Plugins

Verifizierbares Forschungsbericht-Modul für DeepSeek Harness mit inhaltsadressiertem Belegregister, versionierten versiegelten Berichten, bei denen jede Aussage ein Verifikationsurteil trägt und der Manifest-Hash das Verzeichnis versiegelt, sowie Retrieval-Orchestrierung, die die ctx.web- und ctx.jobs-Schnittstellen wiederverwendet.

Local-first MCP-App für wissenschaftliche Abbildungen. Importieren, überprüfen und veröffentlichen Sie eine globale Bibliothek auf der Festplatte; verwenden Sie exakte Vorlagen in Pi, DeepSeek Harness (dsh), Claude, Codex, Cursor und Wisp wieder.

In sich geschlossene Browser-Laufzeit: Playwright (Chromium) + OpenCLI als plugin-lokale Abhängigkeiten (mit Fallback auf globale Wiederverwendung), stellt einen `browser`-Dienst und 9 interaktive Browser-Tools bereit.

Terminal-artiger Eingabeverlauf für den Web-Composer: kantenpriorisierter Abruf per Pfeiltaste mit exakter Wiederherstellung von Entwurf/Cursor, browserlokal persistenter Verlauf, Rückwärtssuche mit Ctrl+R und Bewusstsein für den gleitenden Kontext; Version 0.5.0 fügt eine intelligente Eingabeschicht hinzu — sitzungsübergreifende Snippets (/save, /load), Prompt-Vorlagen mit Variablen, Wiederverwendungs-Einblicke und Hervorhebung von Kompaktierungs-Zusammenfassungen.

Nutzt den ChatGPT-Login der Codex-CLI als `openai-codex`-LLM-Route weiter und fügt den DSH-Web-Einstellungen GPT-Auth-Steuerelemente hinzu.

Analysiert die Nutzung über Modelle, Anbieter, Arbeitsbereiche und Zeiträume — mit eigenen Start-/Enddaten über die gesamte Historie — inkl. Cache-Hit-Einblick und Aufschlüsselung nach Modell und Anbieter. Enthält stündliche/tägliche Trends, 53-Wochen-Heatmap im GitHub-Stil, Serien, Token-Quota-Ringe pro Modell und Arbeitsbereich (Tokens, Kosten, %), kombinierbare Filter, Cache-Effizienz, DeepSeek-Guthaben, Bereichs-Aliase, CSV-Export und ein dauerhaftes Journal, das Nutzung nach Sitzungs- oder Bereichslöschung bewahrt (Deleted-Zeile) und inkrementell neu aufbaut. Die Bereichs-Registry wird über die DSH-domain/changed-Sonde frisch gehalten; nur registrierte Bereiche zählen. Getrennte Buchhaltung für Eingabe, Cache und Reasoning. Chinesisch: Ortszeit; Englisch: UTC; API nur Loopback.

Kostengünstiges Video-Verständnis-Tool: Ein video_understand-Tool wandelt einen Bilibili-Link / BV / ein lokales Video in eine AVIS-Informationsschicht (ASR + Szenenstruktur + Objekt-Tracking + YOLO-Labels) um und liefert Zusammenfassung + Q&A. Fragegesteuertes dynamisches Routing über Ebenen hinweg (L0 ASR / L1 Objekt-Tracking / L2 Keyframe-VLM), Wiederverwendung der semantischen Schicht für Wiederholungsfragen, Budgetobergrenze pro Frage. Python-Engine: Die Kernschicht benötigt faster-whisper / opencv / yt-dlp (~200-300MB); die optionale semantische Schicht fügt ~2GB torch / transformers / ultralytics hinzu. Ein mitgeliefertes doctor --fix richtet das venv ein und installiert beide.

Saubere Desktop-Shell für DSH: Start per Doppelklick auf eine Desktop-Verknüpfung wie bei jeder normalen Desktop-App, Live-Überwachung des Backends mit start/restart/stop per Klick aus dem Tray (Fortschrittsdialoge), Offline-Autowiederverbindung, Einzelinstanz. Verwendet Ihr vorhandenes Web-Profil weiter, kein Restyling der Web-UI. Windows + macOS.

Nutzt die CodeBuddy-CLI-Anmeldung erneut, um deren Modelle in DeepSeek Harness einzubinden, mit einer Einstellungskarte, die Konto, Token-Ablauf und verbleibendes Guthaben anzeigt.

Such-zuerst-Fähigkeits-Workflow für DSH-Agenten (v1.0.0): lokale Tools wiederverwenden oder Plugins mit exakter Quelle vor der Installation prüfen, Fähigkeiten in verwalteter Quellarbeit anpassen oder erstellen und Belege verwenden, die zwischen installierten, geladenen, aktivierten und verifizierten Zuständen unterscheiden; Versionierungstools decken Rollback, Übernahme und Upstream-Updates ab.

Codex-App-Server-Modellanbieter mit lokalem Codex-Login, Sitzungs-Wiederverwendung, Harness-Tool-Bridging, nativen Aktions-Traces und dauerhafter Projektion generierter Bilder.

DSH-Plugin: nutzt die lokalen Abo-Zugangsdaten der Codex-CLI weiter, um ChatGPT-Abo-Modelle in DeepSeek Harness zu verwenden — ohne API-Key.

Lazy-Loading-Router für MCP-Server: erkennt kompatible MCPs automatisch und hält nur einen gemeinsamen Router im Tool-Katalog, der die Schemata eines Servers offenlegt, wenn ein Durchlauf sie braucht, und sie am Ende wieder verbirgt – so kosten viele installierte MCPs nicht mehr bei jeder Anfrage Kontext. Bei Unsicherheit fällt er auf normale Sichtbarkeit zurück, und das ursprüngliche MCP behält Ausführung, Berechtigungen und Prozesslebenszyklus. Unterstützt zudem explizite Lazy-Verbindungen mit Warm-Reuse, begrenzter Wiederverbindung, stdio und Streamable HTTP.

TypeSafe Jev (System-One-Entscheidungsmodell) als Tool jev_decide für DeepSeek Harness: noul-, Choice- und Score-Fragen liefern kalibrierte Wahrscheinlichkeiten; Credentials nutzen dieselbe Schnittstelle wie in DSH; 429/529-Backoff-Retry eingebaut.

Fügt die Delegations-Tools subagent_route und subagent_fork_route hinzu, bei denen das Modell selbst die provider/model-Route für jedes Kind wählt; das Deployment legt nur das spawn/fork-Backend, die Hintergrund-Richtlinie und die allowedProviders-Allowlist fest, während fortsetzbare Kinder und Hintergrundjobs die offiziellen Tools send_message / job_output wiederverwenden.

Lokale Erzeugung von Bildern, Stimmen, Musik und Soundeffekten sowie Transkription, mit fixierter Identität: Charaktere, Tiere, Objekte und Schauspielernstimmen werden einmal definiert und bei jedem späteren Aufruf wiederverwendet; degenerierte Ausgaben (nahezu flaches Bild, stilles Audio) werden abgelehnt statt als Erfolg zurückgegeben, und eine erzeugte Zeile kann als Text zurückgelesen werden, sodass ein Klon, der sein Ende verschluckt hat, sichtbar wird. Die Engines entladen sich im Leerlauf, und Bildgenerierung und Transkription können jeweils auf eine OpenAI-kompatible API statt auf das lokale Vulkan-Backend zeigen.

Durchsucht die kuratierte GitHub-AI-Projektbibliothek von AIGC Radar (500-Sterne-Aufnahme, zweisprachige zh/en-Tags, Sternwachstums-Snapshots) über dessen MCP-Endpunkt mit nativen Ergebniskarten; ein Agent-/Pre-Step-Listener schlägt proaktiv eine Wiederverwendungsprüfung vor, bevor der Agent Code schreibt.

Steuert den echten Browser des Benutzers über den lokalen Kimi WebBridge-Daemon: Tools für Navigation, Tab-Suche, Snapshot, Klick, Ausfüllen, Auswerten, CDP, Screenshot, Netzwerk, Upload, PDF-Export und Tab-Verwaltung, die bestehende Anmeldesitzungen wiederverwenden.

Dual-Engine-Screenshot für DSH: Innerhalb der SSiD-Desktop-Shell öffnet ein globaler Hotkey oder das Tray ein Vollbild-Overlay zur Rahmenauswahl (alle Monitore, pixelgenaue Frames pro Bildschirm) mit direkter Rotkasten-Annotierung und einer WeChat-artigen Symbolleiste; im einfachen DSH (Browser) nimmt die Kamera-Schaltfläche des Composers die Anzeige per getDisplayMedia auf und nutzt in der Seite dasselbe einphasige Overlay zur Rahmenauswahl + Annotierung. Das zugeschnittene Bild landet über die offizielle Anhang-Aufnahme im Composer der aktuellen Konversation.

Analysiert Konversationsbilder durch modusspezifische Prompts (caption, UI, document, grounding, topology usw.) und fügt strukturierte Belege mit Koordinaten-Primitiven (Boxen, Punkte, Referenzen) als Text ein, mit Caching auf Sitzungsebene zur Wiederverwendung bei Replay und Compaction.

Verwendet in Claude-Code-, Codex- und opencode-Konfigurationen deklarierte Hooks auf dsh weiter und führt shell-, webhook-, oracle- und proxy-Handler ohne Laufzeitabhängigkeiten aus.

Untersucht vor der Entwicklung lokalen Code sowie GitHub/npm nach wiederverwendbaren Implementierungen, bewertet Wiederverwendung versus Neuschreiben und prüft die Architekturkopplung.

DeepSeek Harness plugin that wraps @stardeckai/lgtm — a Jev-powered linter for tests that pass but prove nothing. Ships the CLI as a dependency, reuses the TypeSafe credential stored in DSH, and exposes lgtm_audit / lgtm_status to the agent.

DSH plugin that registers the ai-eight-honors-eight-shames skill: eight checkable working rules for coding agents (verify before calling, confirm ambiguity, cite evidence, reuse before creating, test before claiming done, follow local conventions, separate fact from inference, keep changes reversible) plus a ninth rule that logs each user request and the change made in report files at the workspace root.