プラグイン

セッションをまたぐメモリボールト。remember / recall / forget ツール、ターンごとのプロンプト注入、設定ページでのエントリブラウザを提供します。

セッションログのポップアップガーディアン: Web UI 起動時に設定可能なリマインダー間隔(10 分〜3 時間)で開き、~/.dsh/sessions 配下のすべての session.jsonl(.zstd)を 1 クリック増分バックアップ。生データまたは可読チャットログ形式。

要件の明確化、実装仕様、実行、納品レビュー、修復計画、バグ診断、ソースに裏付けられた調査のための SpecWorkflow スキルパックを登録する。

dsh用エンジニアリングワークフローエージェントプリセット：要件明確化、計画承認、TDD、並列サブエージェント、検証済み仕上げの5つのゲート式フェーズと、obra/superpowersから適応した6つのワークフロースキル。

RSS/Atom購読ツール（list/add/remove/fetch/check/search/opml_import/opml_export/health）にクロスフィードキーワード検索、カーソルベースの増分取得、OPMLインポート/エクスポート機能を備え、設定に保存されます。

サイドバーのセッション検索。DSH の全文検索インデックスを再利用せず、独自のインデックスを構築します。1 つの入力欄でタイトル検索と本文検索を切り替え可能、結果はセッションごとにグループ化され、最も有力なスニペットとユーザー/返信/ツールのタグを表示します。さらにウォーターマークベースの増分同期、アーカイブ済みセッションのプルーニング、ライブインデックスを決してブロックしないシャドウ再構築を備えます。

コンポーザー向けの片手・キーボード不要の入力：入力ボックス上でマウスを押し続けて話し、離すとテキストが下書きに入り、上へスライドすると中途半端な文を残さずキャンセルできます。狙って押すマイクボタンも覚えるショートカットも不要で、もう一方の手がふさがっているときに手が入力エリアから離れずに済むのが要点です。認識は完全にオフラインで動作します（sherpa-onnx 経由の SenseVoice、API キー不要、音声はマシン外に出ません）。

DeepSeek Harness における入札案件の検索と入札インテリジェンス。ユーザーが認可した Qichacha MCP を用いた案件検索、ルールスクリーニング、人によるレビュー、Excel/PDF エクスポートを提供します。

ガバナンス、自己進化、承認ゲート付き書き込みパスを備えた DeepSeek Harness のセッション横断メモリ。ヒートランク想起、環境規約、忘却ライフサイクル、置換チェーン、ポイズニング防御、自動蒸留、そしてオープンな計測。

Plastic LabsによるHonchoメモリプラグイン：セッション開始時にユーザープロファイル、セッション要約、関連結論を注入し、各ターンを秘密情報を伏せた上でバックグラウンドでHonchoへアップロード。さらに、honcho_search / honcho_chat / honcho_rememberツールと/honchoステータスコマンドを追加。他のHoncho統合と共有される~/.honcho/config.jsonを介して、hosted honcho.devまたはセルフホストインスタンスに対して設定されます。

FTS5 trigram インデックスによる DSH セッション横断のメッセージ単位の全文検索（user／assistant／steering／tool と種別ごとのフィルター）、fork／継続セッションをまたぐ重複排除された結果、フォーカスしたメッセージへ自動スクロールする読み取り専用のコンテキストプレビュー、実際のセッションへのワンクリックジャンプ、ヘルスチェック付きの増分／全体インデックス再構築を提供します。zh／en の i18n は Host のロケールサービスに追従します。

長期クロスセッションマークダウン記憶（LLM-Wiki構造＋SOUL.mdペルソナ）。セッション開始時に注入（デフォルトでは最初のユーザー発言後かつアクティブセッションのみ）、remember/recall/consolidate/forgetワークフロー、組込み記憶スキル、pack/unpack移行ツール、アイドル時の一人称想起ナッジ（伴侶の声で本物の記憶を表出）を備えます。

GPT が依存関係 DAG を計画し、DeepSeek の worker が適応的な並列性でタスクを実行し、任意の GPT レビューアーが増分 Git diff を監査して修復ラウンドを駆動する。

WeChat 公式アカウント向けコンテンツスタジオ: 同質化回避のローテーション執筆、創造性が低い場合の修復プレイブック、祝福画像の視覚ベースライン、OCR 受け入れ付き gpt-image パイプライン、実測済みの xiaolvshu 下書き Web API を備えます。

ベクトル+グラフ方式のメモリバックエンド。ローカルの memoria サーバーに対する observe/remember/search/recall ツールを提供し、HNSW によるセマンティック想起、FTS5 キーワード検索、ナレッジグラフのシグナルを RRF ランキングで融合します。ターン終了時の自動永続化とエージェントごとの名前空間分離に対応。

Lists the Markdown documents, images and video that already exist anywhere in the session workspace in the DSH sidebar, ranked by relevance to the current conversation: recent messages are matched locally against document title, summary and body with IDF weighting, with no model calls and no network. Because the list is scanned from the workspace instead of remembered, restarting DSH or starting a new session does not empty it. Images and video preview in place, with relative-path images resolved and video streamed over HTTP Range. The same ranking is exposed to the agent as a knit_docs tool, which returns the most relevant documents along with the passage that matched in each, where one is found.

Unit conversion toolbox covering 20 categories — length, mass, temperature, area, volume (incl. US cooking units), speed, time, data sizes (decimal MB vs binary MiB), data transfer rates (Mbps vs MB/s), acceleration incl. g-force, illumination (lux / foot-candle), pressure, energy, angle, frequency, power incl. three horsepower definitions, force, torque, typography (px/pt/em/rem), and fuel economy (mpg ↔ L/100km). Two tools — convert_unit and list_units — zero runtime dependencies, pure arithmetic; each result includes the formula applied.

会話開始時に、ユーザー設定の恒久的な「すべきこと」と「してはならないこと」の要件をモデルに注入します。

踏み台ホストや高遅延リンク上での DeepSeek Harness 用ターミナル UI：プレーンな ANSI、増分再描画、SSH 接続が切れても生存するセッション（ログから再開できます）。

送信ボックスの横にある緑のinterrupt button：実行中のエージェントを静かに停止し、進捗を要約して新しい要件を確認します。interrupt promptはカスタマイズ可能。

重複読み込みを排除する差分ファイルマウント機能。マウント済みの行範囲はモデルに再送されず、ディスク上の変更があれば無効化して再マウントします。Mounted Files タブとトークン削減量の集計付き。

プロジェクト単位のセッション間メモリ。最初のユーザーメッセージに PROJECT.md のスナップショットを注入し、memory_remember ツールと ReAct タスク後の自動振り返りを提供します。プロジェクトごとに独自のメモリファイルを保持します。

Same-origin in mechanism with the two loudest lines in context compression. The code-skeleton gate follows the skeletonization approach of Headroom (Apache-2.0), whose published headline is 20% fewer tokens for coding agents and 60–95% fewer tokens for JSON, same answers. The estimator channel follows TokenPilot (arXiv:2606.17016), which reports up to 60% lower cost for long-session agents. Both figures are theirs, quoted as-is; this plugin ships no benchmark of its own and claims no reduction of its own. What it adds for DeepSeek Harness: choose a compression profile, set the Auto Compact trigger level and toggle code-skeleton compression from one settings section, with exact DeepSeek V4 tokenizer measurement, same-revision count verification, and fail-open behaviour that keeps the original tool results on unsupported models.