플러그인

세션 간 메모리 보관소: remember / recall / forget 도구, 턴별 프롬프트 주입, 설정 페이지 항목 브라우저 제공

세션 로그용 팝업 가디언: 구성 가능한 알림 간격(10분-3시간)으로 Web UI와 함께 열리며, ~/.dsh/sessions 아래 모든 session.jsonl(.zstd)의 원클릭 증분 백업(원시 또는 읽을 수 있는 채팅 로그 형식).

요구사항 명확화, 구현 명세, 실행, 전달 검토, 수정 계획, 버그 진단, 출처 기반 조사를 위한 SpecWorkflow 스킬 팩을 등록한다.

dsh용 엔지니어링 워크플로 에이전트 프리셋: 요구사항 명확화, 계획 승인, TDD, 병렬 서브에이전트, 검증된 완료의 5개 게이트 단계와 obra/superpowers에서 차용한 6개의 워크플로 스킬.

RSS/Atom 구독 도구(list/add/remove/fetch/check/search/opml_import/opml_export/health)에 크로스 피드 키워드 검색, 커서 기반 증분 가져오기, OPML 가져오기/내보내기 기능을 제공하며 설정에 저장됩니다.

사이드바 세션 검색: DSH의 전문 검색 인덱스를 재사용하지 않고 자체 인덱스를 구축합니다. 하나의 입력란에서 제목/본문 검색 전환, 세션별로 그룹화된 결과에 가장 강력한 스니펫과 사용자/응답/도구 태그 표시, 워터마크 기반 증분 동기화, 보관된 세션의 프루닝, 라이브 인덱스를 절대 차단하지 않는 섀도우 재구축을 제공합니다.

컴포저를 위한 한 손, 키보드 없는 입력: 입력 상자에서 마우스를 길게 누르고 말한 뒤 놓으면 텍스트가 초안에 들어가고, 위로 밀면 반쯤 남은 문장 없이 취소됩니다. 겨냥할 마이크 버튼도, 외울 단축키도 없으며 손이 입력 영역을 떠날 필요가 없습니다. 다른 손이 바쁠 때 유용합니다. 인식은 완전히 오프라인으로 실행됩니다(SenseVoice + sherpa-onnx, API 키 불필요, 오디오는 기기를 떠나지 않음).

사용자가 인증한 Qichacha MCP를 활용해 제안 프로젝트 검색, 규칙 스크리닝, 사람 검토, Excel/PDF 내보내기를 제공하는 DeepSeek Harness의 입찰 검색 및 입찰 정보 기능입니다.

거버넌스, 자기 진화, 승인 게이트 쓰기 경로를 갖춘 DeepSeek Harness의 세션 간 메모리. 히트 순위 회상, 환경 규약, 망각 수명주기, 대체 체인, 오염 방어, 자동 증류, 그리고 열린 측정.

Plastic Labs의 Honcho 메모리 플러그인: 세션 시작 시 사용자 프로필, 세션 요약 및 관련 결론을 주입하고, 각 턴을 비밀이 마스킹된 상태로 백그라운드에서 Honcho에 업로드합니다. honcho_search / honcho_chat / honcho_remember 도구와 /honcho 상태 명령을 추가하며, 다른 Honcho 통합과 공유되는 ~/.honcho/config.json을 통해 호스팅된 honcho.dev 또는 자체 호스팅 인스턴스에 대해 구성됩니다.

FTS5 trigram 인덱스를 통한 DSH 세션의 메시지 단위 전문 검색입니다(user/assistant/steering/tool 및 종류별 필터). 포크·이어가기 세션 간 중복이 제거된 결과, 해당 메시지로 자동 스크롤되는 읽기 전용 컨텍스트 미리보기, 실제 세션으로의 원클릭 이동, 상태 점검이 포함된 증분/전체 인덱스 재구축을 제공하며, zh/en i18n은 Host 로케일 서비스를 따릅니다.

장기 크로스 세션 마크다운 메모리(LLM-Wiki 구조 및 SOUL.md 페르소나 포함). 세션 시작 시 주입(기본적으로 첫 사용자 메시지 이후 및 활성 세션에서만). remember/recall/consolidate/forget 워크플로, 내장 메모리 스킬, pack/unpack 마이그레이션 도구, 유휴 시 1인칭 회상 nudge(동반자 목소리로 실제 기억을 표면화) 포함.

GPT가 의존성 DAG를 계획하고, DeepSeek worker가 적응형 병렬성으로 작업을 실행하며, 선택적 GPT reviewer가 증분 Git diff를 감사하고 수정 라운드를 이끈다.

WeChat 공식 계정 콘텐츠 스튜디오: 획일화 회피를 위한 로테이션 작성, 창의성이 낮을 때의 복구 플레이북, 축복 이미지 시각 기준선, OCR 수용이 포함된 gpt-image 파이프라인, 그리고 실측한 xiaolvshu 초안 웹 API를 제공합니다.

벡터 + 그래프 메모리 백엔드: 로컬 memoria 서버를 대상으로 하는 observe/remember/search/recall 도구, HNSW 시맨틱 회상·FTS5 키워드 검색·지식 그래프 신호를 RRF 랭킹으로 융합, 턴 종료 시 자동 저장과 에이전트별 네임스페이스 격리 지원

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.

대화 시작 시 사용자가 설정한 영구적인 해야 할 일과 하지 말아야 할 일 요구 사항을 모델에 주입합니다.

점프 호스트와 고지연 링크에서의 DeepSeek Harness용 터미널 UI: 순수 ANSI, 증분 다시 그리기, SSH 연결이 끊겨도 살아남는 세션(로그에서 재개)을 제공합니다.

전송 상자 옆의 녹색 interrupt button: 실행 중인 에이전트를 조용히 중지하고 진행 상황을 요약한 후 새 요구 사항을 묻습니다. interrupt prompt는 사용자 정의 가능.

읽기 중복 제거가 적용된 증분 파일 마운트: 마운트된 줄 범위는 모델에 다시 전송되지 않으며, 디스크 변경 시 무효화 후 재마운트, Mounted Files 탭과 토큰 절감량 집계 제공

프로젝트 범위의 세션 간 메모리: 첫 사용자 메시지에 PROJECT.md 스냅샷을 주입하고 memory_remember 도구와 ReAct 작업 후 자동 회고 제공, 프로젝트별로 독립된 메모리 파일 유지

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.