プラグイン

DeepSeek Harness 向けのセッション横断メモリエンジン：SQLite ストア＋人間が編集可能な Markdown ミラー、autoDream による統合、オフラインのセマンティック検索（ローカルのベクトル化／再ランキング／クラスタリング）、エンティティ・属性・タイムライン、Sleep Mode、カスタムモデルによる autoSummarize、そして7つのメモリツールを備えています。

メイン会話は計画、サブエージェントへの指示、結果要約だけを担当し、ファイル読取、コマンド、検索、ビルドはサブエージェント側で実行するMultitask agent preset。4種類のworker、危険操作の承認ゲートを備え、DSHソースは変更しない。

DSH 向け深読・要約ツール：プラグインパーサー、MapReduce 並列深読サブエージェント、JSON Schema 出力、冪等キャッシュを活用し、書籍・論文・動画・ウェブを構造化された Obsidian ノートに変換します。

dsh 向けのプロジェクト記憶で、ネイティブな task-system 連携を持つ：セッションの todo とファイル読み取りを自動で要約し、クロスセッションの task records（task↔file links）にまとめるので、ワークフローを再コンテキスト化なしで切り替え・再開できる。読み取り時メモリ（事前スキャンなし）：コードの symbol を抽出し、ドキュメントを要約し、docs↔symbols を相互リンク。任意の TS semantic enhancement（TS が入っていれば自動オン）。経験ノートは自動重複排除。すべての想起には追跡可能な citation が付く。Pure JS、依存1つ、すぐ使える、静かに動作、オーバーヘッドゼロ。

DSH のスマートセッションタイトル：各会話ターンの後、独立した補助 LLM 呼び出しがユーザー＋アシスタントの全記録を要約し、最初のメッセージをなぞるのではなくセッションの実際の話題に沿ったタイトルを付けます。最初のメッセージは即座にタイトル化され、失敗した組み込みタイトルは後続のターンで自動再試行され、手動の名前変更は上書きされず、サブエージェント／フォークのセッションは対象外です。

組み込みの DSH 圧縮サマライザーを 5 セクションの引き継ぎサマリーに置き換え、隠されたすべてのメッセージをセグメントディレクトリ内で読める状態に保ちます。

Multi-agent roundtable discussion: each member runs as a subagent on its own model and speaks in turn, a host summarizes each round, and termination writes meeting-minutes Markdown.

Claude Pro/Max メンバーシップで DeepSeek Harness にサインインし（API キー不要）、Anthropic リクエストの画像を長辺 2000px に縮小し、/compact サマライザーのペイロードをスリム化し、5 時間/週次のプラン使用量と DSH のメッセージ数を表示します。

DSH 用の Doubao 風音声チャット。入力欄のマイクを長押しすると音声をテキストに変換して自動送信し、AI の返信を読み上げます。オプションの LLM 要約(長い返信を現在の会話モデルに従って短い読み上げ文に要約)、TTS に適したテキストクリーニング、選択可能な Edge TTS 音声、調整可能な無音自動停止に対応し、設定は DSH の設定ダイアログに組み込まれています。

Select text in any Windows app to explain, summarize, translate, or read it aloud with DeepSeek Harness — answered in a streaming always-on-top overlay with a horizontal capsule menu.

Preview conversation context and selectively keep, summarize, or omit exchange groups before applying persistent compaction through Harness session services.

dsh セッションタイトルを「date | type | topic」形式に整形（type と topic はモデルが会話全体から要約）、未使用セッションを削除せずにサイドバーから非表示にします。

DeepSeek Harness のコンテキストマネージャー：毎ターンを自動で要約して優先度順のレコードにし、それらとピン留めしたクロスセッションノートおよびカスタムテキストを各モデルリクエストに注入し、任意サイズの実際の会話範囲を要約へ折りたたんでトークンを節約します。永続的で再起動にも安全です。注意：手動の多段階インストールが必要で、3 つのパッケージフォルダーを profiles/node_modules にコピーし、提供された cordis.patch.yml の行を追加して DSH を再起動します。標準のワンコマンドインストールではありません。

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。

Windows only. Bilibili video summarizer: downloads the audio track, transcribes it locally with faster-whisper (Python + faster-whisper, about 725 MB of models on first run), then writes the analysis markdown and renders a one-page infographic PNG.

Model-callable compact_agents tool that force-compacts context in every live session (main session, ordinary sub-agents and AgentTeams members alike), queues busy targets and compacts them when the turn ends, reports the shadowed node count and estimated tokens per target, and ships a browser form for the trigger ratio, retained ratio, controlled-phase output budget, auto-continue budget and an end-of-turn pre-compaction ratio that compacts near the trigger line once a turn ends, so a reply no longer opens with a wait for the summarizer.

Single-file persistent companion memory: interests, preferences, tasks, and past works summarized into the system prompt, with read/update tools.

長いセッションをきれいな新セッションに引き継ぐ：/handoff が LLM で会話を要約し、同じワークスペースに新しいセッションとエージェントを作成、引き継ぎ文書を最初のメッセージとして注入し、自動で開きます。元のセッションは変更されません。

各ユーザーラウンドを要約する「轨迹解读（軌跡解釈）」タブ — 何を求めていたか、アシスタントがどう考え実行したか、ファイル／コマンド／エラー — をルールエンジン＋任意の LLM ナラティブで提示。ユーザーのメッセージはそのまま保持されます。

アクティブAgentを待機・中断させずに集中コンテキストを引き渡し：制限付きセッションナップショットを凍結し、ツールなしの分離LLMで非同期要約、provenance付きカプセルを別セッションまたは認可済みRoomへ配信 — セッションは既定で静音、明示的なウェイクアップに対応。

Saves architecture and validated plans, runs native AgentTeams workers with approval, parallel coding and independent review, and summarizes progress and verification results.

Notes-backed context compression for DeepSeek Harness: replaces LLM-summarized compaction with a model-written persistent notebook plus recoverable raw history, so the rollover boundary itself costs zero model calls.

Chunked compaction for oversized sessions: takes over only when the live context exceeds 85% of the model window (or the request exceeds 4 MB), summarizes the history in 1.5 MB chunks and merges them; smaller sessions keep the built-in compaction.