Plugins

Langzeitgedächtnis für DeepSeek Harness in einfachem Markdown, eine Tatsache pro Datei, lesbar in jedem Editor. Der `MEMORY.md`-Index hat eine strikte Obergrenze von 200 Zeilen / 25 KB, erzwungen durch `ctx.tools.guard()`: Ein Schreibvorgang, der den Index über die Grenze wachsen lassen würde, wird abgelehnt, während ein Neuschreiben, das ihn verkleinert, immer durchgeht, sodass ein übergroßer Index schrittweise komprimiert werden kann. Das Plugin schreibt niemals selbst Erinnerungen – was behalten wird, entscheiden Sie und das Modell. Derselbe Speicher wird auch von Claude Code, Codex, Kiro und OpenClaw verwendet.

Kuratiertes dateibasiertes Langzeitgedächtnis für DeepSeek Harness — menschenlesbare Markdown-Notizen, ein einziger Klartext-Dateispeicher, der über Hosts hinweg gemeinsam genutzt wird (von git ignoriert, wenn er sich in einem Projekt-Repository befindet), und eine deterministische Indexobergrenze, die von ctx.tools.guard() durchgesetzt wird

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.

Übernimmt das DSH-Web-Eingabefeld (v0.3.0-beta.4 · Fähigkeitspaket für komplexe Aufgaben: 3D/Normalen/Interaktion/Daten/Nebenläufigkeit/Leistungsdetails jeweils geprüft + automatisierbare Abnahme + zweisprachig Chinesisch/Englisch · für dsh-0.1.6-alpha.1): vor dem Senden optimiert eine unabhängige KI (Überbringer) den Prompt zu einem direkt an die Arbeits-KI sendbaren Befehl (vier Stärken, flusslänge nach Schwierigkeit, Isolierung pro Sitzung, minimalistisches Mini-Fenster).

Installiert eine Multi-Agent-Voreinstellung zum Romanschreiben für DeepSeek Harness: Ein Dirigenten-Agent verteilt die Arbeit an fünf spezialisierte Subagenten — Weltenbau, Plotentwicklung, Charakterverwaltung, Prosaschreiben und QS-Review.

Speichern Sie jeden wiederkehrenden, lästigen Vorlagen-Prompt — ein Mausklick fügt ihn in den Composer ein und erspart Ihnen die Mühe. 🌹

OMK — Observe. Measure. Know. Evidenzgestützte Wissensänderungen für KI-Anwendungen.

Auf dem Host laufende cron-Engine mit Web-Jobs-Board und einem timer_agent-Tool: löst echte Agent-Sitzungen nach Zeitplan aus, setzt eine angeheftete Sitzung für Kontext fort oder startet neue in einem gewählten Projekt-Workspace.

Port von DietrichGebert/ponytail v4.9.0: immer aktivierter Lazy-Senior-Modus mit einer 7-stufigen Leiter (YAGNI bis Minimalcode), 6 Skills für Review, Audit, Schulden, Gewinn und Hilfe, ohne leere Tools.

Einheitliches verankertes Agenten-Preset für DeepSeek V4 Pro/Flash auf der offiziellen API und opencode-go: minimal-exakter Zwei-Tool-Bootstrap für die erste Anfrage, modellbewusste Pro-/Flash-Pfade und epoch-bewusste Katalogverwaltung für Stabilität in langen Sessions.

Einheitliches verankertes Agenten-Preset für DeepSeek V4 Pro/Flash über die offizielle API und opencode-go: minimal-exakter Zwei-Tool-Bootstrap für die erste Anfrage, modellbewusste Pro/Flash-Pfade und epochenbewusste Katalogverwaltung für die Stabilität langer Sitzungen.

AI-for-Science-Forschungs-Workflow-Skill für DeepSeek Harness, für Forscher und Doktoranden mit agentenbasierter KI: mehrwinklige Literaturrecherche mit Dateien pro Winkel, Experimentdesign mit Caveat-Liste, Abbildungen und Paper-Lesen; jeder Job gibt Dateien sowie ein Cross-Verification-Briefing für ein zweites Modell zurück. Null Abhängigkeiten, MIT.

Fügt /pua hinzu, um den Agenten anzuleiten, vor der Erklärung der Fertigstellung einen anderen Ansatz zu versuchen und die Ergebnisse zu verifizieren, mit 15 Firmenstilen, Persona-Modi, globalen und pro Konversation geltenden Einstellungen sowie einer optionalen Schleife, die fortläuft, bis ein Verifikationsbefehl besteht, das Iterationslimit erreicht ist oder der Benutzer abbricht.

Prompt-Optimierung per Klick im Composer — schreibt den Entwurf in einen strukturierten Prompt um (Rolle und Ziel, ausführbare Schritte, Ausgabeformat, Akzeptanzkriterien, Randfälle), mit Vorher-/Nachher-Vorschau, Zurückübernahme und Rückgängig. Ändert niemals die Absicht, erfindet niemals Anforderungen.

Learning-Mode-Agent-Preset: ein Coding-Agent, der beim Coden lehrt — konkrete szenariengestützte Erklärungen, sokratische Anleitung und TODO(你)-Übungs-Lücken, modelliert nach Claude Codes Learning-Output-Stil; installierbar über dsh plugin add (dsh-learning-mode auf npm).

Prompt-Verbesserung für den Composer: Die Schaltfläche „✨ Enhance“ schreibt den Entwurf anhand von First-Principles-Denken in eine klarere, strukturiertere Version um, basierend auf Sitzungskontext, Gedächtnis und dem letzten Gespräch. Bei fehlenden Schlüsselinformationen werden in einer Karte Rückfragen gestellt; anschließend lässt sich das Ergebnis vor der Übernahme in das Eingabefeld in der Vorschau ansehen.

Mehrperspektiviges Skill für strukturelle Analyse: adversarial-first Analyse über 16 Perspektiven in 4 Kategorien mit 10 strukturellen Werkzeugen, Konfidenzkalibrierung und faktengebundener, schichtweiser Ausgabe.

Prompt-Verbesserer für die DSH-Weboberfläche mit basic/standard/expert-Modi: standard und expert schreiben Entwürfe mit Projektkontext und jüngster Sitzungshistorie um, versuchen es elegant erneut, wenn Gateways reasoning-effort-Einstellungen ablehnen, und zeigen eine Vorher/Nachher-Prüfung mit Undo.

Lernt, was Sie in Ihren Prompts unausgesprochen lassen, aus chaotischen Turns und Ihren eigenen Korrekturen, und fügt die gelernten Direktiven in den System-Prompt jeder neuen Konversation ein; die Direktiven sind in den Einstellungen bearbeitbar und eine Composer-Schaltfläche schreibt den aktuellen Entwurf damit um.

Learning Mode Agent-Preset: ein Coding-Agent, der beim Coden lehrt — konkrete szenariobasierte Erklärungen, sokratische Anleitung und TODO(你)-Übungsblanks, modelliert nach Claude Codes Learning-Ausgabestil; installierbar via dsh plugin add (dsh-learning-mode auf npm).

Kontextbewusste Vorschläge für die nächste Nachricht im DSH-Composer, mit wiederholtem Trigger-Zyklus und expliziter Benutzerüberprüfung vor dem Senden.

Agentenstrukturierter Prompt-Optimierer für DeepSeek Harness: schreibt Composer-Entwürfe in role/task/context/constraint/format um, mit den Modi normal, slim und expand, einem Bestätigungsmodal mit Bewertung, continue-optimize sowie lokalen, hybriden, DSH- oder Cloud-API-Engines.

Registriert die Skill „fight-scene-director“ zur Gestaltung von KI-Video-Kampfszenen, portiert von der gleichnamigen Codex-Skill. Erzeugt strukturierte chinesische Prompts für Seedance 2.0/2.5 und MiniMax H3, plus Trajektorie-Karten- und Startpositions-Bildprompts.

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.