Plugins

Tencent-CloudBase-Backend für DeepSeek Harness — Gerüstbau und Bereitstellung von Full-Stack-Apps aus dem Chat, Darstellung von Abfrageergebnissen als Tabellenkarten mit Paginierung, Sortierung und CSV-Export, Vorschau einer Bereitstellung auf eigener Domain und Aufruf des CloudBase-MCP-Werkzeugkastens (`mcp__cloudbase__*`) mit Gerätecode-Anmeldung.

CloudBase-Backend für DeepSeek Harness — Full-Stack-Apps aus dem Chat erstellen, mit DB-/Storage-/Auth-Panel und Ein-Klick-Bereitstellung.

Fehlerbehebungs-Gedächtnis: durchsucht und protokolliert Lehren aus der Fehlerbehebung realer Engineering-Sitzungen, mit BM25- + semantischer RAG-Suche und einer Wissensdatenbank mit gewonnenen Erkenntnissen.

Lokales SQLite-Taskboard als native Overlay-Seite: Projekte, Aufgaben, Kommentare, Beziehungen, Anhänge und Workflow-Automatisierung mit den Status backlog → todo → in_progress → in_review → done; die `taskboard_*`-Agent-Tools können Arbeit nur an in_review übermitteln, dazu eine Headless-JSON-CLI und ein gepacktes Skill.

Lässt die KI sich mit Datenbanken verbinden und SQL für dich schreiben.

Das Modell mit Datenbanken verbinden und SQL schreiben lassen.

Projektbezogener sitzungsübergreifender Speicher: siebenschichtiger SQLite-Speicher (soul/user/project/fact/lesson/rules/topic) auf node:sqlite, cache-freundliche Injektion bei der ersten Nachricht plus Keyword-Treffer pro Nachricht, die Tools memory_remember/search/find_similar/read/update/project sowie Konsolidierung im Leerlauffenster („dream“) mit Sperrung zur Spitzenlastzeit. Prompttexte werden als sprachspezifische Datendateien mitgeliefert — das Framework unterstützt mehrsprachige Nutzer.

Das Gedächtnis, das träumt — sitzungsübergreifendes Gedächtnis für DeepSeek Harness: erinnert sich über Sessions hinweg an Sie, konsolidiert im Schlaf automatisch (autoDream), friert widersprüchliche Erinnerungen zu Ihrer Prüfung ein und führt ein wieder abspielbares Audit-Trail. Offline-First-lokale semantische Suche über SQLite mit menschenlesbaren, editierbaren Markdown-Spiegeln, einem Entity-Graph, einem interaktiven Memory-Panel sowie einer externen API und CLI.

Begrenztes, geschichtetes, genehmigungspflichtiges und auditierbares sitzungsübergreifendes Gedächtnis: eine typisierte `ctx.memory`-Schnittstelle mit einem abhängigkeitsfreien SQLite-Provider, einem `memory`-Tool und der Injektion eingefrorener Snapshots, plus die Erprobung von dsh-memory-protocol v1 mit einer Adapter-Registry und einer verteilbaren Konformitäts-Suite.

Das Gedächtnis, das träumt — sitzungsübergreifendes Gedächtnis für DeepSeek Harness: erinnert dich über Sitzungen hinweg, konsolidiert sich im Schlaf selbst (autoDream), friert widersprüchliche Erinnerungen für deine Prüfung ein und führt ein wiedergabefähiges Audit-Protokoll. Offline-first lokale semantische Suche über SQLite mit manuell editierbaren Markdown-Spiegeln, ein Entity-Graph, ein interaktives Gedächtnis-Panel sowie eine externe API und CLI.

Das Gedächtnis, das träumt — sitzungsübergreifendes Gedächtnis für DeepSeek Harness: erinnert sich über Sitzungen hinweg, konsolidiert sich im Schlaf (autoDream), friert widersprüchliche Erinnerungen für die Prüfung ein und führt eine wiederabspielbare Prüfspur. Offline-first lokale semantische Suche über SQLite mit menschenlesbaren Markdown-Spiegeln, einem Entitätengraphen, einem interaktiven Gedächtnis-Panel sowie externer API und CLI.

Aktuelle Unterhaltungen bleiben lebendig. Ältere verblassen zu Zusammenfassungen, nicht ins Nichts. StrataGate gibt DeepSeek Harness ein sechsschichtiges, zeitverfallendes Gedächtnis, während dauerhafte Ereignisse und Beziehungen in einem Wissensgraphen landen. Bring deine Erinnerungen aus anderen AIs mit – du musst nicht von vorn anfangen.

Kausaler Speicher für dsh: eine abhängigkeitfreie MCP-stdio-Brücke, die die 17 Tools des causal-memory-Servers unter klaren Namen (ohne Präfix mcp__) einbindet — Entscheidung-→-Ergebnis-Kanten mit typisierten Beziehungen (caused / enabled / prevented) in einem lokalen SQLite-Speicher, der Kompaktierungen übersteht — plus ein angehefteter System-Prompt-Abschnitt. Erfordert die Binärdatei des causal-memory-Servers im PATH (pip install causal-memory oder ein vorkompiliertes Release).

Persistente, erweiterte Websuche: Multi-Engine-Routing (DeepSeek/Exa/DDG/Bing/Jina + GitHub/Bilibili/YouTube/V2EX/Xiaohongshu/Twitter/Reddit/RSS), SQLite+LRU-Cache, Extraktion im Userscript-Stil, Playwright-Rendering.

Red-Team-Modus: Ein Zielorganisationsname genügt, ein Planer startet fünf Rollen (Recon, Assets, Schwachstellen, Exploitation, interner Pivot) mit bis zu 3 gleichzeitigen Agenten; Skills und Ressourcen werden vorab geprüft, fehlende Schlüssel oder VPS einmal erfragt, geleitet von einem integrierten Onboarding-Skill. Bewertung nach den Intrusion-Scoring-Regeln (8 Kategorien / 25 Punkte), serverseitige Obergrenzen, höchstes Privileg gewinnt, Dedup pro Dienst; selbst registrierte Konten zählen nie. Funde landen mit Zeitstempeln in einer lokalen SQLite-Faktenbasis und erscheinen in einer dauerhaften rechten Konsole mit 12 Tabs (Assets, Agenten, Sitzung/Tunnel, Angriffskette, Scoring, belegter Bericht, POC/EXP-Basis, Skills). Enthält 23 native Skills, 53 redteam_*-Tools und Ein-Kommando-Update.

Sitzungsübergreifende Speicher-Engine für DeepSeek Harness: SQLite-Speicher + von Menschen editierbarer Markdown-Spiegel, autoDream-Konsolidierung, Offline-Semantiksuche (lokale Vektorisierung/Reranking/Clustering), Entität-Attribut-Zeitachse, Sleep Mode, autoSummarize mit benutzerdefiniertem Modell und 7 Speicherwerkzeuge.

SkillRoute von JEStats: Skill-Routing für DeepSeek-Harness-Agenten.

DeepSeek Harness (dsh)-Bundle, das den Skill-Router von SkillRoute in Ihre Agenten einbindet.

DeepSeek-Harness-(dsh)-Bundle, das den Skill-Router von SkillRoute in deine Agenten einbindet.

Langzeitgedächtnis für DeepSeek Harness: Mehrkanal-Abruf und ein sich weiterentwickelnder Speicher.

StrataGate verleiht DeepSeek Harness einen sich weiterentwickelnden, local-first-Langzeitspeicher für Benutzereinstellungen, Projektentscheidungen, Konversationen und Werkzeugergebnisse über Sitzungen hinweg; es schichtet den Verlauf mit vom Benutzer einstellbarem Zeitverfall, verstärkt Erinnerungen durch tatsächliche Antworteinsätze, zeigt arbeitsbereichsbezogene Nutzungszähler und hält abgerufene Belege bis zu ihren ursprünglichen Nachrichten zurückverfolgbar.

Langzeitgedächtnis für DSH: Gespräche werden automatisch in atomare Fakten, Szenenzusammenfassungen und ein Persona-Profil destilliert, wobei relevante Erinnerungen vor jedem Modellschritt injiziert werden. Ohne Konfiguration sofort einsatzbereit — hybride BM25- + Vektor-Recherche, optionale lokale Offline-Embeddings, Trennung von Chat-/Arbeits-Familien.

Lokale Literatur-Wissensdatenbank-RAG: 10 Tools (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), hybride BM25+Vector+Reranker-Suche, belegte Fragen-Antworten mit anklickbaren DOI-Links, vollständig lokale bge-Embeddings über einen Single-File-SQLite-Index. Benötigt Python 3.9+ mit pymupdf, faiss-cpu und sentence-transformers; der Installer `npx dsh-kb-rag-install` richtet diese ein und lädt das Modell vorab herunter.

Bietet lokale und entfernte Wissensdatenbanken mit projekt- und sitzungsumfassendem Abruf, kontrolliertem Zurückschreiben und einer eingebetteten Web-Verwaltungskonsole.