Plugins

Meldet, welche Skills in jedem Turn aufgerufen wurden (vom Modell geladen, als /name getippt oder keine) und verwaltet das lokale Skill-Verzeichnis: Installation aus einer eingefügten Repository-, Ordner-, SKILL.md- oder Zip-Adresse, Festlegen eines chinesischen Anzeigenamens in der Skill-meta.yaml und Entfernen eines Skills unter Beibehaltung eines Backups.

Deklarative Berechtigungsregeln im Claude-Code-Stil: geordnete Allow/Deny/Ask-YAML-Regeln, die Toolnamen, Argumente, Arbeitsbereichspfade und Agentenidentität in der tools/pre-execute-Kaskade abgleichen, mit vollständigem Sitzungsprotokoll-Audit, Trockenlaufmodus und Hot Reload.

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.

Nativer Rapid-MLX-Provider für DeepSeek Harness (dsh) — dsh liest die Modellinformationen vom Server anstatt aus Ihrer settings.yaml.

Preset-Werkbank zum Bearbeiten agentenspezifischer Personas, System-Prompt-Abschnitte und Tool-Beschreibungen. Tools und Skills auswählen, den Anfragekontext in der Vorschau prüfen sowie JSON-/YAML-Konfigurationen importieren oder exportieren.

Evaluierungs-Harness für DSH-Plugins: YAML-Fälle steuern echte Headless-Agent-Läufe, prüfen Tool-Aufrufe, Argumente, Ergebnisse und Token-Nutzung, mit einem Baseline-Gate gegen CI-Regressionen.

Schreibpreset für Webromane in DeepSeek Harness. Der Hauptagent übernimmt die Chefredaktion und delegiert Gliederung, Entwurf, Prüfung, Lore-Pflege und Recherche in sieben Phasen an fünf Helfer. Der Roman bleibt in einem strukturierten Markdown/YAML-Verzeichnis novel/ (Figurenkarten, Foreshadowing-Zustandsmaschine, Zeitlinie, Erzählgedächtnis); dazu kommen ein Kreativpanel in der Seitenleiste und sechs CLI-Befehle ohne Abhängigkeiten.

Patent-Schreib-Gatekeeper für dsh – prüft die Idee zuerst gegen chinesischen Stand der Technik, führt dann Gespräche zur Ausrichtung von fünf Parteien, das Verfassen einer achtkapiteligen Offenbarung, Abbildungen und Simulationsläufe, eine Sieben-Dimensionen-Prüfung und den Export nach docx/PDF durch. Die Skills funktionieren sofort; die Such-, Export- und Experimentier-Tools stammen aus einem mitgelieferten Python-MCP-Dienst, der deaktiviert ausgeliefert wird – eine Zeile in ~/.dsh/patent-services.yaml aktiviert ihn, und uvx holt das Wheel von PyPI.

Konfigurierbares Standardmodell für Subagenten-Delegationen über settings.yaml, mit Einzelmodell- und Multi-Modell-Round-Robin- oder Zufallsstrategien.

Zeigt an, welche Skills jeder Turn aufgerufen hat (vom Modell geladen, als /name eingegeben oder keine) und verwaltet das lokale Skill-Verzeichnis: Installation aus einem eingefügten Repository, Ordner, SKILL.md oder Zip-Pfad, Festlegen eines chinesischen Anzeigenamens in der meta.yaml des Skills und Entfernen eines Skills unter Beibehaltung eines Backups.

Verwaltet OpenCode-Zen-Free-Tier- und Go-Tier-Modelle in settings.yaml — ruft die Live-Modellauflistungen von opencode.ai ab, meldet Abweichungen zwischen konfiguriert und live pro Route und fügt Einträge über vier Agent-Tools und einen OpenCode-Models-Einstellungsabschnitt hinzu oder entfernt sie.

Überschreibt die chinesische Kopie eines marktinstallierten Plugins mithilfe eines bereits im Harness konfigurierten Modells ins Englische – automatisch bei der Plugin-Installation, danach per Live-Reload. Jede Datei wird in einem kompletten Durchlauf übersetzt, durch einen echten Parser validiert, falls vorhanden (node --check für JavaScript, sonst JSON- und YAML-Parser), und mit dem Fehler bis zu drei Reparaturversuchen ans Modell zurückgegeben; Dateien über 48 KB oder die nie parsen, greifen auf einen Zeilenbereich-Durchlauf zurück, der jede zurückgegebene Zeile strukturell mit dem Original vergleicht. Trigger-Phrasen und Locale-Tabellen können optional erhalten bleiben statt übersetzt zu werden, und das unberührte Original wird neben der Datei als .zh.bak aufbewahrt.

Konfigurationsgesteuerte Lebenszyklus-Hooks, einschließlich Kontextinjektion: Deklarieren Sie event, handler und outcome in YAML, wobei der handler ein in-harness-Tool (MCP eingeschlossen), ein Shell-Befehl oder ein HTTP-Endpunkt ist und das outcome model-visible context, ein denied tool call oder fire-and-forget ist.

Berechtigungsregel-Engine im Claude-Code-Stil: Stufen hard/deny/ask/allow mit einer hard-Stufe oberhalb des Vollzugriffs, Regeln je Arbeitsbereich, Wildcard-Pfadschutz und ein visueller Stufen-Editor; Regeln werden in settings.yaml gespeichert.

Automations in versionierbaren, prüfbaren Dateien verwalten: YAML/JSON/JS mit Zeitplan, Prompt, Modell, Berechtigung und Arbeitsordner. DSH Schedule wird binnen einer Sekunde nach dem Speichern exakt erstellt/aktualisiert/deaktiviert/gelöscht. Jede Aufgabe erhält eine eigene Unterhaltung, dauerhaft oder je Lauf neu. /automations synchronisiert auf Abruf und nennt Dateifehler; keine Aufgaben löschen Schedule nie.

Verbindet GitHubs offiziellen Remote-MCP-Server als DSH-Plugin: speichert das PAT über github_set_token im Credential-Center von DSH (.credentials.yaml) und stellt GitHub-Tools als mcp__github__* bereit.

Führt AItelier-Pipelines von DSH über MCP aus: 39 Werkzeuge (22 Lese-, 17 Schreibwerkzeuge) zum Erzeugen, Ausführen, Inspizieren, Bearbeiten, Exportieren und Importieren mehrstufiger SkillFlow-Pipelines. Die Schritte werden in AItelier statt in der DSH-Sitzung ausgeführt und über run_id gepollt, pausieren an engine-erzwungenen Checkpoints, die mit answer_checkpoint beantwortet werden, und hinterlassen pro-Schritt-Traces und Schrittausgaben zum späteren Lesen; add_provider / map_model / edit_role richten eine einzelne Rolle auf einen lokalen oder günstigeren Endpunkt aus. Bündelt einen aitelier-pipelines-Skill.

Modellfähigkeitseditor: Bearbeitet reasoning-effort-Stufen und Bild-/Multimodal-Eingaben inline auf der offiziellen Modellseite und schreibt die gesamte Gruppe nach settings.yaml zurück. Bei defektem Anker gibt es einen schwebenden Ausweichzugang.

Council of High Intelligence: Stellen Sie einen Think Tank aus 18 historischen Persönlichkeiten für eine strukturierte Debatte aus mehreren Perspektiven zusammen, mit einem Live-DAG-Seitenpanel, SQLite-Ausführungsverlauf und projektbezogenen Standardwerten über .council.yaml.

Nutzt AItelier als Subagenten aus DeepSeek Harness: Pipelines von SkillFlow erzeugen, bearbeiten, ausführen, exportieren und importieren. Nur Client – erfordert ein laufendes AItelier-Backend (Docker; siehe README).

World-Model-Recherche-Toolkit: inspiziert Frames, benennt 3D-/Pixel-/Latent-Routen, bewertet pred vs. GT sowie RSI-Skills / wm.yaml.

Defines multi-agent team rosters as YAML or JSON files, validates them, bridges each member into dsh-agent-teams member arguments, and verifies the result against the running team.

Definiert Teamroster für mehrere Agents als YAML- oder JSON-Dateien, validiert sie, übergibt Mitglieder an dsh-agent-teams member-Argumente und prüft das Ergebnis gegen das laufende Team.