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.

Obsidian 플러그인이 DSH 세션을 제어하는 loopback HTTP/SSE 서비스입니다(목록, 생성, 전송). 최대 10개의 vault 노트를 system prompt에 주입합니다. Obsidian 내부에서 동반 Bridge 플러그인을 실행해야 합니다.

이벤트 기반 trigger 플러그인(dsh-proactive 알람시계 옆의 초인종)입니다. 규칙별 debounce 창과 glob filter가 있는 재귀 fs watcher, 규칙별 token이 있는 loopback 전용 webhook endpoint, host agents service로 대상 session을 깨우는 fire rule을 제공합니다. 활성 session은 직접 후속 메시지를 받고, 비활성 session은 먼저 재개합니다. paths/count/payload 템플릿 변수를 렌더링한 prompt를 주입합니다. DSH 재시작 없이 규칙 파일을 hot-reload하고 모든 trigger를 감사 가능한 JSONL 기록에 추가하며 trigger_list/trigger_history로 조회합니다. loopback health route에서 설치 및 실행 상태를 확인합니다. 다운로드 폴더 자동 정리, 로컬 스크립트가 보낸 CI/모니터링 경보 진단, 로그 오류 감시에 활용할 수 있습니다. Pure JS, 빌드 단계 없음, MIT.

DeepSeek Harness 기기 페어링 gateway입니다. 기본값은 `127.0.0.1:3443` 평문 HTTP 수신 후 로컬 DSH `http://127.0.0.1:3080`로 reverse proxy하므로 loopback 설치에는 인증서가 필요 없습니다. 운영/기기 간/app 페어링에는 TLS가 필요합니다: `tlsCert`/`tlsKey`와 HTTPS `publicUrl`(self-signed 가능)을 설정하세요. 앞단 Caddy/Nginx가 공개 TLS를 종료할 수 있지만 gate 자체 인증서/키도 필요하고 proxy의 역방향 연결도 HTTPS여야 합니다. TOTP 인증 QR 페어링, 사용자명/암호 로그인, 절대 상한이 있는 sliding session, 기기 취소, WebUI 관리 패널/audit log, WebSocket 터널링을 제공합니다. 첫 설정은 WebUI wizard에서 완료합니다. 테스트: unit 171/171, e2e 29단계.

DeepSeek Harness용 데스크톱 알림 및 앱 아이콘 미확인 배지입니다. 턴 종료, 승인/질문/계획 확인 대기, 턴 실패를 알립니다. 배지는 확인이 필요한 Session 수를 표시하고 확인 후 지워집니다. 알림 배너를 클릭하면 해당 Session으로 이동합니다. DSH 언어를 따르고 subagent Session은 기본적으로 조용합니다. 제목/본문 길이를 설정할 수 있으며 script와 도구용 loopback HTTP 인터페이스가 있습니다.

DeepSeek Harness session transcript를 시간순 대화 내보내기 대신 개요와 목차가 있는 구조화 Markdown 문서로 재구성합니다. model tool `session_to_doc`, composer 버튼, loopback 전용 Web endpoint 세 가지 방식으로 제공합니다.

DSH에서 로컬 Codex CLI를 네 도구(codex_run, codex_resume, codex_queue, codex_probe)로 실행합니다. HTTP API와 파일 mailbox를 갖춘 독립 loopback bridge도 제공합니다.

DSH에서 로컬 Claude Code CLI를 세 도구(claude_run, claude_resume, claude_probe)로 실행합니다. `--output-format json`을 해석하고 후속 호출용 session id를 반환하며 독립 loopback bridge도 제공합니다.

개인 네트워크를 통해 휴대폰에서 Harness에 접속합니다. loopback을 유지하는 게이트웨이, 일회성 페어링 코드, 좁은 화면용 세로 레이아웃을 제공합니다.

DSH 플러그인의 HTTP 경로가 실제로 제한되는지 읽기 전용으로 감사합니다. 플러그인 코드를 읽어 등록 경로를 찾고 loopback에만 프로브를 보냅니다.

Windows NapCat 배포 안내와 DSH의 loopback 포트 읽기 전용 확인 기능입니다. 관리자 권한 실행은 사용자가 직접 시작합니다.

입력란에서 다음에 쓸 내용을 예측해 커서에 고스트 텍스트로 보여 줍니다. 편집기 자체 글꼴과 줄 상자에 맞추며 Tab은 삽입, Esc는 무시합니다. 초안과 최근 대화 몇 턴을 넣어 세션 자체 모델 라우터를 한 번 호출합니다. 빈 입력란에도 사용자 말투의 다음 프롬프트를 제안하고 어시스턴트 반복 제안은 버립니다. Host는 loopback 전용 하위 경로 HTTP 라우트(본문 64 KB 제한, 결과 2분/캐시 미스 20초, 세션당 동시 호출 1개)를 둡니다. 클라이언트는 `conversation.input.overlay`의 높이 0 오버레이이며 `draftRev` CAS와 `setDraft` 대체로 삽입을 보호합니다. IME 조합과 slash 명령은 제외. `node:test` 16개, 런타임 종속성 없음, 실제 스크린샷은 docs에 있습니다.

세션별 OpenRouter 라우팅입니다. 입력창 칩에서 선택한 9개 프리셋 중 하나를 기반으로 loopback relay가 각 요청에 service_tier, provider.sort, :floor 변형을 씁니다. 프리셋마다 기본 URL을 고정해 경로별 기본값을 지정할 수 있습니다.

DSH의 프로세스 전체 프록시 경로로 동작하는 loopback relay입니다. TUN fake-ip에서도 `web_fetch`가 작동합니다. 프록시가 죽으면 같은 요청에서 직접 연결로 대체하고 probe가 성공하면 다시 프록시로 돌아갑니다.

루프백 HTTP API로 로컬 MaaEnd(MXU) 클라이언트를 제어합니다. `maend_*` 에이전트 도구 10개, 사이드바 대시보드 패널, 작업 체인의 시작 시 음소거 및 게임 종료 성공 시에만 진행하는 단계를 제공합니다. MXU 서비스가 실행 중인 로컬 MaaEnd 설치가 필요합니다.

DSH용 outbound route pool이다. seed 15개+후보 20개, 7개 대상 종류를 다룬다. 사용 전 검증: upstream IP는 전체 인증서 chain을 확인하는 TLS handshake로 검사한다(TCP만 확인하면 죽은 IP를 정상으로 오인 가능). 실패 cooldown은 2/5/15분, 대상별 가장 빠른 정상 route를 선택한다. prefix/registry/index/host-replace 4개 규칙으로 URL을 바꿔 git/pip/npm/pnpm/gh/curl/wget에 적용한다. 경로는 bash seam(모델이 bash tool로 실행한 download command만 자동 재작성; pwsh tool/host/renderer fetch는 제외), 직접 호출 가능한 line_pool_status/line_pool_run, child-process spawn이다. 여러 줄 command와 개행을 유지하고 download 구간만 바꾼다. user:token@host URL은 절대 재작성하지 않아 token을 외부 mirror에 보내지 않는다. 전역 설정은 수정하지 않는다. 사이드바에 route 지연/실패/cooldown, 개별 재검사·켜기/끄기, adapter/loopback port 검사 기반 TUN/proxy 상태를 표시한다. 후보 pool은 24시간마다 재검증한다.

workspace의 OpenWiki를 DSH Web 오른쪽 사이드바에서 미리 봅니다. wiki 디렉터리를 감지하고 공식 `openwiki visualize` reader를 loopback port로 제공해 전용 탭에 삽입합니다. 설치된 openwiki·DSH 버전을 설정 가능한 최소 버전과 비교해 보여주고 registry에서 자체 업데이트를 확인합니다.

기존 로컬 MiniMax Code 로그인 정보를 저장하거나 로그아웃하지 않고 loopback reverse proxy를 통해 DeepSeek Harness에 연결합니다.

DeepSeek Harness에 구성된 모든 provider의 모든 모델을 고정 loopback port의 단일 OpenAI 호환 endpoint로 제공합니다. 사이드바 페이지에서 base URL, key, port, model ID를 표시합니다.

DSH 턴 탐색 레일을 음악 시각화 도구로 바꿉니다. WASAPI 루프백으로 캡처한 시스템 오디오의 주파수 대역에 따라 각 가는 막대가 길어지고 두꺼워집니다. 형상만 바뀌며 색이나 발광은 추가하지 않고, 기본 호버 미리 보기·클릭 이동·휠 스크롤은 유지합니다.

종료된 BSide: Olivia Lin 편지 API를 loopback에서 재구현해 게임 클라이언트가 계속 편지를 주고받게 합니다. 수신 편지는 하나의 영구 DSH 에이전트 세션으로 전달되고 답장은 로컬 편지 저장소에 기록됩니다.

dsh-lan-gate LAN gateway 제어 화면입니다. Settings 옆 버튼에 gateway 실행 여부와 승인 대기 phone/tablet 수를 표시하고 URL 입력 없이 loopback 전용 승인 페이지를 엽니다. 정지 상태면 scheduled task를 먼저 시작합니다. phone/tablet 화면에는 렌더링하지 않습니다.

dsh web에 루프백이 아닌 호스트 이름의 리버스 프록시로 접속할 때 호스트에 저장된 설정을 복원합니다. 페이지 연결을 호스트 소유로 표시해 “이 브라우저에서 설정을 사용할 수 없음”을 띄우지 않고 Settings와 Models 페이지를 불러옵니다. DSH 0.1.7~0.2.x용입니다.

DeepSeek Harness 에이전트 상태(status, 도구 호출, 오류, 승인 대기)를 loopback을 통해 독립 데스크톱 펫 앱 WhalePal로 전달합니다. 펫은 스크린샷으로 추측하지 않고 실제 에이전트 상태를 따릅니다.