プラグイン

ShiGuang Memory Engine(SGME)ブリッジ。HTTP 経由でマルチエージェント間の共有長期メモリを実現します——L0/L1/L1.5/L2 の抽出、シナリオベースの注入、統一検索、プロアクティブなケアシグナル(memory_search / wiki_search / signal_pull / signal_claim / signal_ack)に対応。`dsh-sgme` としてインストール可能です。

AIは履歴書テキストを書けますが、テンプレートの見た目が不適切な場合、ページがあふれる場合、余白が残る場合、小さな編集でレイアウトが不安定になる場合があります。dsh-resumeは、事実に基づくコンテンツ改善、テンプレート選択、A4レイアウト調整、ビジュアルレビュー、さまざまな求職シナリオ向けのカスタマイズされた履歴書バージョンを含む、エンドツーエンドのDSHワークフローを提供します。

DeepSeek Harness Web 向けの AI 面接練習：4 つのモード（概念レビュー、模擬面接、シナリオ、LeetCode Hot 100）で問題を生成し、回答を採点し、解説を提供します。

Learning Mode エージェントプリセット: コーディングしながら教えるコーディングエージェント — 具体的なシナリオに基づく説明、ソクラテス式ガイダンス、TODO(你) 練習空白を提供。Claude Code の Learning 出力スタイルをモデル化。dsh plugin add(dsh-learning-mode on npm) でインストール可能。

Learning Modeエージェントプリセット:コーディングしながら教えるコーディングエージェント。具体的なシナリオに基づく説明、ソクラテス式ガイダンス、TODO(你)練習問題、Claude CodeのLearning出力スタイルをモデル化。`dsh plugin add` (npmのdsh-learning-mode)でインストール可能。

シーン設定プラグイン: プラグインの組み合わせが異なるシーンとなり、プラグインのオン/オフを統一管理（設定ページはインストール済みプラグインを自動検出し、シーンごとにホットスイッチ）; モデルはユーザーがセッションウィンドウで必要に応じて選択。

系譜付きの決定・目標メモリ。明示的なコマンドとモデルツールが決定を決定論的に記録し、ステータスカードがcompactionをまたいで決定を再固定します。BM25+jieba検索を備えたロスレスなイベントストリームがそれを支え、シナリオレベルの忠実度回帰スイートがリリースをゲートします。

Team knowledge base for offline knowledge sharing (FDE box scenario): browse, full-text search and refinement entry points; raw material is queued automatically and distilled into wiki pages by a serial bot session (Karpathy LLM Wiki pattern: immutable raw, two-step refinement, log stream, monthly lint).

DeepSeek Harness plugin that aggressively saves tokens without affecting task quality: lossless head/tail truncation of tool results (default), grep-result folding, pressure-triggered dsh-compaction-basic delegation, and an LLM-summary CompactionEngine subclass for the aggressive mode. Saves 97.6% of input tokens on an 8-scenario synthetic suite, with all reductions routed through dsh event flow so model-visible = logged stays intact.

Live token cost for every chat in the DSH Web UI: the chat, its subagents and the whole session tree, priced from a bundled models.dev snapshot of seven providers and 139 priced models, with cache read and write rates wherever the provider publishes them and DeepSeek from its own peak and off-peak table. Every finished answer carries its own price in the transcript, and a chat that is not currently open is priced from the log instead of disappearing. Spend is costed per interval from an append-only JSONL ledger in the project folder, so logged work keeps the tariff it was billed at. On top of it: budget-aware work plans packed against a money limit, routing scenarios that show which models are worth connecting, a generated plan document in English, Chinese or Russian, and a warning when spend belongs to no plan unit.

Skill dossier + work report for DSH: browse, search and archive each skill (direction, scope, boundaries, scenarios), review or delete it, and roll daily briefs into daily, weekly and monthly reports.

An agent preset that turns a one-line idea into requirements, tech plan and maintenance baseline — every step is restated and confirmed by you before proceeding. No scenario presets: 73 atomic skills (6 master skills + a verify dispatcher + 66 sub-skills) load by context.

Routes dsh requests by conversation scenario and retries with fallback models when requests fail.

Scenario bundles of dsh plugins (插件界的 dotfiles): a recipe tool that lists, searches, applies and composes ready-made plugin environments with ordered install sequences.

Beginner starter pack for DeepSeek Harness: welcome flow, 0→1 learning path, scenario-based plugin recommendations and a self-check checklist, paired with the dsh-handbook-zh Chinese tutorial repo.