Plugins

Bioinformatik-Agenten-Preset mit 17 BioDSH-Analyse-Skills (Single-Cell, Bulk-RNA-seq, Überleben, Regression, ANOVA), einer über das Tool skill_library durchsuchbaren Bibliothek mit über 2.000 Skills, Skill-Auswahl pro Nachricht und einer zeit-/schrittbasierten Konvergenzbremse.

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.

Steuert das wissenschaftliche Plotten mit OriginLab Origin aus dem KI-Chat über MCP: 62 Tools. Watchdog für modale Dialoge, LabTalk-Sicherheitsschleuse, release/reconnect, Fits mit anfänglichen/festen/gewichteten Parametern, feingranulare Plot- und Sheet-Bearbeitungen, Matrix-Tools, deklaratives FigureSpec-YAML (diffbar und replaybar), schreibgeschützter MCP-Ressourcen-Snapshot, matplotlib-figure-Bridge, PowerPoint-Assembly mit Panelbeschriftungen, Suche in der Graph-Gallery-Vorlagen, EPS-Export, Dateizugriffs-Whitelist, visuelle Regressionsbaseline und editierbares OPJU-Ergebnis mit deterministischer Rücklese-Verifikation.

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.

Mobile Web-Shell für die DSH Web GUI: Overlay-Schubladen, ziehbarer FAB, mobile Composer-Korrekturen und ein schwebender Bild-Upload-Button oberhalb des Composers (native Galerie/Kamera, integriert in die validierte add-images-Pipeline), ohne Desktop-Regression. Auf npm als dsh-webui-mobile veröffentlicht.

Evaluierungs-Harness für DSH-Plugins: YAML-Fälle steuern echte Headless-Agent-Läufe, prüfen Tool-Aufrufe, Argumente, Ergebnisse und Token-Nutzung, mit einem Baseline-Gate gegen CI-Regressionen.

Fähigkeit zur Aussagenprüfung, die Designdokumente und Pläne gegen Code-Fakten abgleicht und Verhaltensaussagen auf ausführbare Logik-Primitiv-Verifikation für Zustandsmaschinen und Datenmodelle hochstuft, mit Vorher/Nachher-Regression, Domänenbeschränkungen und Mining von Nebenläufigkeitsrisiken.

Ein selbst-evolvierendes Plugin für DeepSeek Harness: Es beobachtet, wie der Agent arbeitet, schlägt über das LLM Verbesserungen seiner eigenen Assets vor, validiert jeden Vorschlag in einem sandboxed Test-Agenten und wendet nur verifizierte Mutationen an – mit versioniertem Journal und automatischem Rollback bei Regression.

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.

Führt Stata über DeepSeek Harness aus: Der native Stata-AI-Skill-Dienst startet automatisch mit DSH (Binaries für macOS/Windows enthalten), sodass Regressionen, Do-Files und ökonometrische Workflows ohne manuelle Einrichtung ausgeführt werden können.

Frontend-GUI-Debugging und -Tests für DeepSeekHarness-Agenten: 36 browser_*-Tools für strukturierte GUI-Automatisierung, visuellen Vergleich, dynamische Frame-Analyse und Netzwerkdiagnose in Web/Chromium.

Schutzschalter für untätige Agenten-Turns: überwacht agent/assistant-stream und bricht einen Turn ab, der nur Reasoning produziert — ohne Text und ohne Tool-Call — nach 45s, nach 80000 Reasoning-Zeichen oder bei degeneriertem Wiederholungsmuster (exakte Repeat-Einheit, Satz-Template-Repeat, Sparse-Repeat oder 6-Gramm-Dichte). Beim Auslösen wird eine Continue-Anweisung injiziert, die als nächste Aktion einen Tool-Call verlangt, plus 11 Regressionsfälle und Per-Gate-Tuning.

dsh-lint-loop v0.7.0 ergänzt begrenzte, schreibgeschützte Evidenzprüfungen für beobachtbare Änderungen durch shell/bash/pwsh und Dateitools. Unsichere Evidenz bleibt incomplete. [Release](https://github.com/lemonxiny55/dsh-lint-loop/releases/tag/v0.7.0)

Mobiler Adapter für die DSH-Web-Shell: Overlay-Seitenleiste/-Detail-Schubladen, responsiver Composer und Einstellungen unter 768px, ohne Desktop-Regression.

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.

Der Slash-Befehl /dshpp meldet anhand der Harness-Sitzungslogs Sitzungs- und Tokenverbrauch, Cache-Trefferquote sowie geschätzte Kosten. Das Repository enthält außerdem CLI und lokale Webkonsole zur Verwaltung von Lebenszyklus, Providern, Sitzungen und Plugin-Sicherheit.

Entscheidungs- und Zielgedächtnis mit Linie: explizite Befehle und ein Modell-Tool erfassen Entscheidungen deterministisch, eine Status-Karte verankert sie über die Compaktion hinweg neu, ein verlustfreier Ereignisstrom mit BM25+jieba-Suche stützt dies, und eine Fidelity-Regressionssuite auf Szenarioebene schaltet Releases frei.

Stata über DeepSeek Harness ausführen: Der native Stata-AI-Skill-Dienst startet automatisch mit DSH (macOS-/Windows-Binärdateien enthalten), sodass Regressionen, Do-Files und ökonometrische Workflows ohne manuelles Setup laufen.

Unabhängige Browser-Abnahmetests für Agenten-Deliverables: JSON-Spezifikation hinein, echtes Chromium-Verdikt heraus.

Erfasst Browserfehler, hält die erwarteten Ergebnisse fest und überprüft Korrekturen anhand einer frischen Kontrolle mit dem Originalcode.

Vertrags-Regressionsharness für Plugin-Autoren: Ein skriptgesteuerter LLM-Adapter treibt die echte Pipeline in isolierten Kindprozessen mit Sitzungsereignis-Assertions (Schichten load/contract/behavior/fault); ohne API-Schlüssel, CI-fähig.

Merges your configured, runtime-registered and locally cached models into one panel, probes and minimal-request tests them, pulls each channel's upstream /v1/models catalog, and chains the keepers into named schemes. A virtual ModelPool provider fails over at request time with per-model cooldowns, exponential backoff, image-request avoidance for text-only models, and a 10-minute memory for rejected reasoning levels. Adds a token ledger by day and model with CSV export, and 21 regression probes. Not a fork of dsh-llm-fallbacks.

Records a session as a run, replays it in an isolated workspace copy with another model or prompt, diffs the two trajectories side by side, aggregates runs into a task × variant matrix, and gates regressions with task assertions and a CI exit code.

Agent application development evaluation skill (skill bundle) for DeepSeek Harness: offline/online suites judged from audit side effects, baseline diff with zero tolerance for safety regressions, and mutation tests proving the evaluators themselves catch regressions. Framework-agnostic - needs a callable chat endpoint and queryable tool-call records. DSH host compatibility is deliberately undeclared.