Plugins

Sicherheitsanalyse-Plugin für DeepSeek Harness: 33 Tools aus sechs Sicherheitsbereichen, für Belege, Berichte und Hilfsmittel sowie Fallablauf, Routing und Tool-Protokoll. Enthält einen sitzungsgebundenen Fallablauf mit Beweiskette, E-id-Prüfung und reproduzierbaren Befunden; 362 Referenzen bei Bedarf; drei austauschbare Persona-Profile; und einen Arbeitsbereich mit vier Tabs (armor / case / intercept / about), der den Fallstatus nach der Kontextkomprimierung wiederherstellt.

Optimiert Tokens in DeepSeek Harness durch durchsuchbare MCP-Tool-Suche und verzögertes Laden, konfigurierbare Komprimierungssteuerung und Statusanzeige, verkleinerte Tool-Ausgaben, visuelle Langtext-Zusammenfassungen und optionale Gesprächsarchivierung mit seitenweisem Abruf.

Nutzt ein ChatGPT/Codex-Abonnement in DeepSeek Harness mit GPT-Modellen, Bildgenerierung, Websuche, Abo-Kontingentberichten, Modell- und Funktionssteuerung sowie OAuth-Anmeldung per Browser oder Gerätecode.

Geschichtete Token-Optimierungspipeline für DeepSeek Harness: Ausgabe-Leiter, MCP Lazy Loading, Kompaktierungs-Treiber, Cache-Treffer-Bericht. Auf echten DSH-Plugin-APIs aufgebaut; in langen Sitzungen werden etwa 40–60 % der Eingaben gespart.

Kanban-Aufgabenboard für DeepSeek-Harness-Sitzungen: Der Hauptagent verteilt Aufgaben an einmalige Worker-/Verifier-Subagents, mit Abhängigkeitsplanung, exklusiven Sperren je Datei, Halten/Einfrieren zur Schlichtung, Meilensteinfortschritt und Tokenstatistik pro Aufgabe.

Evidenzbasiertes Zielverifizierungs-Plugin für DeepSeek Harness. Sperrt Ziele über /ultragoal und prüft den Abschluss anhand von Befehls-Exit-Codes und erzeugten Artefakten, damit das Modell den Aufgabenabschluss nicht fälschlich meldet.

Plugin für DeepSeek Harness: Behandelt eine über Reverse-Proxy bereitgestellte dsh-Webseite (nicht Loopback) als vertrauenswürdigen Host, damit die Einstellungen laden und nicht „settings are unavailable in this browser“ melden.

Lokale Bilder und Videos als Hintergrund des DSH-Desktopfensters: zeitgesteuerter Wechsel mit 0,7-s-Überblendungen, erstes Bild vor dem Einblenden bereitstellen, automatisch helle/dunkle Schrift für gute Lesbarkeit, Unschärfe und Panel-/Seitenleisten-Deckkraft einstellen, Videovorschaubilder und probe-Endpunkt für Lade-, Ebenen- und Selector-Status. Liest ausschließlich die angegebenen lokalen Dateien.

Verfolgt in WakaTime DSHs Datei-Lesezugriffe, Bildansichten und Code-Bearbeitungen, einschließlich exakter Zählungen der von KI hinzugefügten und gelöschten Zeilen. Hält die Aktivitätsverfolgung am Laufen, während DSH antwortet, bündelt Updates über Dateien hinweg und koordiniert projektweise Berichtslimits zwischen parallelen DSH-Prozessen. Installiert und aktualisiert wakatime-cli automatisch.

Registriert einen Wrapper-Provider, der delegierten Subagents eine eigene LLM-Route gibt: Einzelstarts über provider.start, Agent-Teams-Mitglieder über einen Hook auf startActivation; der Hauptagent behält sein Modell. Mit Routenauswahl in Settings, Override-Datei je Experte, Capability-Flag für erkannte Hook-Punkte und einem beim Mount geschriebenen Bereitschaftsdatensatz.

Fügt Delete session zum Kontextmenü der Seitenleiste hinzu. Nach einem Bestätigungsdialog mit Log-Größe und aktueller Aktivität werden Log-Dateien, Projection-Checkpoints und Host-Memory-Registrierungen sauber entkoppelt.

Verbindet mehrere OpenAI-kompatible Gateways zugleich. Jedes erhält eine eigene Gruppe im Modellwähler, lässt sich ohne Verlust der Einstellungen ausblenden und kann öffentliche Infos von seiner Adresse abrufen. Modellverwaltung/-tests je Gateway und optionale Kontingentanzeige.

Diagnostiziert Drittanbieter-LLM-API-Endpunkte über die Seitenleiste in vier Stufen: DNS/TCP/TLS, Schlüssel und Modell, echtes Streaming-Gespräch, dann zeitgesteuerte Wiederholungsläufe. Meldet time-to-first-token, Ausgabetempo und Erfolgsquote; ordnet Fehler der gestoppten Stufe zu und nennt die tatsächlich vom Rechner gesendeten Bytes. 37 Anbieter-Voreinstellungen, keine fest eincodierten Modellnamen.

Forschungsassistent für Ökonometrie: 6 Tools für Methodenauswahl, Datenaufbereitung, Modellspezifikation, empirische Analyse mit Codevorlagen für Python/R/Stata, Robustheitsprüfungen und Ergebnisberichterstattung.

Organisiert DeepSeek-Harness-Workspace-Sessions, indem sie als 类别｜主题 umbenannt werden, und meldet Vorschläge zu Archivierung, Umbenennung und Review.

Registers one tool, report_health, that answers whether a scheduled report job actually ran. It judges by side effects rather than exit codes: how old the newest report folder is, how many documents it holds, whether more than one report category is present, whether the audit ledger was synced recently, and how long ago the last log was written. Exits nothing, calls no model, and reads only local paths you can override by config or environment variable.

Schreibgeschütztes Panel zu Plugin-Bundles, Patch-Inserts, Skills, Upgrade- und Entkopplungszustand einer Instanz.

Ermöglicht dem Modell, die Kompaktierung an einem sicheren Punkt per compact_now selbst auszulösen (auch mitten im Zug). context_status meldet den Tokenverbrauch im Verhältnis zum echten Kontextfenster der Sitzung.

Hält unerledigte To-do-Listen über mehrere Turns sichtbar. DSH leert zu Turnbeginn die Todo-Projektion und erwartet, dass das Modell die ganze Liste neu schreibt; bei Unterbrechung bleibt der Plan im Sitzungslog, verschwindet aber aus der UI. `todo_write` kann nur schreiben, nicht zurücklesen. Ein normaler Session/Event-Listener merkt sich die letzte Liste je Sitzung und hängt sie bei `turn/start` erneut an, wenn offene Punkte bestehen. Kein Fork von tool-todo und kein Waterfall: Die Projektion ist wegen abweichender `stateVersion` nicht ersetzbar; stattdessen wird das vom Fold verarbeitete Event ergänzt. Eng begrenzt auf offene Listen, höchstens ein Event je Turnstart, fail-open. Mit kontrolliertem A/B realer Sitzungen und echter Projektion verifiziert. Keine Abhängigkeiten.

DeepSeek-Harness-Plugin zur Orchestrierung mehrerer Modelle mit rekursiver Aufgabenzerlegung, dynamischem Routing, Qualitätsprüfungen, Fehlerbehebung und KPI-Berichten.

Deterministic review of synthetic AI-agent claims in DeepSeek Harness, reporting bounded verdicts, reasons, and evidence references.

One-step local model onboarding plus a light harness for DSH. On load it probes loopback and private-network inference endpoints (llama.cpp, Ollama, vLLM, LM Studio), reads each model's context window and output budget from the backend, and registers the provider through settings, so a local model becomes selectable without hand-writing config. It then trims only that provider: masks the tool list through tools.restrict, drops named system-prompt sections and memory contexts, swaps the injected instruction block for a short one while preserving its first 80 and last 96 characters, and truncates tool-schema descriptions without touching structure or required fields. Cloud providers are returned as the same assembly object, untouched. The injected block is re-read from disk on every assembly, so editing the file takes effect on the next request with no reload. The panel in the plugin detail page is a live operations view: it shows whether the takeover is active and by which hook, how many characters the last assembly was trimmed from and to, and which providers are online (probed concurrently, with a real one-shot completion reporting latency and reply text per provider). If a local backend is not running, the panel offers a one-click launch: it probes the port first (never starting a duplicate), then starts the matching server (ollama serve, or a custom command you supply) detached and polls until the endpoint answers, clamping the wait to 3-600 seconds, reaping the child it just spawned if it never answers, and naming the paths it searched when it cannot find the binary. A stop button kills backends this plugin started (SIGTERM, then SIGKILL) and refuses to touch a server somebody else launched. When a model has just been downloaded and no backend exists yet, the panel can also scan the machine for .gguf files with hard caps (300 models, 20000 directory entries, Downloads only one level deep), start llama-server on the chosen one (skipping the .mmproj. vision projection and reusing a server that already answers), register the provider under the model id the backend reports, and run one real completion to prove it works. Before spawning anything it compares the model file size against available memory and refuses a model that cannot fit (or that exceeds 80% of the budget) until you confirm, switching to --no-mmap in that case; the honest limit is that this reads OS-visible RAM only, not GPU-side memory.

Prüft beim Start aktivierte Plugins auf neue Versionen, listet sie in einer Eckkarte und aktualisiert alle mit einem Klick; Erfolg/Fehler je Plugin. Löst das gebündelte dsh CLI für macOS, Windows und Linux auf, statt eine Windows-EXE vorauszusetzen.

Schrittweise Workflow-Karte für DeepSeek Harness: Fasst eine Sitzung in einer Schrittliste zusammen, nennt die Herkunft jedes Prozentwerts statt eine unbelegte Zahl zu zeigen und stellt den Prompt für den nächsten Schritt in die Warteschlange. Vor der Übernahme kann er widerrufen werden.