플러그인

DeepSeek Harness(dsh)용 네이티브 Rapid-MLX 프로바이더 — dsh가 settings.yaml 대신 서버에서 모델 정보를 읽습니다.

DeepSeek Harness용 자동 컨텍스트 압축: 모델에 도달하기 전에 도구 출력을 압축하고 모든 손실 압축을 CCR 리트리벌 툴로 가역적으로 유지합니다.

DSH 작성창용 모델 선택기입니다. 기본 버튼과 메뉴는 유지하고 작은 드롭다운이 열릴 때만 가로챕니다. 제공자 전체 검색, 실제 스트리밍 요청으로 모델을 시험해 TTFT/TPS 측정, OpenRouter 카탈로그 기반 최대 100행 리더보드를 제공합니다. 행을 누르면 같은 이름의 로컬 채널을 검색합니다.

오른쪽 사이드바의 캔버스형 지식 베이스: 노트가 노드이며 9개 도구로 모델이 읽기/쓰기/연결/삭제할 수 있습니다. 노드에 이미지와 문서를 넣을 수 있고 읽을 때 텍스트를 반환하며 Office 파일은 즉시 추출합니다. 이미지는 이미지로 전달할 수 있습니다.

다음 메시지 예측, 초안 자동완성, 프롬프트 다듬기/재작성을 위한 DSH 입력 도우미입니다. 제안은 세션에만 유지되며 Tab은 전송하지 않고 초안에 적용합니다. 설정된 모델이 필요하며 호출 비용이 발생할 수 있습니다. 소스 공개형이며 수정에는 사전 서면 허가가 필요합니다.

DeepSeek Harness용 교차 세션 페르소나·일기입니다. 로컬 게이트가 기억할 만한 턴을 고른 뒤 추가 모델 호출로 1인칭 일기와 사용자 인상을 작성하며, 각 인상에는 근거가 된 구체적 순간을 기록합니다. 이후 대화에는 약 2000 tokens의 자기 기억 블록을 주입하며 페르소나 핵심, 모델이 직접 쓴 판단, 일기의 세 부분으로 구성됩니다. 모델이 자신의 말로 판단을 기록하는 도구도 있습니다. 사람이 쓰는 일반 Markdown 메모 파일은 플러그인이 읽기만 합니다. 사이드바에서 보관함을 읽고 잊기·내보내기 할 수 있으며, 잊기는 삭제가 아니라 항목의 우선도를 낮춰 주제 일치가 강하면 다시 노출될 수 있습니다. 보관함은 로컬 일반 폴더라 읽고 편집하거나 다른 계정으로 옮길 수 있습니다. 전송 전 비밀정보를 제거합니다. 런타임 의존성 0, 빌드 불필요.

DeepSeek Harness용 Google Antigravity(agy) OAuth 인증 + 모델 액세스 플러그인: 다중 계정 풀, 429 로테이션, 디바이스 핑거프린팅, CLI 및 웹 로그인.

지속적 자기 개선 루프: 영구 메모리, 주기적 검토 및 개선, 세션 간 공유 지식, 모델 호출 가능한 harness_refine 도구를 통한 자동 롤백.

모델이 호출할 수 있는 comfy_png_inspect 도구로 ComfyUI PNG 메타데이터를 읽습니다. PNG 한 장이나 출력 폴더를 지정하면 이미지별 LoRA 실행 순서와 각 강도 값, 샘플러 설정, 기본 모델, CLIP, VAE, 잠재 크기, 두 프롬프트, 우회된 노드를 보고합니다.

관리형 격리 OpenCode 런타임을 통해 OpenCode Zen 무료 모델을 DeepSeek Harness의 단일 provider로 추가합니다. 설정 페이지에서 각 모델을 확인하고 테스트할 수 있습니다.

WorkBuddy 데스크톱 앱의 전문가를 DSH로 가져옵니다: 설정 페이지의 마켓이 로컬 WorkBuddy 전문가 디렉터리(WorkBuddy에서 소환하면 그곳에 전문가가 저장됩니다)를 읽기 전용으로 스캔하여 탐색, 검색, 카테고리 필터링을 제공하고, 원클릭 설치(~/.dsh/experts/에 role prompt + skills + avatar로 내보냄), 업데이트, 제거를 지원합니다. 입력 상자 옆의 피커 캡슐은 현재 세션의 전문가를 전환하며, role prompt, skills, 선택적 도구 화이트리스트를 통째로 교체하면서도 전체 세션 기록을 유지하고, 다음 모델 요청 경계에서 적용됩니다.

DSH 웹 UI용 macOS 유리 스타일의 플로팅 DeepSeek 사용량 패널: platform.deepseek.com/usage를 열지 않고 공식 잔액과 토큰 사용량(오늘, 세션, 24시간 부드러운 추세, 모델별)을 실시간 표시. · DSH 프로스트 유리 사용량 패널: 공식 잔액 + 토큰 사용량

DeepSeek Harness용 에이전트 거버넌스 '왕국': 영역, 역할 바인딩(모델/에이전트 아이덴티티로 bind/unbind/session), Worker의 완료 신고가 자동 완료되지 않는(Claim ≠ Fact) 계획→할당→실행→검토 태스크 루프, 로컬 GUI 운영 콘솔 포함.

휴대폰을 실시간 DeepSeek Harness Web 세션에 연결하는 Telegram 모바일 리모컨: 워크스페이스→세션 선택기(/sessions), 직전 질문/답변을 위한 /last, 모델 전환 /model, 네이티브 리치 메시지 답장을 제공.

DeepSeek Harness의 모델 + 사고 강도(thinking-effort) 선택기로 사용하는 Liang Saint Slider입니다.

모델별 사용량 및 비용 상세 분석. 세션별 사용 통계와 GLM, MiniMax, OpenCode Go, DeepSeek 등에 대한 사용량 조회를 제공합니다.

DeepSeek Harness용 다중 업스트림 통합 웹 검색입니다. 기본 web_search를 모델 내장 그라운딩 및 에이전트 검색 API, 출처 표시, 풍부한 인용 카드로 대체합니다.

dsh용 사고 루프 방지. llm/stream을 감시하고 추론 전용/자료 반복 호출을 감지해 재실행하며 스트림 중단기 2개를 제공합니다.

사용자 지정 모드와 어시스턴트 관리자입니다. Settings 페이지에서 모드별 시스템 프롬프트를 설정하며, 프롬프트는 일반 파일로 저장됩니다. agent loop가 각 모델 단계 전에 파일을 다시 읽으므로 변경 사항은 실행 중인 세션의 다음 단계부터 적용됩니다. 공식 standard/PTC/minimal/Cordis 구성을 바탕으로 마운트할 플러그인 행을 하나씩 켜고 끄며 모드별 구성을 만들고 원하는 이름을 지정할 수 있습니다. 코딩 도우미, 대화 상대, 롤플레이(RP) 페르소나 등 각자 프롬프트가 있는 여러 어시스턴트를 한 컴퓨터에서 함께 사용하고 새 세션마다 선택합니다. 그대로 둔 행은 플랫폼 조건까지 포함해 배포된 행과 바이트 단위로 동일하게 유지됩니다.

Builder ID, Identity Center, Google, GitHub 및 자격 증명 가져오기 로그인, 자동 토큰 및 프로필 새로 고침, 계정 사용량, 실시간 모델 탐색, 선택 가능한 추론 노력도, 스트리밍 도구 호출, 공급자 중지 사유 및 컨텍스트 오버플로 처리, 그리고 Kiro가 정확한 카운터를 보낼 때는 이를 사용하고 그렇지 않으면 실제로 보내는 컨텍스트 사용률 백분율을 모델의 공개된 윈도우 기준으로 환산하는 토큰 계정 관리를 갖춘 Kiro 모델 공급자입니다.

상세 열에 있는 프로젝트 파일 탐색기입니다(다중 선택, 드래그 이동, 업로드, 다운로드, 이름 변경, 휴지통, 시스템으로 열기). Markdown/HTML/JSON/CSV/노트북/PDF에 대한 세션 내 읽기 전용 미리보기 탭과 코드 하이라이팅, 실시간 모델 처리량 배지, 여러 줄 GoalBar를 제공합니다.

DeepSeek Harness용 AI-for-Science 연구 워크플로 스킬, 에이전트형 AI를 사용하는 연구자와 대학원생 대상: 각도별 파일의 다각도 문헌 검토, 주의사항 목록이 있는 실험 설계, 그림과 논문 읽기; 각 작업은 파일과 두 번째 모델용 교차 검증 브리프를 반환합니다. 의존성 없음, MIT.

모델·프로바이더·워크스페이스·기간을 아우르는 사용량 분석: 캐시 적중 가시화, 모델/프로바이더별 분해, 시간별·일별 추세, GitHub 스타일 53주 히트맵, 연속 사용, Token 점유율 도넛 차트, 조합 가능한 필터, 캐시 효율 추세, DeepSeek 잔액, CSV 내보내기. 세션 삭제 후에도 보존되는 영구 원장(증분 재구축, 재시작 시 미변경 세션은 로그 재독 없이 적용). 워크스페이스 등록은 DSH domain/changed 프로브로 자동 갱신되며 DSH 등록 워크스페이스만 엄격히 집계합니다. Token 회계는 입력·캐시 읽기/쓰기·추론을 분리하고 제로 사용 재생은 기록을 덮어쓰지 않습니다. 중국어는 현지 시간, 영어는 UTC. API는 루프백 전용.

단순한 메모리 플러그인이 아닙니다. ODR은 진화하는 세계에서 자기 개선을 반복하는 루프(Dream-RSI)입니다. 시도를 Discovery Tree에 기록하고 실행 사이에 수천 개 전략 변형을 그 세계에서 재생합니다. 전략·레시피·교훈은 반사실 재생을 통과해야만 승격되며 모델의 말만으로 결정하지 않습니다. 예산이 소진되기 전에 Sentinel이 도구 호출을 심사합니다. LLM은 고정됩니다. npm에서 dsh-open-dream-rsi로 설치할 수 있습니다.