Plugins

Bietet sechs Skills für Codequalität: Code-Review, Architektur-Audits, technische Schulden, Testqualität, Zustands-Dashboards und Fehlerbehebung.

Vision für reine Textmodelle: Fügen Sie ein Bild ein und das Modell wechselt zur Vision-Toolkit-Variante für Bild-Q&A, Mehrbildvergleich, Lang-Screenshot-OCR, Screenshot-zu-UI-Reproduktion, Element-Grounding und Pixel-Diff. Standardmäßig kein API-Key erforderlich — Bilder werden vom kostenlosen, vom Autor gehosteten Dienst verarbeitet, 100 pro Maschine pro Tag; konfigurierbar auf Ihren eigenen Anbieter.

Autorisierte Sicherheits-DSH-Sammlung: neun Arbeitsmodi (Redteam-Koordinator, Pentest, Code-Audit, Binäranalyse, Angriff-Verteidigung, AV-Evasion, Incident Response, Cloud-Sicherheit, CTF-Lösung) und fünfzehn Laufzeit-Plugins, verwaltet über eine Einstellungsseite mit Ein-Klick-Bereitstellung, -Installation, -Update und -Deinstallation.

Kostenlose, schlüssellose Websuche für DSH: 7 Suchmaschinen (kostenlose DuckDuckGo/Bing/SearXNG + kostenpflichtige Exa/Perplexity/DeepSeek), automatisches Failover, eine Einstellungsseiten-UI mit API-Schlüssel-Eingabefeldern und offiziellen Links, web_fetch sowie ein Tool zum Testen der Suchmaschinen.

Sicherheits-Plugin für Reverse Engineering und Pentest als Einzelbündel: Werkzeug-Einengung im ersten Zug, Domain-Routing und 33 Werkzeuge für APK, Web, native Binaries, Protokolle, Malware und LLM-Proben — mit Playbooks für Entpacken, Lizenzumgehung und Anti-Analyse, einer H-CoT-Auswertungs-Engine (semantisches Routing, Befehl /hcot), einer Web-Werkbank mit Ledger-gesteuertem Werkzeugregal, einem fallbasierten Workflow auf der Festplatte (automatisch persistierte Beweiskette, E-nummerierte validierte Befunde, Fortsetzen nach Kompaktierung), GitHub-basierter externer Werkzeugsuche und 361 On-Demand-Referenzdokumenten.

HarmonyOS-NEXT-Skill-Paket für DeepSeek Harness mit Offline-API-Referenzen sowie Automatisierungsanleitungen für DevEco, HDC und den Emulator.

Vollständiges Reverse-Skill-Paket (85 SKILL.md) als DeepSeek-Harness-Cordis-Plugin: Skill-Router für Reverse Engineering, autorisiertes Pentesting und Security-Forschung.

Verwaltet DSH-Skills und MCP-Server über die Web-Einstellungen: Skill-Karten mit schnellem Aktivieren/Deaktivieren, Workspace-Scopes, Gruppen, Batch-Migration und Drag-and-drop-Import sowie stdio-/HTTP-MCP-CRUD mit Verbindungstests, Geheimnis-Redaktion und der vereinheitlichten dsh-panel-CLI.

Entfernt KI-Spuren aus russischen Texten: findet Copy-und-Paste-Artefakte von Chatbots (ChatGPT, Gemini, Grok, Perplexity, DeepSeek), entfernt versteckte Textmarkierungen (Null-Breite-Zeichen, unsichtbares Layout; der Schatten-Scan erfasst auch durch Unsichtbares geteilte Marker) und schreibt den Text auf Wunsch in natürliche Prosa um; 40 Regex-Marker, davon 38 mit vollständigen Einträgen im Evidenzregister; 156 Gates, 530 Tests; offline und reines Textbündel (binäre Metadatenentfernung liegt in scripts/).

Zielorga → Red-Team-Planungssitzung mit 5 Rollen (Recon/Asset-Triage/Schwachstellen/Exploit/interner Pivot), Parallelität konfigurierbar. Preflight prüft Skills/Ressourcen; einmalige Abfrage fehlender Schlüssel/VPS. Kombinierte Intrusionsregeln: 8 Kat./25 Pkt., Serverlimits, höchstes Privileg hat Vorrang, Dedupl./Dienst. Funde mit Zeitstempel in lokaler SQLite. Persistente rechte Konsole folgt Sitzung (5 Bereiche/10 Seiten); POC/EXP je Kategorie; Skill-Bibliothek erklärt unbrauchbare Skills. Downloadbericht mit Zielname und vollständigen Seitendaten (Aktionen/Anfragen/Zugangsdaten/Tunnel/Angriffsdateipfade). 16 Recon-/Assessment-Skills (DeepSeek Search/Fetch, Public-Intel), 56 redteam_*-Tools; Update per 1 Befehl. Angriffsketten-Skills als separater Toolkit-Release-Anhang.

PTES-basiertes Penetration-Testing-Plugin mit Root-Orchestrator-Architektur für DeepSeek Harness.

Steuere den Unity Editor von DSH aus über die offizielle unity CLI: Live-Editor-Szenenbefehle, C#-Eval im Editor und Laufzeit-Befehlsentdeckung über eine warme Unity-Shell-Session, plus eine rohe CLI-Notfallöffnung für Projekterstellung, Tests und Builds. Hängt Unitys offizielle Skill-Sammlung zusammen mit den eigenen Unity-Workflow- und Asset-Store-Skills ein.

Ingenieursdisziplin-Wächter: Anforderungsprüfung vor der ersten Bearbeitung, Rot/Grün-Testnachweis-Gates, verzweigte Adversär-Prüfung und ein Lieferbericht mit einem dimensionsbasierten Verifizierungsworkflow.

OpenAI-kompatible Bridge für Midscene mit den in DeepSeek Harness konfigurierten Modellen. Lauscht auf 127.0.0.1 (Standard 8787, weicht bei Belegung auf freien Port aus) und leitet Streaming-/normale chat completions an die Host-Modellschicht. Unterstützt offizielles DeepSeek-Routing, CodeBuddy, Codex und eigene OpenAI-/Anthropic-Endpunkte. Zugangsdaten bleiben in provider-Plugins; die Bridge berührt sie nicht. /v1/midscene-env erzeugt vier MIDSCENE_MODEL_*-Zeilen und erkennt die Modellfamilie. Sieben Skills für Browser, Desktop, Android, iOS, HarmonyOS, Vitest E2E und Midscene-Referenz; kein npx skills add. npm: dsh plugin --profile web add @tnnevol/dsh-midscene

Quantitatives F&E-Toolkit für DeepSeek Harness — 59 Tools in sechs Domänen für Marktdaten, Indikatoren, Faktorbewertung, walk-forward ML-Validierung, Risiko (VaR/CVaR/Drawdown/Beta mit Kupiec-POF), Optionen, Anleihen, FICC und Fondssimulation, mit einer End-to-End-Forschungs-Pipeline PDAT→PET.

QA-Pipeline als 10 Agent-Skills: Anforderungsanalyse, Teststrategie, Fallerstellung und Review, E2E (Playwright) und API-Automatisierung, explorativ, Regressionsumfang und Bug-Analyse, gestützt auf eine gemeinsame Wissensbasis mit Formatregeln, Risikomodell und Schema-Validatoren.

DSH Knit sortiert Markdown/Code/Bilder/Videos im Workspace nach Gesprächsbezug in der Seitenleiste; Context Pack via knit_docs. Standard-BM25/IDF vergleicht lokal letzte Nachrichten mit Titel/Zusammenfassung/Inhalt: kein Modell/Netz, keine Übertragung; Index bleibt nach Neustarts/Sitzungen. Evidenz/Vorschau; Zuordnung beim Lesen fixiert; Anheften/Ausschluss vor Abruf rückgängig machbar. v0.23 Hybrid optional AUS, nur mit selbst konfigurierten Ollama/OpenAI-kompatiblen Embeddings. Sendet nur query+Titel/Zusammenfassung (Markdown: Anfang ≤60 Zeichen; Code: relativer Ordner; Medien: Name), nie Volltext/absolute Pfade; Loopback lokal. v0.24 verknüpft uncommittete Änderungen mit read-only git status (festes argv, keine Shell, env-Allowlist), AUS. Kein Realtest; kein Suchgewinn belegt.

Multi-Agent-Workflow für Mathematikmodellierungs-Wettbewerbe: das "UltraMath"-Preset führt ein Problem vom Lesen über Framework, Ableitung, Coding, Verifikation, Paper und Review aus, plus 4 einstufige Rollen-Presets (Mathematiker, Ingenieur, Writer, Reviewer) und 33 Model-Library-Skill-Docs.

Klassifiziert anstehende Tool-Aufrufe mit Jev (dem nicht-generativen Entscheidungsmodell von TypeSafe AI) auf tools/pre-execute — sicher hochriskante Aufrufe werden abgelehnt, unklare zur Freigabe eskaliert — und genehmigt klar erlaubte, reversible Aufrufe auf approval/request automatisch, hinter Argument-Evidence-Gating. Erweitert außerdem den Session-Reference-Resolver per Subclassing, damit Snapshots Jev-bewertete Nachrichten behalten statt älteste zuerst zu verwerfen. Fällt bei jedem Provider-Fehler auf Standardverhalten zurück; Shadow-Modus mit /jev-stats-Befehl; TypeSafe- oder OpenRouter-Endpunkte; 64 Tests.

QA-Projekt-Werkbank für dsh: Testprojekte, Anforderungen, Testfälle, Defekte, Meilensteine, Berichte und Freigabephasen über eine Browser-Oberfläche und 18 QA-Domänen-Tools verwalten.

Fügt eine Optimize-Schaltfläche neben dem Composer hinzu, die den Prompt-Entwurf mit SSE-Streaming, Konversationskontext-Bewusstsein (Template- vs. Intent-Polish-Strategien), einer Edit-Continuity-Speicherkette, Undo sowie Modell-Routing mit Fallback und Konnektivitätstest analysiert und umschreibt.

DSH-Bundle, das 13 native codegraph_*-Tools registriert, die die codegraph-CLI kapseln, sodass Agents einen vorindizierten Code-Wissensgraphen bootstrappen, pflegen und abfragen können (Symbolabfrage, Erkundung, Knoten-Trail, Caller/Callee, Impact, betroffene Tests), statt Dateien zu greppen.

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