Plugins

Softwareentwicklungs-Methodenpaket für Coding-Agenten mit Skills für baseline-orientierte Planung, systematisches Debugging, Prompt-Hygiene, Verifikation vor Abschluss sowie Reparatur-/Stilllegungs-Tracking.

Die Funktionen von DeepWatch, installierbar in ein bestehendes DeepSeek Harness-Profil

Verifizierbares Forschungsbericht-Modul für DeepSeek Harness mit inhaltsadressiertem Belegregister, versionierten versiegelten Berichten, bei denen jede Aussage ein Verifikationsurteil trägt und der Manifest-Hash das Verzeichnis versiegelt, sowie Retrieval-Orchestrierung, die die ctx.web- und ctx.jobs-Schnittstellen wiederverwendet.

Vereinheitlichte Suche mit Evidenzverifikation für Agents: 120+ Engines mit mehrsprachigem Routing, vertikalen Domänen und strukturierten Modalitätskarten, 10 MCP-Tools plus wide_research-Orchestrierung sowie eine Fetch-Verify-Schleife, die Evidenzwerte nachträgt.

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

Datenqualitätsprüfung für DeepSeek Harness – Profilierung, Bereinigung und Verifikations-Pipelines mit strukturierten Berichten.

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.

Hash-verankerte Tools read / edit / batch_edit / undo_last_edit: Jede Zeile erhält einen eindeutigen 3-stelligen Inhalts-Hash, Bearbeitungen zielen auf Hashes statt Zeilennummern, und die Verifizierung des bereitgestellten Zustands weist veraltete Bereiche mit aktuellen Ankern zurück.

Installiert vier Multi-Agent-Presets für mathematische Forschung in DSH: v2 (wahrscheinlichkeitsgetriebene Pipeline mit Debatte mehrerer Prüfer), v3 (Markdown-Wissensbasis im Paper-Stil mit Planer-Agent und wiederverwendbarer Methodenbibliothek), v4 (persistente, selbstorganisierte Bewohner, die sich Nachrichten schreiben und treffen) und v5 (ein Forschungsinstitut mit einem Akademiker, der Arbeit zerlegt und verteilt, abstimmenden Forschern, Aushilfen, Gruppenchat und einem Compare-and-Set-Task-Board); alle vier unterstützen Checkpoint-Fortsetzung, menschliches Eingreifen und einen optionalen Lean-Formalverifizierungs-Schalter (off/encourage/require), dessen bestandener Beweis die Abstimmung in eine Treueprüfung der Lean-Aussagen verwandelt.

Oh My DSH (OMD) fügt Kontextzusammenfassungen mit Rückgriff auf die Originalquelle, aufgabenverknüpfte Verifikation, Prompt-Optimierung, CodeGraph-Codenavigation, OpenCU-Computersteuerung und vier Themes für Layout, Seitenleisten und Einstellungen hinzu.

Browser-Verifikations-Skill in isolierter Umgebung für die DSH-Plugin-Entwicklung: ein wegwerfbares DSH_HOME, eigenes `verify_<random>`-Profil, eigener Port und eigene Browser-Instanz in einem Befehl, beim Beenden aufgeräumt, sodass das tatsächlich genutzte Profil nie berührt wird; liefert einen abhängigkeitsfreien rohen CDP-Treiber (snapshot / click / screenshot / eval) und ein optionales Isolations-Audit.

Ein-Kommando-Sicherung und -Wiederherstellung der DSH-Nutzerdaten mit visuellem Einstellungs-Panel: geplante Auto-Sicherung, sha256-Prüfung, gehärtete Wiederherstellung mit Auto-Rollback, typisierte Teilsicherungen (--types skills), Maskierung von Zugangsdaten in einen lokalen Tresor, GitHub-Sync für Maschinenwechsel und ein prozessexterner Rettungskanal, der auch funktioniert, wenn der Host nicht startet. /backup doctor prüft und repariert beschädigte Sitzungsprotokolle aus einer bekannten guten Sicherung; migrate-check sagt statisch voraus, welche Sitzungen ein Host-Upgrade zerstören würde, und der Credential-Wächter bewahrt Vor-Migrations-Kopien auf; intelligente Sicherungen vor Host-Upgrades und Quarantäne beschädigter Protokolle. macOS/Linux/Windows.

Engineering-Workflow-System für KI-Coding-Agents — verpflichtende Planung, TDD, Verifikation, Review und intelligente Graph-Analyse der Codebasis.

Windows-Desktop-Computer-Use-Tools (click, type, key, screenshot) mit Frischeprüfungen, Freigabe-Gating, Prozessidentitätsverifikation um jede Aktion herum und einer bereinigten Audit-Spur.

Steuert das wissenschaftliche Plotten mit OriginLab Origin aus dem KI-Chat über MCP: 62 Tools. Watchdog für modale Dialoge, LabTalk-Sicherheitsschleuse, release/reconnect, Fits mit anfänglichen/festen/gewichteten Parametern, feingranulare Plot- und Sheet-Bearbeitungen, Matrix-Tools, deklaratives FigureSpec-YAML (diffbar und replaybar), schreibgeschützter MCP-Ressourcen-Snapshot, matplotlib-figure-Bridge, PowerPoint-Assembly mit Panelbeschriftungen, Suche in der Graph-Gallery-Vorlagen, EPS-Export, Dateizugriffs-Whitelist, visuelle Regressionsbaseline und editierbares OPJU-Ergebnis mit deterministischer Rücklese-Verifikation.

Wandelt lokale Markdown- und Textdokumente in eine abfragbare Wissensdatenbank mit hybrider semantischer und Stichwortsuche, Zitatverifizierung und Quelleninjektion um.

Expert-Preset für DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): Chefkoordinator + 17 Domänen-Subagenten mit Auto-Delegation. Funktionen: Taskboard (Zustände pending/ready/running/done/failed, DAG, atomare Beanspruchung, Retry, Wiederherstellung), Quality Gates (5-stufige Pipeline: Anforderungen, Implementierung, Verifikation, Prüfung, Integration; 2 Überarbeitungen), Five-Anchor (Prüfung/Konvergenz/Anti-Drift/Zusammenarbeit/Ressourcen), Near-distance (Vorlage Identität/Aufgabe/Ausgabe), progressive Offenlegung (~28 % Token-Einsparung), Persistenz, P2P-Bus, Kreuzprüfung, Erfahrungspool, Schnellweg, Auto-Retry. 17 Experten: Daten, Redaktion, Recht, PM, Frontend, UI/UX, Architekt, Social, Growth, Quant.-Finanzen, Backend, DevOps, DB, QA, Sicherheit.

Multi-Plattform-Recherche- und Deep-Search-Pipeline: harvest_scout für parallele Entdeckung über GitHub, Web, Twitter, Reddit, Xiaohongshu, Bilibili und YouTube; harvest_deep_research für automatisch erstellte umfassende Rechercheberichte; dazu Extraktion, Quellenübergreifende Verifikation und Glaubwürdigkeitsprüfung.

AI-for-Science-Forschungs-Workflow-Skill für DeepSeek Harness, für Forscher und Doktoranden mit agentenbasierter KI: mehrwinklige Literaturrecherche mit Dateien pro Winkel, Experimentdesign mit Caveat-Liste, Abbildungen und Paper-Lesen; jeder Job gibt Dateien sowie ein Cross-Verification-Briefing für ein zweites Modell zurück. Null Abhängigkeiten, MIT.

Aufgabenzuverlässigkeit: automatischer Neuversuch bei Modell-Timeouts/-Fehlern, automatische Fortsetzung unerledigter Aufgaben, Abschlussprüfung, Unterbrechung von Denkschleifen, Wiederaufnahme nach Schlafmodus oder Neustart, Autopilot-Modus und Remote-Trigger-Endpunkt (npm: `dsh-task-reliability`).

Fügt /pua hinzu, um den Agenten anzuleiten, vor der Erklärung der Fertigstellung einen anderen Ansatz zu versuchen und die Ergebnisse zu verifizieren, mit 15 Firmenstilen, Persona-Modi, globalen und pro Konversation geltenden Einstellungen sowie einer optionalen Schleife, die fortläuft, bis ein Verifikationsbefehl besteht, das Iterationslimit erreicht ist oder der Benutzer abbricht.

Agent-Preset-Bundle für Programming Mode: der Standard-Coding-Agent mit einer Persona, die die Superpowers-Disziplin vorschreibt (zuerst Skills, Brainstorming vor dem Bauen, Pläne vor Code, TDD, systematisches Debugging, Verifizierung vor Abschluss) sowie einer stets aktiven Ponytail-Codevolumen-Disziplin (7-stufige Minimalcode-Leiter, standardmäßig vollständig); enthält alle zwanzig Skills gebündelt (14 superpowers + 6 ponytail) und fügt den vollständigen using-superpowers-Skill mechanisch in die erste Anfrage jeder neuen Sitzung ein.

Modulare Frontier-Ausführungsdisziplin für DSH: beweiserstes Routing über 26 Skills, Dateiplanung im Manus-Stil, Verifikationsgates, Erholung nach Fehlerserien und ein interaktives Web-Dashboard.

Medien- und Vision-Workspace für DeepSeek Harness: Erzeugung von Bildern, Videos und Sprache, Fragen und Antworten zu Bildern sowie Lokalisierung von Elementen, OCR für lange Bilder, Pixel-Diff, Verifikation von HTML-Screenshots und Zusammenfassung von Videos, mit DashScope- und OpenAI-kompatiblen Anbietern, Modellpools und einem Workbench-Client.