플러그인

내장된 DSH 압축 요약기를 5개 섹션 핸드오프 요약으로 대체하고, 가려진 모든 메시지를 세그먼트 디렉터리에서 읽을 수 있게 유지합니다.

작업 품질에 영향을 주지 않고 토큰을 적극적으로 절약하는 DeepSeek Harness 플러그인: 도구 결과의 무손실 앞/뒤 잘라내기(기본), grep 결과 접기, 압력 기반 dsh-compaction-basic 위임, 공격적 모드를 위한 LLM 요약 CompactionEngine 서브클래스. 8개 시나리오 합성 스위트에서 입력 토큰 97.6%를 절약하며, 모든 축소는 dsh 이벤트 흐름을 거쳐 '모델 가시 = 기록됨'이 유지됩니다.

게임 스타일 플로팅 HUD입니다. 잔액 HP 바, 컨텍스트 MP 바, 카운트다운이 있는 공식 피크/밸리 가격, 잔여량 5% 미만 시 자동 압축, 메모리를 이어받는 새 대화를 제공합니다.

DeepSeek Harness용 모델 주도 컨텍스트 윈도 롤오버 번들입니다. 새로운 작업 컨텍스트, 모델이 관리하는 지속적 노트, 최근 대화의 짧은 원문 꼬리, 표적화된 이력 복구를 제공하며 요약은 사용하지 않습니다.

중단된 에이전트 세션 자동 재개: 순서가 있는 규칙 테이블이 실패 유형(속도 제한, 할당량, 인증, 컨텍스트 초과, 크래시된 고아)에 따라 자동 백오프 재시도, 모델 전환, 컨텍스트 압축 후 재개, 또는 손절 알림으로 라우팅하며, 시각적 규칙 편집기와 전체 활동 로그를 제공합니다.

입력창 프롬프트 최적화 도구: 6가지 전략 × 3개 언어와 사용자 지정 지침으로 초안을 다시 작성하고, 목표/할 일/압축 요약/도구 결과와 채팅 컨텍스트를 선택적으로 활용합니다. 확인 대화상자, 최근 5개 기록, 3단계 설정 지속성을 제공합니다.

NInfer에서 호스팅하는 qwen3.8-27b 게이트웨이용 compaction 수정: dsh 컨텍스트 압축 및 세션 제목 호출에서 thinking을 비활성화하여 xhigh 추론이 전체 출력 예산을 소진하지 않게 합니다. 같은 아이디어는 다른 실행 방식에도 적용되지만, 이 패키지는 NInfer만 대상으로 합니다.

세션 인계 및 컨텍스트 관리: 구조화된 인계 문서(export/resume/status)를 통해 새 세션이 원활히 이어서 작업할 수 있으며, 활성 컨텍스트 정리도 지원합니다(공식 compaction API를 통한 acp_* 도구와 모델 작성 요약).

DeepSeek Harness 에이전트 프리셋용 향상된 자동 압축 기본값: 조정된 임계값/보존 예산과 모델별 정책을 한 번의 명령으로 적용하며, 백업과 롤백이 포함된 멱등 실행이 가능합니다.

네이티브 LLM 제공업체 비전 브리지: 채팅에 붙여넣은 이미지를 비전 모델(pi-ai/llama.cpp를 통한 Qwen3-VL)이 설명하고, 그 텍스트 설명을 텍스트 전용 DeepSeek에 전달해 답변 생성 — 이미지 수신, 라우팅, 압축 모두 하네스 네이티브 메커니즘으로 처리, LRU 설명 캐시와 503 재시도 포함

DSH 웹 사이드바의 New Session을 두 가지 모드로 분리합니다: '일상 대화' 행은 플러그인이 하네스 홈에 설치하는 `daily` 에이전트 프리셋(페르소나, 웹 검색 및 가져오기, ask-user, 압축 — 파일, shell, plan 모드, 서브에이전트 없음)으로 세션을 열고, 자체 daily-chat 워크스페이스 안에서 사이드바 영역에 해당 채팅만 나열합니다. '작업 시작'은 제공되는 코딩 에이전트를 유지합니다. 내장 New Session 버튼은 숨겨지고 다른 모든 New Session 진입점은 현재 모드를 따르며, 이 모드는 localStorage에 기억됩니다.

zhipuai/glm-5.3-flash용 GLM Mode 에이전트 프리셋: PTC/Code Mode 도구 표시, 추론 루프 가드 및 도구 스핀 가드(라이브 인시던트 기반), GLM 전용 75%/22% 자동 압축

DeepSeek Harness의 세션 지시 앵커: 새 세션의 첫 단계에서 자유롭게 구성한 지시 블록을 플러그인 출처 메시지로 주입하고, 요약 컴팩션 후, N턴마다, 또는 계측된 컨텍스트 압력이 임계값을 넘을 때 다시 앵커링합니다. /anchor 명령은 모델 호출 없이 필요할 때 다시 앵커링합니다. 설정 페이지에서는 페이지 단위 프리셋 라이브러리, 주입 순서, 재앵커 소스, 문자 제한을 관리합니다.

인간 두뇌식 컨텍스트 압축 로직으로 긴 작업의 컨텍스트 점유와 토큰 소비를 크게 줄입니다.

DeepSeek Harness 웹 UI용 Taffy 무드 마스코트: 모서리의 GIF가 에이전트 상태(승인 대기/승인됨/거부됨/애원, 생각 중, 도구 실행, 인터럽트, ask_user_question 대기, compaction, 장기 작업 피로, 유휴 무시된 승인, 유휴/수면)에 실시간 반응하며, SSE 푸시 상태, 드래그 위치 지정, 가운데 클릭 콘솔, 도구 카드 미러 콘솔, 무드별 잠금, 유지되는 외형 설정, 일별 버킷 통계를 제공합니다.

계보를 갖춘 결정·목표 메모리. 명시적 명령과 모델 도구가 결정을 결정론적으로 기록하고, 상태 카드가 compaction을 넘어 결정을 재고정합니다. BM25+jieba 검색을 갖춘 무손실 이벤트 스트림이 이를 뒷받침하며, 시나리오 수준의 충실도 회귀 스위트가 릴리스를 게이트합니다.

모드별 프롬프트(caption, UI, 문서, grounding, topology 등)를 통해 대화 이미지를 분석하고, 좌표 프리미티브(박스, 포인트, 참조)와 함께 구조화된 증거를 텍스트로 주입하며, 세션 수준 캐싱을 통해 replay 및 compaction을 거쳐 재사용할 수 있습니다.

텍스트 전용 DeepSeek용 비전 툴킷입니다. 모델 호출형 `vision` 도구, deepseek/opencode-go용 래퍼 어댑터(v4 flash/pro), Antigravity IDE 쿼터(default, flash/pro) / 모든 OpenAI 호환 VLM / Gemini / 로컬 Ollama 채널, 압축 재복원 기능이 있는 증거 메모리, 콘텐츠 해시 캐시, 그리고 이중 언어 클라이언트 패널을 제공합니다.

Personal dsh preferences: a tunable companion to the official compaction engine (threshold, retention, summarization model/reasoning, turn-end compaction), llama.cpp model import for the Models page, and tab/notification helpers (status-light favicon, bro

DSH plugin: counts completed compactions per session and raises a floating reminder — with bilingual UI — only after repeated compactions plus heavy extra token spend.

Windowed, reversible context management for DeepSeek Harness; replaces Basic compaction.

Compresses older DSH context into a structured handoff, retains recent messages, and keeps session history searchable.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

Model-autonomous context compaction for DeepSeek Harness: a mind_map tool surveys the agent context surface (stable seq ids, roles, token weights, clear-boundary markers, the clear-mind playbook), a clear_mind tool replaces a chosen conversation-history span with a model-written checkpoint through the native compaction transaction, call and result pairs self-collapse into one-line tombstones, and a proactive reminder nudges the model when the context grows long or a turn runs too many steps.