Plugins

Wendet OpenQuantum-Branding, Browser-Metadaten und PWA-Assets auf die native DeepSeek Harness Web-UI an.

Design-Treue-QA für textbasierte Modelle: Ein `deepseek_vision`-Tool leiht sich ein Auge von jedem OpenAI-kompatiblen Vision-Pfad, damit das Modell beurteilen kann, ob eine Implementierung zu seinem Mock passt — ausgeliefert mit dem Benchmark hinter diesem Urteil (vier Fixtures, 23 injizierte Defekte, Rohtranskripte) und der Fragedisziplin, von der es abhängt.

QA-Pipeline als 10 Agent-Skills: Anforderungsanalyse, Teststrategie, Fallerstellung und Review, E2E (Playwright) und API-Automatisierung, explorativ, Regressionsumfang und Bug-Analyse, gestützt auf eine gemeinsame Wissensbasis mit Formatregeln, Risikomodell und Schema-Validatoren.

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.

QA-Projekt-Werkbank für dsh: Testprojekte, Anforderungen, Testfälle, Defekte, Meilensteine, Berichte und Freigabephasen über eine Browser-Oberfläche und 18 QA-Domänen-Tools verwalten.

Lokale Literatur-Wissensdatenbank-RAG: 10 Tools (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), hybride BM25+Vector+Reranker-Suche, belegte Fragen-Antworten mit anklickbaren DOI-Links, vollständig lokale bge-Embeddings über einen Single-File-SQLite-Index. Benötigt Python 3.9+ mit pymupdf, faiss-cpu und sentence-transformers; der Installer `npx dsh-kb-rag-install` richtet diese ein und lädt das Modell vorab herunter.

Expert-Preset für DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): Chefkoordinator + 17 Domänen-Subagenten mit Auto-Delegation. Funktionen: Taskboard (Zustände pending/ready/running/done/failed, DAG, atomare Beanspruchung, Retry, Wiederherstellung), Quality Gates (5-stufige Pipeline: Anforderungen, Implementierung, Verifikation, Prüfung, Integration; 2 Überarbeitungen), Five-Anchor (Prüfung/Konvergenz/Anti-Drift/Zusammenarbeit/Ressourcen), Near-distance (Vorlage Identität/Aufgabe/Ausgabe), progressive Offenlegung (~28 % Token-Einsparung), Persistenz, P2P-Bus, Kreuzprüfung, Erfahrungspool, Schnellweg, Auto-Retry. 17 Experten: Daten, Redaktion, Recht, PM, Frontend, UI/UX, Architekt, Social, Growth, Quant.-Finanzen, Backend, DevOps, DB, QA, Sicherheit.

Rollenbasiertes Multi-Agent-Team für DeepSeek Harness. /team versammelt bis zu 12 Subagenten (Produkt, Architekt, Recherche, UI, Backend, Frontend, DB, Security, Reviewer, QA, DevOps, Docs) und führt einen Pipeline mit 9 Phasen und Gates aus (klären, recherchieren, entwerfen, Spec-Review, Plan-Freigabe, umsetzen, Review, Test, Ausliefern) über gemeinsame Artefakte. Qualitäts-Gates erzwingt der Code, nicht der Prompt: eine unfertige Aufgabe lässt sich nicht als abgeschlossen markieren, Befunde entscheidet die Reviewer- oder QA-Rolle, und Abdeckungslücken oder Rework erscheinen live im Overlay und in /team status. Enthält ein Live-Overlay (Phasen, Roster, Task-DAG, Artefakte, Entscheidungen), einen persistenten Team-Modus und Token-/Zeitabrechnung. Keine Laufzeitabhängigkeiten, kein Build.

Führt Arbeit als Crew von Rollenagenten aus: Ein Produktmanager schreibt das PRD oder DoD, wartet auf deine Bestätigung und startet dann Architekt, Ingenieur, QA und Reviewer, deren Werkzeugsätze pro Rolle gesperrt sind, und teilt Arbeit über Dateien auf der Festplatte.

DeepEye-Vision-Plugin für DeepSeek Harness (DSH): Bildbeschreibung, OCR, VQA, UI-Layout und Zwischenablage-Analyse.

Ein auf DSH-better-sidebar basierender Frage-Tab in der Sidebar, der die Seiten-Fragefunktion von Codex bzw. `/btw` von Claude Code nachbildet.

QA-Orchestrator-Plugin für DeepSeek Harness: ein Agent erkundet deine App und hinterlässt Belege, danach wird der erkundete Pfad deterministisch wiedergegeben. Steuert Treiber für Browser, macOS-Desktop, iOS und Android.

Akademisches Schreib-Toolkit für DSH-Agenten: Gliederungen für Arbeiten, Gerüste für Titel und Abstract, GB/T 7714 / APA / MLA-Zitationen, Formulierungs-QA und eine Checkliste vor der Einreichung.

A focused end-user QA surface backed by native DeepSeek Harness sessions

Product Design workflow suite for DeepSeek Harness - a router plus nine pd-* skills carrying ideas from a minimum design brief through visual directions, evidence-grounded research and audits, URL cloning, frontend builds and a blocking design-QA gate.

Übersetzungs-Toolkit für DSH-Agents: Satzsegmentierung, Term- und Glossarextraktion, Quell-Ziel-QA (Zahlen, Einheiten, Klammern), Tonfall-Leitfäden und ein dauerhaftes Translation-Memory im Workspace.

Image and video production toolkit for DeepSeek Harness - background removal with quality tiers, local inpainting retouch, headline and logo compositing, batch platform-size exports and image QA reports; for video, AI subject matting with background replacement (RVM ONNX, plus a chroma-key path), animated titles with fade/slide/typewriter/karaoke presets, 53 transitions with stylized variants, and light-effect and grading presets with LUT support, alongside footage inventory, accurate cutting, subtitle burn-in, music mixing and platform-spec exports; it provisions its own local Python runtime through a bundled bootstrap script.

Quality suite: background tsc --noEmit diagnostics fed back after the agent edits TypeScript, plus a /code-review command running five parallel review lenses with confidence scoring; absorbs dsh-code-check and dsh-command-code-review.

Design mode for DeepSeek Harness: the design-loop agent preset plus design-principles and design-qa skill packs

Vision für rein textbasierte LLMs: Bildbeschreibung / OCR / VQA über kostenlose Gemini- und GLM-Vision-APIs.