Plugins

Token-Kosten-Pipeline für DeepSeek Harness: druckabhängige, geschichtete Kompaktierung (verlustfreie Projektion unter 40 % Kontextdruck, darüber LLM-Zusammenfassung), Tool-Allowlisting pro Agent, Langtext-zu-Bild mit Vision-Zusammenfassung und ein /token-status-Befehl, der Druck, Stufen und eingesparte Tokens verfolgt.

Umkehrbare Kontextverschlankung für DeepSeek Harness: TOON-artige verlustfreie tabellarische Neukodierung gleichförmiger JSON-Arrays, per Stride abgetastete Tabellenfenster mit Zeilennummern und Cross-Turn-Deduplizierung für wiederholte Tool-Ausgaben; jeder Ersatz passiert ein Byte-plus-Token-Gate (≤72 % Bytes, strikt weniger geschätzte Tokens), und das Original wird hinter einem `[save-token #id]`-Hinweis auf die Festplatte ausgelagert und ist in einem Aufruf über das `save_token_expand`-Tool abrufbar, mit Abrechnung und vermiedener Token-Messung auf einem Einstellungs-Dashboard.

Geschichtete Token-Optimierungspipeline für DeepSeek Harness: Ausgabe-Leiter, MCP Lazy Loading, Kompaktierungs-Treiber, Cache-Treffer-Bericht. Auf echten DSH-Plugin-APIs aufgebaut; in langen Sitzungen werden etwa 40–60 % der Eingaben gespart.

Kapselt Arbeit in benannte Aufgaben und faltet beim Schließen einer Aufgabe den gesamten Nachrichtenbereich an der nächsten Schrittgrenze zu einer einzigen Zusammenfassung; der ursprüngliche Inhalt kann auf Wunsch wiederhergestellt werden.

Tokeneffiziente Persona-Laufzeit für DeepSeek Harness mit lokaler catgirl-Darstellung und progressiver Offenlegung des Tool-Schemas.

Leitet jede Aufgabe an ein Modell und ihre Überprüfung an ein anderes weiter, mit Qualifikationsnachweisen, Failover und einem dauerhaften Journal.

Fronts stdio MCP servers with three router tools (list_capabilities, describe_tool, call_tool) so schemas load on demand instead of riding every request; shapes every tool result through a deterministic output ladder that archives the original first (retrieve_spill reads it back); prices tool groups in tokens and can hide built-in groups per agent. Bridges to a standard-library Python router, so Python 3.9+ is required.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

One MCP tool instead of every schema you own — a lazy capability broker that cuts resident tool context by a measured 94.4%. Search, inspect, enable and call MCP servers and skills on demand.

Plugin für dynamisches Kontextmanagement für DeepSeek Harness (Dynamic Context Pruning for dsh), angelehnt an opencode-dcp.

Sleev routing observability for DeepSeek Harness

把长文本渲染成图片发送，利用每图 384 token 封顶压缩 LLM 输入 token，专为DeepSeek Harness设计的插件；Pack long text into images to cut LLM input tokens (384/image cap) — a DeepSeek Harness plugin.