플러그인

One-step local model onboarding plus a light harness for DSH. On load it probes loopback and private-network inference endpoints (llama.cpp, Ollama, vLLM, LM Studio), reads each model's context window and output budget from the backend, and registers the provider through settings, so a local model becomes selectable without hand-writing config. It then trims only that provider: masks the tool list through tools.restrict, drops named system-prompt sections and memory contexts, swaps the injected instruction block for a short one while preserving its first 80 and last 96 characters, and truncates tool-schema descriptions without touching structure or required fields. Cloud providers are returned as the same assembly object, untouched. The injected block is re-read from disk on every assembly, so editing the file takes effect on the next request with no reload. The panel in the plugin detail page is a live operations view: it shows whether the takeover is active and by which hook, how many characters the last assembly was trimmed from and to, and which providers are online (probed concurrently, with a real one-shot completion reporting latency and reply text per provider). If a local backend is not running, the panel offers a one-click launch: it probes the port first (never starting a duplicate), then starts the matching server (ollama serve, or a custom command you supply) detached and polls until the endpoint answers, clamping the wait to 3-600 seconds, reaping the child it just spawned if it never answers, and naming the paths it searched when it cannot find the binary. A stop button kills backends this plugin started (SIGTERM, then SIGKILL) and refuses to touch a server somebody else launched. When a model has just been downloaded and no backend exists yet, the panel can also scan the machine for .gguf files with hard caps (300 models, 20000 directory entries, Downloads only one level deep), start llama-server on the chosen one (skipping the .mmproj. vision projection and reusing a server that already answers), register the provider under the model id the backend reports, and run one real completion to prove it works. Before spawning anything it does a fit check that counts only the part of the file the GPU cannot hold: hostBytes = fileSize - VRAM, compared against max(total RAM - 2GB, free RAM). A file far larger than RAM is refused outright; a heavy host-side remainder is refused unless you confirm; the same remainder under mmap is only a warning, because the weights land in reclaimable page cache. A load-mode selector (auto / mmap / none / mlock / mmap+mlock) maps to llama.cpp --load-mode, and the default is whatever the engine picks. From 0.4.2 everything above is derived from the platform instead of assumed: home and data directories come from os.homedir() and the OS conventions (LOCALAPPDATA on Windows, ~/Library/Application Support on macOS, XDG_DATA_HOME elsewhere); backend binaries are looked up in the official install locations of each OS and can be pinned with OLLAMA_BIN, LLAMA_SERVER_BIN, VLLM_BIN or LMSTUDIO_BIN; model discovery walks DSH_LOCAL_MODELS_DIR, ~/models, ~/llama.cpp/models, ~/.cache/llama.cpp and the LM Studio data directory, with the WorkBuddy layout demoted to one candidate among them. VRAM is asked from nvidia-smi, then rocm-smi, then sysctl hw.memsize on Apple Silicon (flagged unified, so the same bytes are not charged twice), and any flip to a unified-memory budget is handled explicitly. Before building a command line the plugin runs llama-server --help once and keeps only the flags that build actually has, so older engines get --n-gpu-layers 99 and no KV quantization while newer ones get auto plus q8_0; anything it cannot probe is passed through rather than dropped. LM Studio is started with lms server start --port N rather than being lumped in with the engines that need a model argument, and vLLM gets its own --model example instead of llama.cpp syntax. Windows, macOS and Linux are all exercised in CI, including a windows-latest and a macos-latest job, because a cross-platform claim that has only ever run on one OS is not a claim. Two of those suites exist specifically to catch this machine's blind spots: one replays the whole suite with process.platform rewritten to each OS, and one deletes every advantage this development box has — no nvidia-smi, no rocm-smi, no sysctl, an empty PATH, a home directory with no models — and requires graceful degradation rather than a crash. That last one caught a real class of bug: several assertions hardcoded 'lms.exe', which cannot pass where the executable has no suffix. Measured on the reference machine: a 16.9GB 27.2B MoE with 14.5GB of VRAM holds a 285-691MB working set and sustains 76 tok/s after a 1000-2000 token warm-up, so file size alone is not a fit signal. From 0.4.3 the scanned models are shown as a table rather than a dropdown (one row per gguf, with its size and any fit warning), so you can see what is on disk before choosing. From 0.4.4 the delete button on the provider table removes the provider entry, not the weights file on disk. That distinction matters: what people actually want to clear out is the dead entry - one pointing at a port that never answered, one registered twice for the same port, one whose model file was deleted long ago - not a 15.8GB gguf. Deleting a config is undone by importing again; deleting a gguf is not. The removal goes through settings.mutate with an unset op on \['providers', id], because update merges layers: writing null there leaves a null provider key that the loader reads as a broken config rather than an absent entry, and only mutate/unset is implemented as Reflect.deleteProperty. The result is read back afterwards, because unset on a key that comes from a lower layer (the profile cordis.patch.yml or a home patch) does not delete it - it restores the inherited value, so the call succeeds while the entry stays. When the entry is still there the panel says so and points at the file to edit instead of reporting success, and a DSH whose settings service predates mutate() is told plainly rather than silently ignored. Deleting takes two clicks and clearing the confirmation is as easy as clicking another row; on success the online and baseURL caches are cleared and the tool surface is recomputed, since the provider list changed. The gguf itself is never touched by this plugin - the scanned-model table is display and selection only.VRAM reporting is driver-dependent. From 0.4.5 model discovery also reads Ollama's own storage: its blobs are named sha256-… with no extension, so extension matching could never list them. Weights are now accepted by extension OR by GGUF magic header (only dot-free files of at least 8MB, capped at 600 header reads per scan; obviously-not-weights extensions like .json/.md/.safetensors/.part are never opened). Ollama models are resolved from their manifests: the model layer is picked by mediaType application/vnd.ollama.image.model (never adapter/mmproj layers), the human-readable name is restored from the manifest path (…/qwen3/8b becomes qwen3:8b, …/latest stays bare), tags sharing one blob merge into a single row, and the metadata kv supplies name, quantization and context length. Adopting an Ollama model does not start a duplicate llama-server over the same weights: it confirms ollama serve answers on 11434 (launching it if not) and registers the provider under the tag the endpoint itself reports — the blob's sha256 name would never match anything, since 11434 lists qwen3:14b, not sha256-a8cc…. Two real-machine-only traps fixed on the way: existsSync('<file>/') returns true on Windows, so manifest-vs-directory branching now goes by parseable content instead of trailing-slash semantics; and the quantization label table had been copied from a stale ggml enum generation, labelling ggml_type 15 as Q5_K_S while ollama show reports Q4_K_M. Same-blob dedup is by (dev,ino), keeping whichever entry has a name. Verified on the reference machine: the scan goes from 1 row to 4 — qwen3:14b (8.64G) and qwen3:8b (4.87G) now appear with Q4_K_M badges — in 4ms; npm run verify exits 0 (launcher 57, portable 35, panel-host green including the linux/darwin simulated-platform runs); the new panel-host suite builds a real miniature Ollama store in tmpdir and points OLLAMA_MODELS at it, so results no longer depend on whether the test machine happens to have Ollama installed. From 0.4.6 the panel shows each model its real name instead of its file name, because some download tooling stores every weight under one generic file name, leaving the real name only inside the GGUF header. The scan now reads each file GGUF KV section - not a fixed-size head buffer, because tokenizer.ggml.tokens (hundreds of thousands of strings on a large MoE model) and the chat template push general.file_type past any window; and GGUF string arrays are interleaved (u64 length plus payload per element), so treating them as a length table walks the cursor off the rails and produces astronomically large reads. Reading and skipping are accounted separately: key names and types are always read, string values over 256KB and string arrays are only walked past without copying, non-string arrays over 64 elements are skipped outright, and a cursor past the file size stops the read, because an out-of-range position means the cursor is wrong rather than that a limit should be raised. The displayed name goes Ollama tag, then general.basename plus size_label, then general.name, then the file name, with the full string kept for the hover text since it usually carries internal build numbers; mmproj files are now identified by general.type as well as by name. A short read (truncated file) no longer feeds half a value into the parser. On the reference machine, reading one file header parses 44 keys in about 16ms, and a whole scan takes about 31ms. From 0.4.7 the smoke test no longer fails the first time and passes the second. The old code gave both request attempts one shared AbortController and one shared 30-second timer, so the total budget covered both rounds: a cold load of a large model burned it in round one, the abort left the signal permanently aborted, and the second round (the Ollama-style reasoning_effort: none retry) could not even be sent - which is exactly why the first click returned This operation was aborted and the second succeeded. Now each attempt gets its own controller and timer, a timeout retries once automatically (retryOnTimeout, on by default) because a first-request timeout almost always means the weights are still being read from disk, and non-timeout errors (refused connection, HTTP error) are not retried at all. Timeouts report themselves: the message says the wait exceeded smokeTimeout, whether a retry already happened, and points at the new smokeTimeout setting (seconds, default 60, clamped to 5-600) - port responding is not the same as tokens coming out, so it is a separate knob from launchTimeout. Unrelated: an example naming one specific model was dropped from the panel copy, since not every machine has that model downloaded, and the explanation now describes the mechanism instead. From 0.4.8 adopting a plain .gguf no longer registers an unrelated Ollama model. The port field used to follow the last click rather than the file: selecting an Ollama entry moved it to 11434, selecting a plain .gguf did not move it back, so a 11434 left over from an earlier click stayed. The server accepted it as given, probed the port, found Ollama answering and borrowed it (the skipped-launch log line about the port already answering is this path), and then the model id - derived from the file name - could not be matched against Ollama's /v1/models, where the fallback was to grab the first entry in the list. Embedding models tend to sort first, so the adopt registered a model the user never selected. Now the port follows the file: a plain .gguf landing on another engine's port (ollama 11434, vLLM 8000, LM Studio 1234) is moved to 8090 and the panel says so. Only ports belonging to a known engine are overridden - a hand-typed 9999 aimed at your own llama-server is left alone. The model-id fallback no longer guesses either: it takes the only entry when there is exactly one (a single-model backend may legitimately report a different id than the file name) and otherwise reports an error listing the ids it did see, rather than registering a wrong provider.

ccf_deadlines, ccf_venue, ccf_update 도구, /ccf 명령, 목록을 캘린더로 내보내는 데스크톱 패널로 CCF 학회 논문 마감일을 조회합니다. 날짜는 실시간 동기화(CCFDDL이 주 출처, 두 번째 출처와 교차 확인)에서 가져옵니다. 출처 간 차이가 36시간 이상이면 충돌로 표시합니다. 데이터를 포함하지 않으며 향후 30일은 system prompt에 유지됩니다.

포장 구조 동역학 판단 매뉴얼입니다. 8개 장의 59개 카드가 내용보다 과장된 장 제목, 복사하면 성립하지 않는 공식, 다른 맥락으로 옮겨 인용하면 안 되는 수치를 표시합니다.

DSH composer 옆에 현재 Our Free Model(OFM) 채널 잔여 할당량을 표시하고 패널에는 로그인한 모든 채널을 나열합니다. 소진된 채널을 표시하고 모델 전환 시 표시 채널도 바뀝니다. dsh-our-free-model과 로그인한 채널이 최소 하나 필요합니다.

로컬 산출물의 세션별 인수증입니다. 현재 파일 해시를 기록된 기준선과 비교하고 에이전트 주장과 사용자의 명시적 수락을 분리하며 변경되거나 접근할 수 없는 파일을 표시합니다. 도구, slash 명령, 대화 패널에서 Markdown 인수증을 내보냅니다.

DeepSeek Harness용 버전 적응 도구입니다. 플러그인 관리자에서 실행 중인 DSH 버전을 읽고 app-boot 호환성 규칙(`engines.dsh` 우선, 다음 `@deepseek-ai/dsh*` peer 의존성, 프리릴리스 포함 비교, 정확한 버전 예외)을 반영해 설치된 모든 플러그인을 평가합니다. v0.1.6~v0.2.1 사이 이름이 바뀌거나 deprecated된 API를 쓰는 소스도 정적으로 표시합니다. 대화 패널, 에이전트 도구, HTTP state/scan/report 경로를 제공합니다. 읽기 전용, 오프라인.

각 턴의 컨텍스트 예산 지출을 감사합니다. AGENTS.md, 스킬 카탈로그, 도구 스키마, 런타임 컨텍스트의 비용을 나누고 변경되지 않은 내용의 반복 주입을 낭비로 표시합니다. 스킬 60개 이상 설치 시 모델이 매 턴 읽는 설명 토큰 수와 플러그인별 도구 스키마 팽창을 순위화합니다. 결정론적이며 LLM을 사용하지 않습니다. 전체 세션 스윕 포함 4개 도구.

완성된 답변의 각 주장을 같은 턴에 읽은 도구 출력과 대조합니다. 모순의 인용문이 같은 턴의 도구 출력에서 발견된 경우에만 같은 턴에 한 번 수정을 유도합니다. 근거 없는 주장은 세션 로그와 stderr에 표시합니다. 먼저 절대 표현과 불일치 숫자를 무료 검사하며, 그 턴에 도구를 쓰지 않았다면 모델까지 전달하지 않습니다.

공개 전 자격 증명 감사다. 디렉터리 트리를 훑어 API key, token, private key, DB connection string, 하드코딩 암호를 commit/publish/배포 전에 찾는다. 의존성 없이 완전 오프라인이다. 발견 항목은 앞 6자만 보이도록 가린다.

사람에게 보여 줄 글을 작성하는 작업을 검토합니다. write/edit 도구에는 human_facing flag가 필요합니다. 플러그인은 계층형 PROSE.md 규칙에 따라 백그라운드에서 글을 검토하고 주석을 stage한 뒤 전체 파일과 대조해 /humanize, /humanize-loop 또는 post-compaction으로 반영합니다. 주 session은 계속 작업합니다. /humanize-review는 요청 시 git 추적 파일을 일괄 검토합니다.

`valuation_service` 도구 하나를 등록해 01/02/04 JSON workpaper tree를 읽고 통합 schema를 반환합니다. 비율 그룹 6개, 예상 비율, 누락 표시가 명시된 DCF 입력란, 비교 PS/PE, IRR을 포함합니다. 결정론적 로컬 처리이며 WACC, 성장률, capex, D&A, 운전자본 입력이 없으면 추정하지 않고 비워 두며 가정 차이는 검토 대상으로 표시합니다.

DeepSeek Harness에 `context_extract` 도구 하나를 등록합니다. 긴 원문(재무 보고서, 계약서, 장부)을 주요 지표, 표, 번호 조항, 주체, 교차 점검 경고가 포함된 고밀도 구조화 Markdown과 JSON으로 압축해 후속 처리에서 원문을 다시 읽지 않게 합니다. 재무제표·법률 계약·업무 장부를 구분해 처리하고 대차대조표와 현금을 대조하며 불일치는 조용히 고치지 않고 경고합니다. 읽기 전용이며 원본 파일을 수정하지 않습니다. openpyxl과 python-docx가 있는 Python 필요.

War Thunder 사용자 스킨 제작 스튜디오입니다. 4점 UV 사각형 선택, 사각형 영역으로 클리핑되는 아트 레이어, PNG/DDS/.blk 내보내기를 제공합니다.

작성기에 ✨ 버튼과 /enhance 명령을 추가해 초안을 구조화된 프롬프트로 바꿉니다. 입력창 아래에 열린 질문을 표시하고 현재 세션 model을 따르며 undo를 지원합니다.

드래그 가능한 플로팅 창에서 지뢰찾기를 즐깁니다. 첫 클릭 안전 배치, 깃발, 숫자 주변 동시 열기, 타이머를 제공합니다.

ISO 주별 table 개인 메모입니다. 하나의 period calendar로 주/월/분기/년 이동, 분기 보관, AI 분석, Markdown 내보내기를 제공합니다. 과거 주 편집은 명시적 force flag 필요. 전체 telemetry 장애 분석은 GitHub issue 보고서로 만듭니다.

GB/T 14396-2016 및 공개 ICD 사용 주석에 따라 coder 검토가 필요한 ICD 코드 쌍(dagger/asterisk 조합, combination code)을 표시합니다. 쌍을 확정하지 않으며 코딩 판단은 coder에게 맡깁니다.

로컬 산출물의 세션별 전달 영수증입니다. 현재 file hash를 기록된 baseline과 비교하고 에이전트 주장과 사용자의 명시적 승인을 구분하며 변경되었거나 사용할 수 없는 파일을 표시합니다. tool, slash command, 대화 패널로 Markdown 영수증을 내보냅니다.

텍스트에서 송장 번호, 날짜, 당사자, 세금 ID, 금액·세금·합계를 추출합니다. 금액과 세금의 합이 총액과 실제로 일치하는지 검증하고, 맞지 않는 문서를 표시합니다.

dsh 플러그인 호환성 검사기입니다. 설치된 플러그인의 peerDependencies를 실행 중인 dsh 버전과 비교해 시작 전 검사에서 로드를 거부할 플러그인을 표시하고 복사 가능한 수정 명령을 출력합니다. dsh 웹 상단 배너에서 격리, 제거 또는 업그레이드할 수 있습니다. 변경 전에 자동 백업하고 재검사 실패 시 롤백합니다.

사이드바 하단 Settings 옆에 DeepSeek API 잔액 배지를 표시합니다. DSH에 이미 저장된 키를 읽고, 마우스를 올리면 지급분과 충전분 내역을 보여줍니다. 잔액이 ¥2 미만이면 알리고 60초마다 또는 클릭 시 새로고침합니다.

Web 사이드바에서 세션을 고정해 모든 워크스페이스 그룹 위에 있는 하나의 Pinned 섹션에 표시합니다. 저장된 세션 순서는 건드리지 않으며 고정 플래그는 호스트 설정 문서에 저장됩니다. 행 우클릭 메뉴에서 이름 변경, 고정, 분기, 보관, 삭제, 제목 또는 세션 ID 복사를 할 수 있고 라벨은 GUI 언어를 따릅니다.

IDEA VCS 방식의 DSH Git 연동입니다. 컴포저의 권한 모드 옆 Git 아이콘에 현재 브랜치와 대기 변경 수를 표시합니다. 마우스를 올리면 브랜치 전환기가, 클릭하면 IDEA 스타일 VCS 패널(브랜치 트리, 커밋 그래프, 변경 및 스테이징, 커밋 상세, 파일 diff)이 열립니다. 커밋 사용자 정보, git 실행 파일, 네트워크 플래그 설정 페이지도 제공합니다. DSH 모델 도구는 등록하지 않습니다.

DeepSeek Harness에서 QQ Mail 및 모든 IMAP/SMTP 메일함을 사용할 수 있습니다. `qqmail_*` Agent 도구로 IMAP/SMTP를 통해 메일 목록, 검색, 읽기, 보내기, 답장, 플래그 지정, 다운로드를 지원합니다. QQ Mail 인증 코드를 사용하며 OAuth와 2FA 리디렉션은 필요 없습니다. `qqmail` CLI도 포함합니다.