플러그인

DSH용 계층형 메모리입니다. Agent용 10개 도구( memory_add, memory_delete, memory_import 등 고권한 쓰기, memory_ruminate 제어, 메모리 그래프 검색·확장)를 제공하며 L0-L3 증류 파이프라인으로 각 모델 단계 전에 관련 기억을 검색해 주입합니다.

DeepSeek Harness용 역할 기반 Multi-Agent 팀. 제품, 아키텍트, 프런트엔드, 백엔드, 리뷰, QA가 9단계 게이트 파이프라인으로 작업하며 지속 팀도 구성 가능. 런타임 의존성/빌드 불필요.

Huawei Cloud CodeArts에 로그인하고 CodeBuddy, WorkBuddy, LobsterAI, Qoder(글로벌/중국), TRAE, Cline, Loomy, Raccoon Work, MiniMax Code, TeleAgent, ZCode, Step Code, Antigravity를 LLM 제공자로 등록합니다. 제공자별 계정 풀을 지원하며 일부 제공자의 잔액과 일일 체크인도 같은 패널에 표시합니다.

Jev 판단을 세 가지 자동 동작으로 바꾸는 DeepSeek Harness 플러그인 — 요청과 관련된 세그먼트로 과대한 도구 출력을 잘라내고, 가져온 페이지에서 모델을 겨냥한 지시를 선별하고, 다음 단계에 맞는 스킬을 고릅니다 — 여기에 jev_ask와 jev_gate 도구, 재시작 후에도 남는 판단 원장, /jev-status 보고서를 더합니다. TypeSafe API 키가 필요하며, 키가 없으면 아무 동작도 하지 않고 아무것도 전송하지 않습니다.

더 나은 폴드 바: 도구 호출과 Think 세그먼트를 자동으로 스텝 폴드 바로 접고, 완료된 각 턴을 라이브 메트릭(지속 시간, TTFT, 토큰, tok/s, 캐시 히트)이 포함된 단일 턴 헤더로 축소하여 최종 요약만 보이게 합니다. 애니메이션 포커 카드를 기본 제공되는 커스터마이즈 가능한 리딩 아이콘(실행 중 슈트 순환 카드 애니메이션, 접힐 때는 덱, 펼쳐질 때는 부채 포함), 공식 폴드 모드용 설정 행, 신규 및 구버전 DSH 모두 호환. DSH 소스에 대한 침입 없음.

재생 가능한 타임라인에서 세션을 재생하고 단계별 토큰 사용량을 확인할 수 있습니다. 민감한 작업 감사, 비용 추정, 포크 계통 보기, 세션 비교, 독립형 HTML 리플레이 내보내기가 가능합니다.

전용 Obsidian 볼트에 순수 Markdown 형식의 프로젝트 문서와 장기 기억: 6개의 mem_* 도구(search, read, write, log, brief, admin), 세션 첫 단계에서 한 번의 예산이 할당된 회상 주입, 완료된 턴의 자동 증류. Obsidian이 실행 중일 필요는 없으며, 플러그인을 제거해도 볼트는 읽기 가능한 상태로 유지됩니다.

DeepSeek Harness Web UI 인증 게이트웨이. 페이지, /api, /plugins, WebSocket을 보호합니다. 사용자별 salt의 PBKDF2, HttpOnly SameSite 쿠키, IP별 잠금, 초대, TOTP/passkey(WebAuthn), 인증 수단 변경 전 step-up을 제공합니다. 사용자는 프로필/요소를 관리하고 관리자는 사용자/초대/비밀번호를 관리합니다. 사용자별 비공개 모델/API 설정은 비밀번호 파생 키로 암호화되어 관리자가 읽을 수 없습니다. 관리자가 선택한 사용자와 공유 가능: 사용 가능, 잔액 표시, 키 비공개, 즉시 취소. 미설정 사용자는 배포 설정으로 대체되지 않고 차단됩니다. REST/목록 API/WS를 사용자별 격리하고 재시작 간 세션 유지, JSONL 감사, fail-closed를 지원합니다. DSH 0.2.0 계열 필요(0.1.1-rc.2 전송 계열은 0.7.0에서 제거). passkey는 HTTPS/localhost가 필요합니다.

템플릿 기반 코드 리뷰 스킬: 5단계 리뷰 흐름, 심각도 등급(critical/medium/minor), 4차원 점수(품질·보안·성능·유지보수성), 텍스트 및 HTML 이중 보고서 출력, 온디맨드 참고 지식 베이스를 제공합니다.

각 에이전트 단계를 설명하는 학습 모드입니다(개발 진행 중).

작업을 명명된 태스크로 감싸고, 태스크가 닫히면 다음 단계 경계에서 전체 메시지 범위를 하나의 요약으로 접습니다. 원본 내용은 요청 시 복원할 수 있습니다.

멀티 머신 동기화: 하나의 프라이빗 GitCode 저장소를 통해 여러 dsh 복제본의 일관성을 유지합니다. skill, 세션, 설정, 플러그인 매니페스트에 각각 독립적인 스위치가 있습니다. 변경 사항은 브랜치, PR, 병합을 거치며, 원격에만 있는 추가 항목은 매 push 전에 다시 pull되므로 아무것도 삭제되지 않습니다. 또한 AI 스마트 정렬 단계가 양쪽에서 변경된 파일을 의미 단위로 병합합니다(원클릭 충돌 해결 포함). 프라이빗 저장소가 강제되며, pull은 로컬 편집을 절대 덮어쓰지 않습니다.

드래그 앤 드롭으로 실제 인플레이스 마이그레이션을 통해 워크스페이스 간 세션을 이동합니다. 고아 또는 미등록 세션을 복구하고, 폴더 이름 변경 후 오래된 워크스페이스를 재지정합니다. ID와 기록은 그대로 유지되며, 단계별 백업 및 롤백을 지원합니다.

DeepSeek Harness용 페르소나 엔진: 하나의 config.json이 AI의 자기 명칭(모델별·계층별), 당신을 부르는 방식, 관계적 태도, 캐릭터 텍스트, 개별 토글이 있는 항목별 작업 계약, 사고 체인 언어, 외형과 답변 어조(모두 선택 사항이며 모델별 재정의 가능), 그리고 사람의 확인을 조건으로 하는 장기 기억을 제어합니다. AI는 후보를 덧붙일 수만 있고, 사람의 확인 줄이 이를 효력화하며, 로그는 물리적으로 추가 전용이고 재생 가능합니다. 확인된 항목은 인용된 '지시가 아닌 데이터' 블록으로 주입됩니다. kind 태그가 붙은 항목은 확인 시 임의의 파일로 라우팅될 수 있고 프롬프트에 도달하지 않습니다. 세 개의 프롬프트 섹션은 조립할 때마다 디스크에서 재평가되므로 편집이 재시작 없이 다음 단계부터 적용됩니다. 페르소나 프리셋은 공유 가능한 JSON 스냅샷이며 SillyTavern 캐릭터 카드를 읽고(v2/v3) 쓰며(v2), 기억은 절대 포함하지 않습니다. 런타임 의존성 없음, 네트워크 없음, 셸 없음. 오류가 나도 세션이 깨지는 대신 빈 섹션으로 저하됩니다. 빈 상태로 배포되며 무언가 쓰기 전까지는 설치해도 아무것도 바뀌지 않습니다.

DeepSeek Harness용 Trellis 스타일 워크플로: agent/pre-step을 통한 턴별 phase breadcrumb, 번들된 skill provider, 그리고 git 청결성 가드레일이 있는 DSH 네이티브 task/phase 상태.

DSH Web 컴포저 아래 라이브 토큰 통계: 초당 토큰 스트리밍, 출력 토큰 및 첫 바이트 지연, 공식 BPE 토크나이저를 사용한 단계별 추정 대비 실제 조정으로 느린 스트림과 정지된 스트림을 구분합니다.

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.

포크된 대화 UI용 css-in-js 스타일링 키트(styled / Token / Styling): 공식 --dsw-* 디자인 토큰을 사용하므로 CSS Modules 사전 컴파일 단계가 필요하지 않습니다.

오프라인 지식 공유를 위한 팀 지식베이스(FDE 박스 시나리오): 탐색, 전체 텍스트 검색, 정제 진입점. 원자료는 자동으로 대기열에 들어가고 직렬 봇 세션에 의해 위키 페이지로 정제됩니다(Karpathy LLM Wiki 패턴: 불변 원본, 2단계 정제, 로그 스트림, 월간 lint).

DSH 에이전트의 경험 기억과 성찰: 작업 후 교훈 후보를 자동 추출하고, 이후 관련 작업에서 사용자가 검토한 교훈을 회상합니다. 출처 추적, 프로젝트 범위 검색, 충돌 처리, 사용 피드백, 만료 검토를 지원합니다. 기록과 회상은 별도 제어이며 AGENTS.md에 쓰려면 미리보기와 명시적 적용이 필요합니다. 설정 패널에 4단계 첫 실행 안내가 열립니다.

로컬 통합 메모리입니다. session, project, global 또는 사용자 지정 이름의 scope별 JSONL 파일과 scope별 중복 제거, 다섯 model tool(memory_save, memory_search, memory_list, memory_get, memory_forget), 자동 회상, agent pre-step에 주입되는 고정 규칙, 설정 패널을 제공합니다. 검색은 어휘 IDF와 로컬 embedding backend를 결합하며 패널에서 backend를 설치·관리할 수 있습니다.

kimi-tide(月汐)은 DeepSeek Harness용 프리셋·규칙 기반 모델 라우터입니다. 이름 있는 프리셋과 순서가 있는 이미지·키워드 그룹 규칙으로 각 Agent 단계를 연결된 임의의 provider/model로 라우팅합니다(후보는 호스트 전체 카탈로그에서 가져오며 허용 목록은 없습니다).

DeepSeek Harness용 모델 자율 컨텍스트 압축입니다. mind_map은 안정적인 seq ID, 역할, 토큰 가중치, 삭제 경계, clear-mind 절차를 포함해 에이전트 컨텍스트를 조사합니다. clear_mind는 선택한 대화 기록 구간을 모델 작성 체크포인트로 네이티브 압축 트랜잭션을 통해 대체합니다. 도구 호출과 결과 쌍은 한 줄 tombstone으로 합치며, 컨텍스트가 길거나 한 턴에 단계가 너무 많으면 미리 알립니다.

단계별 model router. 정렬된 이미지/키워드 그룹 규칙을 가진 명명된 프리셋이 마운트된 모든 공급자와 모델에 걸쳐 각 에이전트 단계를 라우팅하며, 이미지 전사용 협업 플로우, 이미지 가드, 다중 플랜 쿼터 패널, 단계별 결정 관측 가능성을 추가합니다.