Plugins

Vier schreibgeschützte Werkzeuge über eine WeKnora-Wissensdatenbank: Wissensdatenbanken auflisten, hybride Passagesuche, Chunks eines Dokuments in der richtigen Reihenfolge wieder zusammensetzen und WeKnoras eigene zitierte RAG- oder ReAct-Agent-Antwort mit fortsetzbarer Sitzungs-ID.

Legt die Reasoning-Sprache des Modells auf die unter Settings - General - Thinking language gewählte Stufe fest (vereinfachtes Chinesisch oder eine Standardstufe, die nur Antworten einschränkt und das Reasoning dem Modell überlässt). Fügt eine System-Prompt-Sektion mit Reihenfolge -1000000 ein und setzt sie am Ende des Assemble-Ablaufs wieder an den Anfang; optional wird eine Kopie vor jede Nutzernachricht gesetzt, wenn Modelle statische Sektionen schlecht befolgen.

Konfiguriert visuell Prompt, Tools, sichtbare Skills, Subagenten und Fallback-Modelle eines Agenten und stellt mehrere zu einem Team zusammen. Es schreibt oder bearbeitet nie eine Preset-Datei des Hosts.

Plugin zur Verwaltung des DSH-Standardsystemprompts: den endgültigen, pro Sitzungsrunde zusammengesetzten Prompt in den Web-GUI-„Settings“ durchsuchen, finden und überschreiben.

OMK — Observe. Measure. Know. Evidenzgestützte Wissensänderungen für KI-Anwendungen.

Rollenbasiertes Multi-Agent-Team für DeepSeek Harness: Produkt, Architektur, Frontend, Backend, Review und QA arbeiten in neun Phasen mit Prüftoren; dauerhaftes Team möglich. Keine Laufzeitabhängigkeiten, kein Build.

Chinesische Lokalisierung für DeepSeek Harness: übersetzt zur Laufzeit alle System-Prompts, Werkzeugbeschreibungen und Laufzeitkontexte über den system-prompt/assemble-Wasserfall ins Chinesische (1788 Einträge, keine Quellmodifikation, Deinstallation stellt Englisch wieder her).

Context-Assembler-Plugin für DeepSeek Harness: Themenblock-Context-Assemblierung, Wasserdruck-Themen-Splitting, Tool-Trace/-Rewrite, Reality-Recall-Injektion und Handoff-Planung.

A full-screen novel-writing workbench: chapter board, draft candidates reviewed and merged paragraph by paragraph, plot summaries carrying an index header, and a writing pack assembled from the outline, character cards and earlier chapters. It also reads a shelf of finished books you import, extracts their writing habits in one run, merges them into a single style standard, and puts that standard in the prompt for every later generation.

Urteilskern für DeepSeek Harness: Ein Erkenntniszyklus ordnet jeder Entscheidung Quelle und Zuschreibung zu und führt die Planung zum Abschluss; hippocampus-Speicher verdichtet Erfahrungen zu Wissen (Journal, Episodenarchiv, Abwertung geringer Sicherheit); die Architektur verankert Verantwortung und einheitliche Kriterien; ein A2A-Team verwaltet den Speicher mit dsh-linghun-assembler. Erfordert DSH ^0.1.0-rc.7 (rc.2 unterstützt).

Memory-assembly team for DeepSeek Harness: every message triggers a five-step cognition loop (judge, retrieve, assemble, feedback, calibrate) carried by role-playing subagents (judge, retriever, archivist, advocate, editor, scribe), using BM25 retrieval, time-ordered material, and LLM assembly to build useful material packs injected into linghun. Works with dsh-linghun.

Model attribution panel for the dsh web chat — local, zero-network structural fingerprinting (template token leaks, glitch canaries, tokenizer usage-vector matching) that scores which of 29 AI vendors a session's responses most resemble, with a per-claim evidence ledger and a 12-probe active battery.

Council of High Intelligence: Stellen Sie einen Think Tank aus 18 historischen Persönlichkeiten für eine strukturierte Debatte aus mehreren Perspektiven zusammen, mit einem Live-DAG-Seitenpanel, SQLite-Ausführungsverlauf und projektbezogenen Standardwerten über .council.yaml.

Untersuchen, messen, durchsuchen und vergleichen Sie den genauen providerneutralen Kontext, den DeepSeek Harness zusammenstellt.

Bi-temporales Gedächtnis auf Basis eines SodaMem-Daemons: Recall fließt in den Prompt ein, während jeder Turn zusammengesetzt wird, und jeder abgeschlossene Turn wird aufgenommen — ohne Tool-Aufruf und ohne Modell-Aufruf im Lesepfad; jede erinnerte Tatsache nennt den Turn, aus dem sie stammt, und trägt Gültigkeitsdaten, sodass überholte Fakten nicht mehr abgerufen werden.

DSH hardware sandbox plugin: assemble a 3D scene of ESP32 / BME280 / PIR / LED components with protocol- and voltage-checked port wiring, run real Python project code in the loop against simulated I2C/GPIO hardware with fault injection, let networked device simulators report over HTTP to a real backend (validated end-to-end against a live seat-reservation system), observe a real device read-only and map its state onto the scene, and add support for new boards through data-driven pin definitions. Ships 16 hw_* agent tools plus a bundled SKILL.md.

SSQ-Helfer (China Wohlfahrtslotterie Doppelte Farbkugel, Double Color Ball) für DeepSeek Harness: Trend-Verfolgung über 1000 Ziehungen, sechs Vorhersagemodelle mit Ensemble-Voting, Strukturanalyse sowie dan-tuo/Zufallsgenerierung über das ssq-Tool.

Turns a Minecraft Java save into a Blender cover or animation: scans the .mca region files for flat open ground, exports the terrain to OBJ, and drives Blender headless with MCprep materials, the BPS character rig and three-point lighting. After each render it reviews the frame with OpenCV for facing, ground contact, exposure, lighting and composition, then re-renders with adjusted parameters when a check fails. Requires Blender 4.2 LTS or newer and Python 3.10+ with opencv-python and numpy; the first run assembles the Minecraft assets with the bundled setup command.

Semantic code search for DeepSeek Harness: registers two native tools, semble_search (find code by describing its behaviour, returning ranked file:line hits) and semble_find_related (neighbours of a known location), which run the Semble CLI via uvx, plus one bundled routing skill. Requires uv on PATH; the first query on a repository builds its index.

Standalone prompt assembly with a source registry, custom text, strategy editing and previews, and per-session strategy snapshots through DSH public hooks.

System-prompt surface drift gate: every section any plugin or preset contributes to the assembled system prompt is hashed and baselined; a silent rewrite of what the model is told fails loud.

Host-side long-task detection for small-context local models: long outputs are scaffolded into a parts skeleton (one part per reply, then assemble), and multi-step work into a PLAN.md ledger with notes/ (plan first, one step per reply). Detection is heuristic and host-side, so it does not depend on the model judging its own limits.

Read, build and take apart EPUB 3 books with no external dependency — the ZIP reader/writer and the XML scanner are both built in. Inspect metadata, reading order and TOC for structural problems, assemble a book from chapters, or split one back into per-chapter HTML.

Wire-level LLM inspector: captures the raw HTTP request and response bodies of model provider calls and attributes each capture to the session that caused it through the llm/stream waterfall. The request pane renders the body as a collapsible tree with per-node sizes — one measured request was 98.6% a single 973-entry array — and the response pane reassembles the OpenAI-style SSE chunk stream into reasoning, content, tool calls and usage. Shown in a Conversation View tab and a loopback viewer page.