플러그인

DSH 및 Codex용 기술 프리뷰 로컬 그래프 메모리: 각 턴 전에 소유자 전역 및 현재 프로젝트 증거를 회상하고, USER와 ASSISTANT 기록을 별도로 작성하며, 비주얼 아틀라스와 인용 지식 페이지를 위해 프로젝트, 세션, 행위자, 소스 출처를 보존합니다.

메타데이터만 포함한 DSH 턴, 모델, 도구, 승인, 재시도, 오류 이벤트를 Tuning Engines로 내보내 거버넌스가 적용된 추적, 정책 평가, 비용 분석, Work Session 검토에 사용합니다. 디스크 기반 재시도 큐를 포함합니다.

DSH와 Codex를 위한 기술 미리보기 로컬 그래프 메모리: 매 턴 전에 소유자 전역 및 현재 프로젝트의 증거를 회상하고, USER와 ASSISTANT 레코드를 별도로 기록하며, 시각적 아틀라스와 출처가 표시된 지식 페이지를 위해 프로젝트, 세션, 행위자, 출처 계보를 보존합니다.

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.

능동적 다중 모델 스케줄링 프로필: 중복 제거 및 긴급도 랭킹이 포함된 다중 소스 신호 인테이크, 4방향 execute/defer/dismiss/ask-user 결정 엔진, 병렬 모델 실행이 포함된 DAG 플랜 생성, 자동 재시도 및 모델 전환이 포함된 품질 리플렉션, 태스크 패턴 및 교훈을 위한 장기 메모리, 샌드박스 평가 및 카나리 롤아웃이 포함된 유전 알고리즘을 통한 전략 진화.

브라우저 자동화 없이 플랫폼 JSON API로 头歌(EduCoder) 과제를 완료합니다. `educoder_sweep`는 미완료 챌린지가 있는 숙제만 훑고 완료된 숙제는 챌린지를 읽지 않으므로 전체 계정 검색에도 모델 토큰이 들지 않습니다. 객관식도 제출 응답에 정답 키가 포함되어 토큰이 필요 없습니다. 코드 문제는 모델이 생성해 `evaluate:0`으로 업로드하고 챌린지당 한 번 채점한 뒤 반환된 오류 보고서로 재시도합니다. 도구: `educoder_sweep`, `educoder_homework`, `educoder_account`.

메인 대화 옆에 나란히 표시되는 네이티브 사이드 채팅: 전체 네이티브 UI를 갖춘 독립적이고 보관된 DSH 세션, 필요할 때 부모 컨텍스트 조회, 선택 인용, 유지 또는 삭제 수명 주기.

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.

DSH 에이전트용 메모리와 회고 기능입니다. 작업 후 교훈 후보를 자동 추출하고 사용자가 검토한 교훈을 이후 관련 작업에서 불러옵니다. 출처 추적, 프로젝트별 검색, 충돌 처리, 사용 피드백, 만료 검토를 지원합니다. 기록과 회상은 별도 제어되며 AGENTS.md에 쓰려면 미리보기와 명시적 적용이 필요합니다.

관련성 주입, LLM 자동 추출, 프로필 순환 및 6개의 에이전트 도구를 갖춘 영속적 5계층 메모리 시스템.

Drives a locally installed Moli headless browser from DeepSeek Harness with two tools: rendered fetch, JavaScript evaluation, Markdown, semantic trees, screenshots and PDFs. Installs Moli when it is missing; verified on Windows and Linux.

컨텍스트 압축에 Headroom(Apache-2.0)의 코드 스켈레톤 방식과 TokenPilot(arXiv:2606.17016)의 추정기 방식을 결합합니다. 발표 수치: Headroom은 코딩 에이전트 토큰 20%, JSON 60–95% 감소(동일 답변); TokenPilot은 장기 세션 비용 최대 60% 감소. 모두 해당 프로젝트의 보고값이며 이 플러그인의 측정/벤치마크가 아닙니다. DSH에서 압축 프로필, Auto Compact 임계값, 스켈레톤 압축을 설정합니다. DeepSeek V4 tokenizer로 측정하고 같은 리비전의 개수를 검증합니다. 미지원 모델은 fail-open으로 원래 도구 결과를 유지합니다. 턴 중 스켈레톤 압축과 끝부분 의도 요약을 공식 JSONL 압축 안에서 수행합니다.

로컬 MATLAB MCP 서버를 DSH에 연결해 MATLAB 코드 평가, .m 스크립트와 테스트 실행, mcp__matlab__* 도구를 통한 설치된 toolbox 확인을 지원합니다. MATLAB과 MathWorks MATLAB MCP Server 바이너리가 필요하고 설치 후 경로를 수정해야 합니다. 이 플러그인만으로는 도구를 등록하지 않습니다.

dsh용 읽기 아카이브: 오픈소스 코드를 읽은 뒤 간단 메모를 남기거나 리포지토리/파일/심볼별로 하나의 카드로 묶이는 심층 노트를 작성하고, Obsidian에서 열 수 있는 Markdown 노트의 추가 전용 로그로 저장합니다. 기록 조회, 최근 읽기 탐색, 자신의 Obsidian 보관소 검색, 관련 노트를 읽기 기록에 연결할 수 있습니다. 9개 도구, /codevault 명령, 코드 읽기 스킬을 제공합니다.

분리된 Git worktree에서 3개 또는 5개의 코딩 에이전트 후보를 실행하고, 프로젝트 명령으로 패치를 검증하며, 통과한 후보만 순위 매기고 승격 전에 별도 승인을 요구합니다.

작업 기반 플러그인 장착 엔진: 이중 검색(엄선된 규칙 + LLM 시맨틱), 콤보 점수화(시너지/충돌/비용/신뢰), 충돌 감지 및 설치 명령어 내보내기.

DeepSeek Harness (DSH)용 Cherry Studio 스타일 지식 베이스 시스템: 베이스, 문서, 청킹, 임베딩(OpenAI 호환 / Ollama / 로컬 / 어휘 폴백), 검색, 모델 대상 도구, 브라우저 관리 패널.

DeepSeek Harness용 감사 가능한 비전 및 크로스 플랫폼 Computer Use 런타임, 출처를 보존하는 증거 포함.

PR 평가 및 개선 컨설턴트: 과거의 안티패턴과 성공 패턴을 바탕으로 PR 성공 확률을 평가하고, 원클릭 점수 산정 및 실행 가능한 제안을 제공합니다.

선제적 스케줄링. 적응형 heartbeat와 value network(긴급성, 관련성, 인터럽트 비용)이 에이전트가 언제 별도 요청 없이 말해야 하는지를 결정한다.

로컬 Kimi WebBridge 데몬을 통해 사용자의 실제 브라우저를 구동합니다. navigate, find-tab, snapshot, click, fill, evaluate, CDP, screenshot, network, upload, PDF 내보내기 및 탭 관리 도구를 제공하며, 기존 로그인 세션을 재사용합니다.

DSH용 대화 히스토리 리콜: 모든 과거 세션의 원본 텍스트에 대한 3계층(리터럴/퍼지/시맨틱) 검색, 완전 로컬 및 오프라인 — AI는 사용자가 말한 것을 절대 잊지 않습니다. `dsh.bundle.patch`를 통한 원커맨드 설치, 시맨틱 레이어는 워커 스레드에서 실행됩니다.

Markdown 노트용 이중 지식 그래프 RAG(half-life 메모리 감쇠): 전제 조건 + 유사도 그래프(P/S-Agent 트래버설), 단락 청킹, n-gram/embedding 하이브리드 검색, 명시적 가중치 피드백 루프 — Cordis 네이티브 플러그인, npm으로 @eqman00003/knowlp-rag 설치 가능.

dsh-better-sidebar 탭에서 Qoder Canvas의 *.canvas.tsx 파일을 정적으로 분석해 DSH 오른쪽 사이드바에 구조화된 페이지로 표시합니다. 소스를 실행하지 않습니다(eval, bundler, sandbox iframe 없음). .tsx 파일 뷰어를 대체하고 형식 작성용 Skill을 포함합니다.