSH: injiziert an einer festen Grenze promptfreies Recall, mit dreischichtiger Auto-Konsolidierung, Skill-Kristallisierung und Astra-artigem Kontextmanagement. Enthält Übergabeprotokolle und ein PLAN-Whiteboard, die Fensterwechsel des Kontexts überstehen, sowie Wasserstandserkennung mit automatisch erkanntem Modellfenster. Lokale Markdown-Speicherung, modellagnostisch, null Abhängigkeiten; lexikalische 0-GB-Untergrenze mit optionalen semantischen Ebenen.

Volcengine-Ark-Provider-Plugin für DeepSeek Harness (DSH): registriert Agent Plan, Coding Plan und Postpaid-Routen auf dem nativen pi-ai-Adapter, sodass Ark-Modelle in der Modellauswahl erscheinen.

Superpowers für DeepSeek Harness: TDD-, Debugging-, Planungs- und Kollaborations-Skills, adaptiert von obra/superpowers, installiert als Cordis-Plugin mit 14 registrierten Skills ohne Laufzeitabhängigkeiten.

Red-Team-Modus: Startet fünf Rollen für eine Zielorganisation (Aufklärung, Assets, Schwachstellen, Ausnutzung, interne Bewegung; Parallelität standardmäßig 3, sofort änderbar). Mit Vorabprüfungen, Erststart-Assistent, serverseitiger Wertung mit 8 Kategorien/25 Punkten, Deduplizierung und Ausschluss selbst registrierter Konten; Funde werden mit Zeit in SQLite gespeichert. Die 9-Tab-Konsole zeigt Assets, Agenten, Sitzungen, Funde, Angriffskette, Beweis-Screenshots und Berichte mit reproduzierbaren Befehlen. Enthält 14 Recon-/Assessment-Skills, 56 redteam_*-Tools und Ein-Befehl-Update. Angriffsskills und Autoinstaller liegen separat bei, nicht im npm-Paket.

Abrechnungs-Dashboard in der Seitenleiste: aus Sitzungsprotokollen aggregierte tatsächliche Nutzung (Aufrufe/Tokens/Cache pro Modell und Tag), Kostenschätzung in CNY aus einem aktuellen Multi-Provider-Preiskatalog, Routen der Abopläne (coding/token/agent) ausgenommen, sowie Status-Punkte pro Anbieter.

Ergänzt eine Modellroute, bei der Lead plant und prüft, während Sidekick die Codeänderungen ausführt.

Lark/Feishu-Bot-Kanal für DeepSeek Harness: Jeder Chat steuert seinen eigenen Agenten, und Tool-Genehmigungen, Modellfragen und Planüberprüfungen kommen als Karten zurück, die per Schaltfläche oder Antwort beantwortet werden. Wechsle Arbeitsbereich und Modell direkt im Chat (`/cd`, `/model`, `/new`) und betreibe mehrere Bots, die getrennte Sitzungen führen und sich in einer Gruppe gegenseitig den Zug übergeben können.

Persönlicher Assistent für DeepSeek Harness, der Gesprächsverpflichtungen in sitzungsübergreifende Pläne, Erinnerungen und ein auditierbares Dashboard verwandelt

DSH-Benachrichtigungs- und Fernsteuerungsebene: eine `notify()`-API über 28 ausgehende Kanäle, sechs eingehende Steuerkanäle, Freigaben/Fragen/Task-Steuerung per Telefon, eine native DSH Notify & Control UI, Live-Hot-Apply für ausgehende Kanäle, Multi-Agent-Routing und null Runtime-Abhängigkeiten.

Fernsteuerung für dsh web aus einem mobilen Browser, von überall (keine öffentliche IP nötig): gehosteter Cloud-Relay funktioniert über 4G, oder Sie hosten den Router selbst; ein Befehl installiert die Desktop-Brücke und dieses Einstellungsfenster im Harness (Cloud/Self-Hosted-Tabs, Konto-Login, Brücke starten/stoppen, Feedback); die Datenebene des Tunnels ist Ende-zu-Ende-verschlüsselt (E2EE Mobil↔Desktop), mit QR-/Einmal-Link-Desktop-Freigabe, damit das Passwort nie erneut eingegeben werden muss, mit HTTP/WebSocket-Passthrough, Zugangsschlüssel-Authentifizierung, Live-Geräteliste und optionalen Traffic-Kontingenten.

Installiert vier Multi-Agent-Presets für mathematische Forschung in DSH: v2 (wahrscheinlichkeitsgetriebene Pipeline mit Debatte mehrerer Prüfer), v3 (Markdown-Wissensbasis im Paper-Stil mit Planer-Agent und wiederverwendbarer Methodenbibliothek), v4 (persistente, selbstorganisierte Bewohner, die sich Nachrichten schreiben und treffen) und v5 (ein Forschungsinstitut mit einem Akademiker, der Arbeit zerlegt und verteilt, abstimmenden Forschern, Aushilfen, Gruppenchat und einem Compare-and-Set-Task-Board); alle vier unterstützen Checkpoint-Fortsetzung, menschliches Eingreifen und einen optionalen Lean-Formalverifizierungs-Schalter (off/encourage/require), dessen bestandener Beweis die Abstimmung in eine Treueprüfung der Lean-Aussagen verwandelt.

Benachrichtigungen und Erinnerungen für DSH: Ein Desktop-Melder zeigt System-Toast, Ton und einen Marker im Tabtitel, wenn der Agent Eingaben erwartet (Freigabe, Planprüfung, Frage) oder ein Hintergrundauftrag abgeschlossen ist. In den Einstellungen gibt es Hauptschalter, Ton und Lautstärke, Ein/Aus je Fall sowie die Benachrichtigungssprache zh/en.

Vollständiger Port von obra/superpowers für DeepSeek Harness: 14 Methodik-Skills über einen nativen SkillProvider (Rang 550), die Brainstorming, Planung, TDD, Debugging, parallele Agenten und mehr abdecken, mit chinesisch lokalisierter Dokumentation und Installation ohne Build.

Engineering-Workflow-System für KI-Coding-Agents — verpflichtende Planung, TDD, Verifikation, Review und intelligente Graph-Analyse der Codebasis.

Werkbank zum Lesen von Papers: Bibliothek + PDF-Reader + Begleiter im Tutor-Stil. Antworten zitieren anklickbare Seitenzahlen, die zurück ins PDF springen und die genaue Passage hervorheben; Markieren-zum-Fragen ohne das Paper zu verlassen; mitgeliefertes Strict-Tutor-Preset (Leseplan, Abschnitts-Coaching, benotete Quizze über Sessions hinweg verfolgt); Umschalten zwischen Original ↔ Chinesisch an Ort und Stelle (babeldoc, keine Vorinstallation). Lokale Transkription und Suche — Dokumente verlassen Ihren Rechner nie.

Local-first Code-Wissensgraph für Coding-Agents: 10 MCP-Tools für schichtweise Kontextkomprimierung, DAG-Planung, inkrementelle AST-Indizierung, session-übergreifendes Skill-Flywheel, Diagnosen sowie Import/Export von Graph-Artefakten.