Plugins

DSCODE für Harness Desktop: gemeinsame Programmierung, Sitzungsspeicher, Browser-Workflows und Aufgabenverwaltung.

Schreibwerkstatt für Romane für DSH mit Autoren-Preset, Outline- und Charakterverwaltung, Manuskriptanmerkungen, Review-Workflows und einem verwalteten lokalen Python-Backend.

TongFlow-Studio-Plugin für DeepSeek Harness (dsh): Filmcrew-artiges Projektmodell, vom Agent erstellte TongFlow-Workflows, deterministische Medienerstellung, eingebettete Canvas.

Bündelt fünf Skills: Web-Präsentationen, Social-Cards, gesetzte Webseiten, chinesische KI-Stil-Bearbeitung (humanizer-zh) und ein Schreibstimmen-Profil. Die ersten drei teilen ein Designsystem mit Magazin- und Swiss-Themen sowie kontrastgeprüften Markenfarben. Dazu kommt eine Seitenleiste mit Arbeitsminiaturen, Entwürfen für neue Sitzungen mit wiederverwendetem Thema und Layout, sechs Inhaltsabläufen und Nachrichten aus lokalen dsh-Sitzungen als Lernmaterial für das Schreibprofil.

AgentCompare bietet A/B-Abläufe für eine Vite-Aufgabe in DSH: zwei Implementierungen ausführen, Live-Vorschauen mit gemeinsamen Prüfungen vergleichen, blind auswählen und die Übernahme anhand aktueller Projektänderungen prüfen. Erfordert ein Vite-Projekt im Stammverzeichnis eines Git-Repositorys mit mindestens einem Commit.

Bindet 88 paketisierte Forschungs-, Social-Intelligence-, Marketing- und Business-Agent-Skills über den Dateisystem-Skill-Provider in dsh ein.

Drei-Schichten-Speichersteuerungsebene für DeepSeek Harness: persistenter Laufzeitkontext, durchsuchbare Projektdokumente, austauschbarer Langzeitspeicher, intelligentes Routing, überwachte Agent-Workflows, WebUI und Headless-Werkzeuge.

Smartphone-Client für DeepSeek Harness ohne App-Installation (PWA). Zeigt Sitzungen, Hintergrundjobs, Unteragenten, Zielrunden, Workflows und ausstehende Freigaben; ermöglicht Gespräche mit jeder Sitzung samt Streaming-Antworten und Tool-Fortschritt, jederzeitiges Stoppen sowie Wechsel von Sitzung und Modell. Enthält ein GUI-Seitenleistenpanel. Früher dsh-taskwatch; npm-Paket jetzt dsh-in-hand.

KI-Bild- und Videogenerierung für die DSH-Web-GUI. Kanalbezogene Modellkataloge und Familienanpassung (gpt-image, Grok Imagine, Nano Banana, Seedream, GLM-Image, Qwen-Image, MiniMax image-01, DALL-E 3), Generator-Seitenleiste, unendliche Node-Leinwand, Dateivorschau, Leinwand-Skills und Promptvorlagen. Video unterstützt Text-/Bild-zu-Video, ersten/letzten Keyframe und mehrere Referenzen, asynchrones Senden/Abfragen/Herunterladen, hostseitige Videotools, Videonodes sowie lokales Zusammenfügen von mindestens zwei Nodes zu einer MP4 mit ffmpeg.

Die DSH-Plugin-Entwicklungs-Wissensdatenbank als On-Demand-Agenten-Skill: offizielle Einschränkungen, Aufgaben-Workflows, API-Referenz und Community-Fallstricke, mit dem Bundle installiert, damit der Agent beim Plugin-Erstellen nachschlagen kann.

Langkontext-Vorbereitung, Dream-Speicher, Aufgabenprüfung, Workflows und Computerinteraktion für DSH. Benötigt DSH 0.2.2-rc.1 und Node.js 24.9+. Die Standardinstallation gewährt vollen Datei- und Befehlszugriff und schaltet Ausführungsfreigaben aus; explizite Einstellungen eines vorhandenen Profils haben Vorrang.

Visuelle AI-Agent-Orchestrierung auf Basis von DeepSeek Harness mit Workflow, Multi-Agent, Meta-Orchestrierung, MCP und Human-in-the-loop.

Markdown-Speicher über Sitzungen (LLM-Wiki/SOUL.md), standardmäßig nach erster Nutzernachricht in der aktiven Sitzung. Mit remember/recall/consolidate/forget, Skill und pack/unpack. /memory on|off|status und Chip teilen den Schalter: off stoppt Einfügung, Digest-/Recall-Hinweise und last_access, löscht aber nichts; Workspaces standardmäßig aus, Wahl 7 Tage. Basic soul ändert nur den verwalteten SOUL.md-Block. Getrennte Anforderungen: Sitzungsformat v4 (offiziell 0.1.7+) und engines.dsh-Kompatibilität der offiziellen Reihe 0.2.1-rc.5; ältere Hosts abgelehnt. Windows wird unterstützt. Mit checkup-Bericht.

Visuelle Multi-Agent-DAG-Workflows für DeepSeek Harness mit Live-Ausführung, Wiederanlauf nach Neustart und Feishu-Integration.

Projektgedächtnis für dsh mit nativer Task-System-Integration: Session-To-dos und Dateilesevorgänge werden automatisch zu sitzungsübergreifenden Task-Datensätzen verdichtet (Task↔Datei-Links), sodass Workflows umschalt- und fortsetzbar sind, ohne erneut Kontext aufzubauen. Gedächtnis zur Lesezeit (kein Vorab-Scan): extrahiert Codesymbole, fasst Dokumentation zusammen und verknüpft Doku↔Symbole; optionale TS-Semantik-Erweiterung (automatisch aktiv, wenn TS installiert ist). Erfahrungsnotizen werden automatisch dedupliziert. Jeder Abruf enthält eine nachvollziehbare Zitierung. Reines JS, eine Abhängigkeit, sofort einsatzbereit, stiller Betrieb, null Overhead.

Diszipliniertes Engineering-Workflow-System für KI-Coding-Agenten: Planung, TDD, automatische Fix-Schleifen, Wissensgraphen der Codebasis und Multi-Agent-Wellenausführung. Benötigt codebase-memory-mcp (pip install "codebase-memory-mcp>=0.10.8,<0.11.0"); ohne die Abhängigkeit wird /scan beendet.

Vordefinierte Engineering-Workflows für DeepSeek Harness: ein dev_task-Tool, das Phasenübergänge, Artefakte, Verifikation, Review und Commit-Umfang kontrolliert, plus eine Web-Workbench zum Installieren von Projekt- oder Nutzer-Skills und -Regeln.

Projektionsgesteuerter Live-DAG für die Subagenten und dauerhaften Workflows einer Session: Status und Navigation, deterministisches Layout tiefer Ketten, Einpassungs-/Schwenk-Steuerung der Canvas und Neuanordnung der Knoten der aktuellen Sitzung.

Überträgt potetos pstack-Engineering-Playbooks auf DSH und deckt Planung, Review, Verifizierung und Release ab.

Hostneutrale, dauerhafte DAG-Workflows für Agents mit CLI, MCP, bedarfsgesteuerten Skills, Triggern, Wiedergabe und einer visuellen Canvas.

Führt JSON-Workflows mit /workflow aus, zeigt den Fortschritt, wählt Agent-Modelle, setzt gespeicherte Sitzungen fort und führt begrenzte Prüf- und Reparaturschleifen aus.

Zeichnet macOS-Desktop-Workflows in DeepSeek Harness per Vormachen auf und verwandelt sie in Agent-Skills (open-record-replay-Skill + orr_*-Tools).

Führt RunningHub-ComfyUI-Workflows aus DSH aus, um Bilder, Videos und Audio zu erzeugen; mit Workflow-Einrichtungsfenster, Hintergrundaufgaben und Verwaltung mehrerer Schlüssel.

Beobachtet die Ausführungsspuren des Agenten und löst bei jedem erfolgreichen Zugende eine LLM-Überprüfung aus, wenn Signale auslösen, kristallisiert wiederverwendbare Workflows in registrierte Skills, die sich bei späteren Durchläufen fortschreitend verbessern.