Plugins

Transférez un contexte ciblé sans attendre ni interrompre l'Agent actif : figez un snapshot borné de Session, résumez-le asynchronement via un LLM isolé sans tool, et livrez une capsule avec provenance à une autre Session ou à un Room autorisé — silencieux par défaut pour les Sessions, avec réveil explicite disponible.

Routeur de modèles à deux niveaux pour DeepSeek Harness — routage par LLM-Judge, chaînes de repli multi-modèles, bascule avec backoff exponentiel, et orchestration au niveau tâche (adaptation DSH de pi-shift-router).

Relie l'écosystème vercel-labs/skills à dsh : recherche, installation et cycle de vie de skills pilotés par LLM pour les portées temporaire/projet/globale.

Plugin DeepSeek Harness : consulte le solde/usage AI Monitor depuis SQLite local — agent conscient des coûts, comptabilité automatique avec le proxy AI Monitor.

Wiki Markdown local en guise de mémoire à long terme pour DeepSeek Harness — portage de llmwiki.

Plugin Tencent CodeBuddy pour DeepSeek Harness (dsh).

Groupe de plugins ProactiveAgent × DeepSeek Harness : mémoire proactive + suggestions proactives intégrées à DSH (bundle agrégé, installation en un clic via dsh plugin add).

Analyse les skills et les configurations MCP à la recherche d'injections de prompt, d'homoglyphes, d'Unicode caché, de commandes shell dangereuses et de fuites d'identifiants.

Hygiène du texte en plugin dsh : assainit le texte non fiable, détecte les caractères invisibles, nettoie le formatage LLM et échappe les injections de formules CSV.

Per-session LLM cost meter for the DeepSeek Harness Web UI: folds provider usage into uncached input / cache read / cache write / output per model and prices it against DeepSeek and Xiaomi MiMo pay-as-you-go rates (DeepSeek peak-idle tiering included).

Lets the model trigger compaction itself at a safe point via a compact_now tool (works mid-turn), plus a context_status tool reporting real token usage against the session's actual context window.

Escalation-only LLM reviewer: reviews sandbox escapes only, keeps the sandbox, fails closed.

Cut LLM costs: route routine tasks to cheap subagent models (DeepSeek Harness plugin)

A full-featured CodeBuddy (WorkBuddy) provider plugin.

Model relay station for DeepSeek Harness (模型中转站): serve any registered DSH LLM provider (e.g. @tnnevol/dsh-codebuddy) over an OpenAI-compatible /v1 API, so other projects can call those models with a standard OpenAI client.

dsh 插件，主要解决 remote 开发和 LLM 无限重试

Harness-neutral Traditional Chinese enforcer + offline converter (skill, DSH bundle, CLI). One script axis either way + Cantonese/Japanese-only filters. Converts both ways; optional wording preference. Also: an LLM output guard, cp950/GBK console scan.

Free OpenCode Zen models in DeepSeek Harness through native HTTP requests. No OpenCode installation, login, API key, server, container, or LiteLLM is required.

Paper library and reading workbench: arXiv search, a local plain-file library (metadata / PDF / extracted full text), and three-level reading notes (overview / understanding / critique) kept as markdown beside the PDFs; seven model tools plus a web panel.

DeepSeek Harness (dsh) plugin: live local LLM endpoint health in the web rightbar. llama.cpp slots (busy/TTFT/wedged, /metrics) + Ollama MODELS (loaded vs empty). Engine fingerprinted by response shape. Installable dsh.bundle.

Model relay station for DeepSeek Harness (模型中转站): serve any registered DSH LLM provider (e.g. @tnnevol/dsh-codebuddy) over an OpenAI-compatible /v1 API, so other projects can call those models with a standard OpenAI client.

DeepSeek Harness (dsh) plugin that connects Sber GigaChat models: a built-in local OAuth proxy (client-credentials -> OpenAI-compatible endpoint, upstream serialization, legacy tool-calling translation) plus automatic provider-route bootstrap, so GigaChat

Make DSH llm-pi-ai opencode routes pass Zen free-tier gate: opencode User-Agent + canonical ses_ session + bash/read tools. Scoped to opencode.ai only.

A deterministic calculation engine for DeepSeek Harness, including a preset that guides the LLM to calculate through the engine rather than by text generation.