Plugins

Sitzungsübergreifendes Markdown-Gedächtnis (LLM-Wiki) und SOUL.md-Persona; Standardinjektion nach erster Nutzernachricht, nur aktive Sitzung. Erfordert Sessionformat v4 (offizielles DeepSeek Harness 0.1.7+) und source kind plugin:memory. v0.13 engines.dsh verlangt offizielles 0.2.1-rc.5 und lehnt ältere Hosts ab; Review now POST /api/memory/control action growth-now sendet einen floor-konformen Rückblick. v0.14 Sitzungs-gate (Chip, /memory on|off|status, Einstellungen): off stoppt Injektion/digest/Erinnerung/last_access, löscht nichts; disabledWorkspaces lässt ganze Projekte standardmäßig off sein; Sitzungsentscheidungen gelten 7 Tage. v0.15 Basic soul pflegt nur einen Block in SOUL.md, lässt den Rest unverändert und schließt BOOTSTRAP ab. checkup-Bericht mit Prioritäten.

Git Bash Shell-Tool für Windows: führt Befehle über das in Git for Windows enthaltene bash aus, mit Timeout, Sandbox, Ausgabekürzung und Hintergrundjobs, ersetzt das langsame pwsh-Tool und das WSL-exklusive bash-Tool.

Verwalten Sie MCP-Server, Skills und Tools Ihres Agenten — echter In-Context-Zustand (geladen/gekürzt/verdrängt) und Umschalter pro Sitzung.

DeepSeek-Harness-Plugin, das aggressiv Tokens spart, ohne die Aufgabenqualität zu beeinträchtigen: verlustfreie Kopf-/Endkürzung von Tool-Ergebnissen (Standard), Falten von grep-Ergebnissen, druckausgelöste Delegation an dsh-compaction-basic und eine CompactionEngine-Unterklasse mit LLM-Zusammenfassung für den aggressiven Modus. Spart 97,6 % der Eingabe-Tokens in einer synthetischen Suite mit 8 Szenarien, alle Kürzungen laufen über den dsh-Ereignisfluss, damit modellsichtig = protokolliert erhalten bleibt.

TRAE-artiger Konversations-Rollback – Checkpoints pro Zug (gleitendes 10-Zug-Fenster) setzen berührte Dateien zurück und kürzen den Modellkontext an Ort und Stelle, wobei die Sitzungs-ID erhalten bleibt. Nur durch Menschen ausgelöst: ein /rollback-Befehl oder ein Web-Button pro Zug (funktioniert auch bei unterbrochenen Zügen), mit einer Vorschau, die jede betroffene Datei und ihre Aktion auflistet – wiederherstellen, zurückgewinnen, löschen oder überspringen.

Codex-artige `@file`-Erwähnungen für die Web-GUI: Durchsuchen und Referenzieren von Workspace-Dateien jedes Formats (.java, .vue, PDF, Bilder, ohne Erweiterung, versteckt) ohne Index-Truncation. Ersetzt dsh-at-file.

Ergänzt Bearbeiten und Löschen für eigene Nachrichten. Bearbeiten kürzt die folgenden Turns und sendet den neuen Text erneut; Löschen entfernt die Nachricht und diese Turns. Optional können beide Aktionen die in den entfernten Turns protokollierten Dateiänderungen zurücksetzen; wenn eine Datei inzwischen geändert wurde, wird dies abgelehnt. Die Seitenleiste behält nur ein Gespräch.

In die Schaltfläche „New Session" eingebetteter Preset-Modus-Badge: Klicken Sie, um die Standard-Agent-Voreinstellung für die nächste Sitzung auszuwählen (lange Namen werden mit Auslassungszeichen gekürzt, damit die Beschriftung lesbar bleibt).

Automatische Fortsetzung für die dsh-Weboberfläche: Erreicht ein lokales Modell sein output-token-Limit und erscheint der max-tokens-Hinweis, reiht das Plugin eine kurze Fortsetzungsnachricht ein, damit die Antwort weiterläuft. Trunkierungserkennung aus zwei Quellen, Schleifenschutz, keine UI.

Zeigt die eingebaute Cache-Trefferrate mit drei Dezimalstellen an und verbreitert die Composer-Statistikzeile, um ein Abschneiden zu verhindern.

Diagnostiziert, warum ein Skill nicht erkannt oder ausgewählt wird (gekürzte Beschreibung, fehlerhaftes Frontmatter, fehlende Ressourcendateien), und prüft Konflikte zwischen Loader-Einträgen installierter Plugins. Führt ein Profilprotokoll und vergleicht jede Prüfung mit der vorherigen, fasst wiederholte Befunde nach Grundursache zusammen, erstellt Überarbeitungsbögen für zu lange Beschreibungen und listet Plugin-Patches auf, die die Skill-Verzeichniskonfiguration ändern.

Erstellt Persona und Gedächtnis aus einer einzigen AGENT.md: Die ersten 40.000 Zeichen werden in den system prompt jeder Sitzung eingefügt; längerer Text wird mit Hinweis gekürzt. Bearbeitung über Settings. Tagebuchzeilen je Turn werden nach Ähnlichkeit zusammengeführt, nach Abrufhäufigkeit gruppiert und erst bei einer Grenze von 2 MB bereinigt.

Automatische Wiederherstellung bei fehlerhaftem Turn-Ende: nach vorübergehendem Fehler fortsetzen, nach Ausgabe-Kürzung weiterführen, bei unerledigter Todo-Liste erneut ausführen. Mit 429-Fallback je Anfrage und Dock für Bearbeiten/erneut senden, Wiederholen oder Stoppen und neu fragen.

TRAE-ähnlicher Gesprächs-Rollback, neu für DSH 0.1.7-rc.2: Turn-Checkpoints stellen geänderte Dateien wieder her und kürzen den Modellkontext unter derselben session id direkt. /rollback doctor prüft den framework-contract; die Diff-Vorschau betroffener Dateien basiert auf dem aktuellen Plattenstand und bleibt so nach Neustarts korrekt. Mit Ein-Klick-Rücknahme der letzten Aktion per Ctrl+Shift+Z, Einstellung zum Ausblenden zurückgerollter Nachrichten und englischer UI.

Hebt die Breitenbegrenzung der Statistik-Fußzeile des Eingabefelds auf: lange Zeilen mit Turn- und Token-Statistiken erstrecken sich über die volle Breite des Eingabefelds, statt mit einer Ellipse abgeschnitten zu werden.

Keeps a turn from closing on an unfinished reply: a stream guard turns silent truncation into an in-step retry, and a completion protocol asks the model to declare how each turn ended.

Adds a relay_check tool that runs relaycheck against an LLM API relay to detect model swaps, misreported usage, truncated context and injected prompts; keys are read from environment variables.

Idle-time context truncation for a single DeepSeek Harness session. After a configurable number of idle hours the older conversation is dropped without a summary, so one long-lived session cannot leak one task into the next; it ships a per-session toggle, a tab next to the chat, and a /truncate command that IM bridges can drive.

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 does a fit check that counts only the part of the file the GPU cannot hold: hostBytes = fileSize - VRAM, compared against max(total RAM - 2GB, free RAM). A file far larger than RAM is refused outright; a heavy host-side remainder is refused unless you confirm; the same remainder under mmap is only a warning, because the weights land in reclaimable page cache. A load-mode selector (auto / mmap / none / mlock / mmap+mlock) maps to llama.cpp --load-mode, and the default is whatever the engine picks. From 0.4.2 everything above is derived from the platform instead of assumed: home and data directories come from os.homedir() and the OS conventions (LOCALAPPDATA on Windows, ~/Library/Application Support on macOS, XDG_DATA_HOME elsewhere); backend binaries are looked up in the official install locations of each OS and can be pinned with OLLAMA_BIN, LLAMA_SERVER_BIN, VLLM_BIN or LMSTUDIO_BIN; model discovery walks DSH_LOCAL_MODELS_DIR, ~/models, ~/llama.cpp/models, ~/.cache/llama.cpp and the LM Studio data directory, with the WorkBuddy layout demoted to one candidate among them. VRAM is asked from nvidia-smi, then rocm-smi, then sysctl hw.memsize on Apple Silicon (flagged unified, so the same bytes are not charged twice), and any flip to a unified-memory budget is handled explicitly. Before building a command line the plugin runs llama-server --help once and keeps only the flags that build actually has, so older engines get --n-gpu-layers 99 and no KV quantization while newer ones get auto plus q8_0; anything it cannot probe is passed through rather than dropped. LM Studio is started with lms server start --port N rather than being lumped in with the engines that need a model argument, and vLLM gets its own --model example instead of llama.cpp syntax. Windows, macOS and Linux are all exercised in CI, including a windows-latest and a macos-latest job, because a cross-platform claim that has only ever run on one OS is not a claim. Two of those suites exist specifically to catch this machine's blind spots: one replays the whole suite with process.platform rewritten to each OS, and one deletes every advantage this development box has — no nvidia-smi, no rocm-smi, no sysctl, an empty PATH, a home directory with no models — and requires graceful degradation rather than a crash. That last one caught a real class of bug: several assertions hardcoded 'lms.exe', which cannot pass where the executable has no suffix. Measured on the reference machine: a 16.9GB 27.2B MoE with 14.5GB of VRAM holds a 285-691MB working set and sustains 76 tok/s after a 1000-2000 token warm-up, so file size alone is not a fit signal. From 0.4.3 the scanned models are shown as a table rather than a dropdown (one row per gguf, with its size and any fit warning), so you can see what is on disk before choosing. From 0.4.4 the delete button on the provider table removes the provider entry, not the weights file on disk. That distinction matters: what people actually want to clear out is the dead entry - one pointing at a port that never answered, one registered twice for the same port, one whose model file was deleted long ago - not a 15.8GB gguf. Deleting a config is undone by importing again; deleting a gguf is not. The removal goes through settings.mutate with an unset op on \['providers', id], because update merges layers: writing null there leaves a null provider key that the loader reads as a broken config rather than an absent entry, and only mutate/unset is implemented as Reflect.deleteProperty. The result is read back afterwards, because unset on a key that comes from a lower layer (the profile cordis.patch.yml or a home patch) does not delete it - it restores the inherited value, so the call succeeds while the entry stays. When the entry is still there the panel says so and points at the file to edit instead of reporting success, and a DSH whose settings service predates mutate() is told plainly rather than silently ignored. Deleting takes two clicks and clearing the confirmation is as easy as clicking another row; on success the online and baseURL caches are cleared and the tool surface is recomputed, since the provider list changed. The gguf itself is never touched by this plugin - the scanned-model table is display and selection only.VRAM reporting is driver-dependent. From 0.4.5 model discovery also reads Ollama's own storage: its blobs are named sha256-… with no extension, so extension matching could never list them. Weights are now accepted by extension OR by GGUF magic header (only dot-free files of at least 8MB, capped at 600 header reads per scan; obviously-not-weights extensions like .json/.md/.safetensors/.part are never opened). Ollama models are resolved from their manifests: the model layer is picked by mediaType application/vnd.ollama.image.model (never adapter/mmproj layers), the human-readable name is restored from the manifest path (…/qwen3/8b becomes qwen3:8b, …/latest stays bare), tags sharing one blob merge into a single row, and the metadata kv supplies name, quantization and context length. Adopting an Ollama model does not start a duplicate llama-server over the same weights: it confirms ollama serve answers on 11434 (launching it if not) and registers the provider under the tag the endpoint itself reports — the blob's sha256 name would never match anything, since 11434 lists qwen3:14b, not sha256-a8cc…. Two real-machine-only traps fixed on the way: existsSync('<file>/') returns true on Windows, so manifest-vs-directory branching now goes by parseable content instead of trailing-slash semantics; and the quantization label table had been copied from a stale ggml enum generation, labelling ggml_type 15 as Q5_K_S while ollama show reports Q4_K_M. Same-blob dedup is by (dev,ino), keeping whichever entry has a name. Verified on the reference machine: the scan goes from 1 row to 4 — qwen3:14b (8.64G) and qwen3:8b (4.87G) now appear with Q4_K_M badges — in 4ms; npm run verify exits 0 (launcher 57, portable 35, panel-host green including the linux/darwin simulated-platform runs); the new panel-host suite builds a real miniature Ollama store in tmpdir and points OLLAMA_MODELS at it, so results no longer depend on whether the test machine happens to have Ollama installed. From 0.4.6 the panel shows each model its real name instead of its file name, because some download tooling stores every weight under one generic file name, leaving the real name only inside the GGUF header. The scan now reads each file GGUF KV section - not a fixed-size head buffer, because tokenizer.ggml.tokens (hundreds of thousands of strings on a large MoE model) and the chat template push general.file_type past any window; and GGUF string arrays are interleaved (u64 length plus payload per element), so treating them as a length table walks the cursor off the rails and produces astronomically large reads. Reading and skipping are accounted separately: key names and types are always read, string values over 256KB and string arrays are only walked past without copying, non-string arrays over 64 elements are skipped outright, and a cursor past the file size stops the read, because an out-of-range position means the cursor is wrong rather than that a limit should be raised. The displayed name goes Ollama tag, then general.basename plus size_label, then general.name, then the file name, with the full string kept for the hover text since it usually carries internal build numbers; mmproj files are now identified by general.type as well as by name. A short read (truncated file) no longer feeds half a value into the parser. On the reference machine, reading one file header parses 44 keys in about 16ms, and a whole scan takes about 31ms. From 0.4.7 the smoke test no longer fails the first time and passes the second. The old code gave both request attempts one shared AbortController and one shared 30-second timer, so the total budget covered both rounds: a cold load of a large model burned it in round one, the abort left the signal permanently aborted, and the second round (the Ollama-style reasoning_effort: none retry) could not even be sent - which is exactly why the first click returned This operation was aborted and the second succeeded. Now each attempt gets its own controller and timer, a timeout retries once automatically (retryOnTimeout, on by default) because a first-request timeout almost always means the weights are still being read from disk, and non-timeout errors (refused connection, HTTP error) are not retried at all. Timeouts report themselves: the message says the wait exceeded smokeTimeout, whether a retry already happened, and points at the new smokeTimeout setting (seconds, default 60, clamped to 5-600) - port responding is not the same as tokens coming out, so it is a separate knob from launchTimeout. Unrelated: an example naming one specific model was dropped from the panel copy, since not every machine has that model downloaded, and the explanation now describes the mechanism instead.

Automatische DSH-Sitzungstitel: Benennt anhand des ersten Prompts und der ersten Assistant-Antwort im Format „project｜task“, statt den Prompt abzuschneiden. Ersetzt den eingebauten Titelanbieter per Bundle-Patch, ergänzt „AI rename“ mit Vorschau im Sitzungsmenü sowie Einstellungen für Provider/Modell, Regeln und Diagnose-Event-Log. 49 Unit-Tests.

Verwaltet MCP-Server, Skills und Tools des DeepSeek-Harness-Agenten. Zeigt den tatsächlichen Kontextstatus (geladen/gekürzt/verdrängt) und Sitzungsschalter für jede Fähigkeit.

Zeigt den Kontextverbrauch jeder Skill und blendet sie ohne Löschen aus dem Katalog aus. Listet jede Skill auf dem Datenträger mit der exakten Katalogzeile für das Modell (normalisierte und am Limit gekürzte Description), Body-Größe und Token-Schätzung. Zeigt die Katalognachricht bytegenau wie beim Agent, vergleicht sie mit der bereits in der aktuellen Sitzung veröffentlichten Kopie und meldet Skills, die wegen ungültigem Frontmatter oder Shadowing durch eine höher priorisierte Root nicht im Katalog landen. Ausblenden setzt disable-model-invocation im Frontmatter, behält aber die Datei; `/name` funktioniert weiter. Import aus ClawHub, Skills.sh und GitHub-URLs sowie Deinstallation nutzereigener Skills möglich.

Archiviert eigene QQ-Zone-Beiträge lokal in drei Spalten – Gedanken, Träume und Rezensionen (Buch-/Filmempfehlungen) –, die einzeln manuell korrigiert werden können; Rückgängigmachen betrifft keine andere Spalte. Mit privatem, per Passwort sperrbarem Web-Viewer, Reparatur von API-seitig auf etwa 500 Zeichen gekürzten langen Beiträgen, Wortzählung nach Jahr/Monat und lokalen Bild-Backups für Offline-Lesen. Cookie bleibt auf diesem Rechner.