Plugins
Durchsuche, filtere und installiere DeepSeek-Harness-Plugins.
18 Plugins gefunden
dsh-memory
furongjun-1999/dsh-memory
White-Box-AGI-Architektur-Erkundung: Metakognition (Selbsterkennungsschleife), kontinuierliches Lernen (Wissens-Schwungrad), Weltmodell (Bedingungsraum, räumlich-zeitlicher Speichergraph), Selbstverbesserung (Bootstrap-Disziplin), Zero-LLM-White-Box-Pipeline und überprüfbare Vertrauens-Leitplanken.
agentdescent
birfy/agentdescent
Skills, Agenten, Prompts, Code und Plugins direkt in DeepSeek Harness weiterentwickeln – mit AgentDescent.
dsh-host-rsi
pk14742952-ad/dsh-host-rsi
Reflexives Selbstverbesserungs-Plugin für lokales Qwen3.8 27B/3.8 Flash und Online-APIs: Ein Konvergenzsteuerer für Code-Schleifen bremst wiederholtes tiefes Verifizieren bei Qwen3.8 27B/Flash, damit es schneller konvergiert und weniger Denkzeit benötigt; ein Delivery-Schutz mit fünf Zuständen erkennt und korrigiert festgefahrene Runden und Endlosschleifen. Modellunabhängige Host-Logik, weitgehend mit Online-APIs kompatibel; kontinuierliche Verbesserung pro Nutzung mit Gegenargument-Selbstprüfung, Eskalation an einen Kritiker, Speicherabruf per invertiertem Index, Code-Schleifensteuerung und Fünf-Zustände-Schutz.
dsh-self-improved
madage/dsh-self-improved
Plugin für Langzeitgedächtnis und Selbstentwicklung für DSH: L0-Erfassung → L1-Gedächtnisextraktion → L2-Szenengruppierung → L3-Nutzerpersona, automatische Erinnerungsinjektion, Skill-Synthese, vollständig lokal (SQLite FTS5 + jieba, optionaler Vektorabruf).
open-dream-rsi (deepseek_harness)
patrykorwat/open-dream-rsi
Kein weiteres Speicher-Plugin: ODR ist eine Selbstverbesserungsschleife in sich entwickelnden Welten (Dream-RSI). Versuche werden in einem Discovery Tree aufgezeichnet; zwischen den Läufen werden Tausende Strategievarianten in dieser Welt erneut abgespielt. Eine Strategie, ein Rezept oder eine Lektion wird erst nach erfolgreichem kontrafaktischem Replay übernommen, nie allein aufgrund der Aussage des Modells. Sentinel prüft Tool-Aufrufe, bevor Budget verbraucht wird. Das LLM bleibt eingefroren. Installation über npm als dsh-open-dream-rsi.
dsh-harness2
asiu-x/dsh-harness2
Rekursive Selbstverbesserung für DSH-Agenten mit Harness²: Propose–Probe–Compose, isolierte Tests, anonyme Auswahl und domänenspezifische Erfahrungsbibliothek.
open-dream-rsi
patrykorwat/open-dream-rsi
Offline-Selbstverbesserung für Coding-Agenten: Strategien werden per kontrafaktischem Replay in einem sich entwickelnden Weltmodell geprüft. Kein Fine-Tuning, LLM bleibt unverändert. Mit MCP und Python-Server.
dsh-skillopt
wode25500/dsh-skillopt
Nächtliche Selbstverbesserung für Ihren DeepSeek-Harness-Agenten: Vergangene Sitzungen offline auswerten, wiederkehrende Aufgaben mit eigenem API-Budget wiederholen und validierte Skills hinter einer zurückgehaltenen Prüfschranke zusammenführen. Bringt die SkillOpt-Sleep-Engine von microsoft/SkillOpt als native Tools plus gebündelten Skill zu dsh – kein Weight Training. Erfordert Python 3.10+ und die SkillOpt-Sleep-Engine (pip install skillopt).
dsh-five-session-evolution
liuhuishang/dsh-five-session-evolution
Überprüft in DeepSeek Harness jeweils fünf verschiedene abgeschlossene Projektsitzungen, bewahrt belegte Erkenntnisse und Workflow-Entwürfe auf und stellt späteren Sitzungen Projektgedächtnis bereit.
dsh-ledger-watch
oldmanding/dsh-ledger-watch
Liefert ein minimales Lernprotokoll: brief.ps1 fragt frühere Fallstricke ab, add-lesson.ps1 hält neue fest. Der Installer legt es im skills-Verzeichnis ab und verknüpft es mit AGENTS.md. Das Modell prüft es vor der Arbeit und macht aus erlebten Problemen Regeln, damit dieselben Fehler nicht erneut passieren. Das Plugin überwacht, ob dies tatsächlich geschieht, und zeigt das Ergebnis in einem Tab und unter dem Eingabefeld.
dsh-self-improvement
dxxcao/dsh-self-improvement
Sitzungsübergreifender Speicher als einfaches Markdown pro Workspace: gewichtete Injektion, bitemporale Invalidierung, TTL-Prüfung mit Veraltet-Markern, Maskierung von Zugangsdaten, Fehler-/Sitzungsrückblicke, SOP-Skills und genehmigungspflichtige Selbstverbesserungsvorschläge.
dsh-loom
darknessled/dsh-loom
Human-in-the-loop self-improvement loop: one objective becomes an auditable work chain that iterates in child sessions while the main agent stays idle.
dsh-fathomkernel
az13js/dsh-fathomkernel
Plugin zur selbstentwickelnden Algorithmusoptimierung für DeepSeek Harness: Ziele und Abnahmekriterien festlegen. Für persönliche Nutzung; im aktuellen Zustand ist Stabilität nicht garantiert.
zagent
z-asset/zagent
Selbstverbesserungsschleife mit drei Rollen: Data-RSI tägliche Querschnittsbereinigung (winsorize→Standardisierung→Medianfüllung) plus Erfahrungsgewinn; Harness-RSI entwickelt Prompt/Memory/Skills; Model-RSI entwickelt Alpha-Training-Rezepte per framework-nativem Walk-forward mit 2-Tage-Lücke und Multi-Seed. Offline-Ein-Befehl, GPU-Erkennung, ein Skill.
dsh-self-evolution
tommy00748/dsh-self-evolution
Begrenzter, selbstverwalteter Langzeitspeicher (Hermes-artige MEMORY.md/USER.md mit festen Zeichenlimits und Sicherheitsprüfung), Review nach jedem Turn für Klartextnotizen oder Verfeinerung einer vorhandenen Skill statt fast gleicher Duplikate, Curator zur gezielten Reparatur still verworfener Skills und sitzungsübergreifende Nachrichtensuche. Eine Lernkarte erscheint nur bei Neuigkeiten und fragt vor Löschen oder Umformulieren von Erinnerungen nach.
alpharsi
z-asset/alpharsi
AlphaRSI: Selbstverbesserungsschleife mit drei Rollen zur Weiterentwicklung des Trainingsrezepts für Alpha-Sequenzmodelle. Operator führt Walk-forward aus, Evaluator bewertet mit OOS RankIC, Refiner schlägt per TPE-Bayessuche Hyperparameter vor; behalten werden nur strikt bessere Rezepte. Offline-Ausführung mit einem Befehl, Datenpaket mit sha1-Abgleich, automatische GPU-Erkennung. Eine Skill enthalten.
dsh-missher-evolution
missher12/dsh-missher-evolution
Erfasst begrenzte Workflow-Regeln und Korrekturerinnerungen mit eingegrenzten Belegen und lokalen Einstellungen. Brain-Hub-Integration ist optional.
dsh-refine
dushaobindoudou/dsh-refine
DeepSeek-Harness-(dsh-)Plugin: ergänzt den Befehl /refine und ein Einstellungsfeld für die Selbstverbesserungs-Engine dsh-continual-harness, mit Eintragsansicht, Verlauf, Ein-Klick-Rollback und automatischem Gate-Audit. Die Engine ist zur Laufzeit optional.