플러그인

Long-term memory for dsh via a local Hindsight service: each turn is retained with local timestamps and relevant memories (time-aware, reranked) are recalled into context before replies; each workspace binds to one memory bank, several workspaces can share a bank, and banks can have Chinese names; what gets retained is configurable (default: user messages and AI replies); history is imported only when you choose to; includes a three-step setup page with one-click local deployment (uv + Python 3.12), a sidebar status card and a panel to browse and search memories. Needs a SiliconFlow API key for the default embedding and reranker models; only Linux is verified so far.

Counts agent steps and, every N of them, adds a progress-report instruction to the batch that is about to be sent, so the agent states what it is doing, what it finished and what comes next, then carries on without stopping for you. Interval, prompt text and a main-agent-only default are editable in its settings page.

DSH 클라이언트용 경량 글꼴·테마 플러그인입니다. 설치된 글꼴만 표시하는 라틴어/중국어/코드 글꼴 선택기와 공식 토큰으로 적용되는 팔레트 5종(One Dark Pro, Dracula, Nord, GitHub, Catppuccin)을 제공합니다. 코드 블록 구문 색상도 지원합니다. 글꼴 번들, 종속성, 빌드 단계가 필요 없으며 DSH 0.2.0-rc.2 이상이 필요합니다.

DSH 사이드바 하단에 여러 제공자의 할당량과 잔액을 표시하는 유리 질감 카드입니다. StepFun, Xiaomi MiMo, Claude를 포함한 11개 제공자를 지원하며, 원클릭 브라우저 로그인을 제공합니다. Step Plan 크레딧도 지원합니다. dsh-plugin 마켓플레이스(GitHub 토픽 "dsh-plugin")에서 설치할 수 있습니다.

자체 대화 탭에 3D 모델 라이브러리를 추가합니다. 에이전트는 CadQuery 스크립트로 만든 모델이나 테셀레이션된 메시로 제공된 모델을 여기에 저장합니다. 라이브러리는 three-cad-viewer로 미리 보고 폴더로 정리하며 STEP, BREP, STL, DXF를 포함한 10가지 형식으로 내보냅니다.

실행 중인 실행자를 파라미터 없는 advisor() 호출과 단계 기반 순찰 점검을 통해 더 강력한 리뷰어 모델과 짝지어, 계획·수정·중단 가이드를 반환합니다.

DeepSeek Harness용 원클릭 간결한 출력 스타일: 결과 우선, 군더더기 없음, 동일한 작업 깊이. 모든 최종 응답은 일반어 다이제스트 카드로 시작하며(텍스트 선택하여 복사), 세션별로 범위 지정되고 헤드리스/CLI에서도 작동하며, /concise 명령, style.md 오버라이드 및 로컬 API를 제공합니다. 다이제스트 카드의 링크와 파일 경로는 클릭 가능한 칩으로 렌더링됩니다: URL은 이동하고 로컬 파일은 OS 기본 앱으로 엽니다(v0.9+). 단계별 사전 생성 계약 알림(v0.11.2+)은 감사 보고서/테이블 형식 응답에서 다이제스트 누락을 측정 가능하게 수정합니다.

로그를 뒤지지 않고 DeepSeek Harness 세션 진행 상황을 추적합니다. Agent가 단계부터 세부 작업까지 가중치가 있는 중첩 체크리스트를 실시간 갱신해 진행 링과 % 표시를 실제와 맞춥니다. 마우스를 올려 현재 작업을 보고, 우측 Session Progress 탭에서 목표, 항목별 비중, 다음 단계와 작업 메모를 확인합니다. 세션 종료 후에도 완료 기록으로 남습니다.

공식 llm-retry(n/5)가 포기한 뒤에도 일시적인 API 실패(타임아웃, 전송, 속도 제한, 5xx, SSE 끊김)를 동일한 열린 단계에서 성공, 취소 또는 일시 중지할 때까지 계속 재시도합니다. AUTH, QUOTA, 사용자 Stop은 절대 재시도하지 않습니다.

다음 행동을 말만 하고 도구를 호출하지 않은 채 끝난 에이전트 턴을 재개합니다: 가드가 agent/turn-stopping에서 턴 로그를 재생하고, 판정 모델에 참/거짓 질문 하나를 던지며, 같은 턴을 한 단계 더 실행하도록 유도합니다.

Think 행과 도구 호출 행을 빨간 실패 횟수가 표시된 떠 있는 요약 알약으로 접어, 작가 친화적인 채팅 뷰를 제공합니다.

Web UI 작성기에 별도 슬래시 명령 그룹을 추가합니다. /steer는 턴을 중단하지 않고 에이전트의 다음 단계에 텍스트를 주입하고, /new는 빈 세션을 시작하며, /skill과 /docs는 턴 후 스킬 또는 문서 작업을 포함해 /steer를 감쌉니다. 사용자 지정 /steer 별칭은 설정에서 구성할 수 있습니다.

MCP를 통해 DSH에서 AItelier 파이프라인 실행: 39개 도구(읽기 22, 쓰기 17)로 다단계 SkillFlow 파이프라인을 생성, 실행, 검사, 편집, 내보내기, 가져오기. 단계는 DSH 세션이 아닌 AItelier에서 실행되며 run_id로 폴링되고, 엔진 강제 체크포인트에서 일시 중지하여 answer_checkpoint로 응답하며, 단계별 추적 및 단계 출력을 나중에 읽을 수 있도록 남깁니다. add_provider / map_model / edit_role은 개별 역할을 로컬 또는 더 저렴한 엔드포인트로 지정합니다. aitelier-pipelines 스킬을 번들.

AIGC Radar의 큐레이션된 GitHub AI 프로젝트 라이브러리(500스타 입고, 중영문 이중 언어 태그, 스타 증가 스냅샷)를 네이티브 결과 카드로 MCP 엔드포인트를 통해 검색; 에이전트/프리 스텝 리스너가 에이전트가 코드를 작성하기 전에 재사용 체크를 사전 제안합니다.

DeepSeek Harness Web GUI용 다중 공급자 계정 잔액 표시. 실제 청구 API(DeepSeek, StepFun, Kimi Coding, OpenRouter, MiniMax, xAI)를 쿼리하고 모델 선택기 앞에 잔액/할당량을 표시합니다. API 수준 청구 엔드포인트가 없는 공급자는 수동 오프셋 표시로 대체됩니다.

세션 실행 분석 기능: 단계, 도구 호출, 실패, 반복 동작, 토큰 사용량, 검증 신호를 텍스트/Markdown/JSON 리포트로 제공합니다.

Layered long-term memory for DeepSeek Harness: each turn injects a persona frame plus a relevance-ranked memory index while full transcripts stay on disk and are expanded on demand, so the vault never floods the context window. Facts are slot-keyed, so a changed mind retires the old value instead of recalling two contradictory answers. The persona frame is derived from memory by the model itself, behind three anti-pollution gates (rejecting development chatter, blocking echoes of its own injection, and merging restatements by shared content words). Periodic consolidation merges near-duplicates, rolls long topics into digests, and archives low-value old entries by tagging only — raw text is never deleted. The append-only store is compacted in place (measured 4.7 MB to 355 KB). Zero third-party dependencies, no build step. Note: per-turn injection inevitably lowers prompt-cache hit rates, so this plugin is not recommended for work scenarios.

Separate font slots for content, code and terminal text, plus an interface font, an interface-size stepper and an inline-code size stepper, with line-height and letter-spacing controls. Typography only — it never touches colour.

Diagnoses third-party LLM API endpoints from the sidebar: a four-layer check (DNS/TCP/TLS, key and model, a real streaming conversation, then timed repeat runs) reporting time-to-first-token, output speed and success rate, with every failure attributed to the step it stalled at and the byte count that actually left the machine. 37 provider presets, no model names hardcoded.

한 컴퓨터의 여러 에이전트 세션이 공유하는 공지 파일입니다. 일반 텍스트 파일이며 에이전트는 내용을 추가만 합니다. 각 단계 전에 세션은 아직 보지 않은 항목을 받고, 새 세션은 여전히 유효한 항목을 따라잡으며, 컨텍스트가 압축된 세션에도 다시 전달됩니다.

모델이 기억난 뒤가 아니라 답하기 전에 스킬 카탈로그를 확인하도록 사용자 지시마다 결정론적 skill 라우팅을 한 번 실행합니다. 호스트에서 지시의 키워드와 카탈로그 메타데이터로 점수를 계산하며 LLM이나 임베딩 호출은 없습니다. step에 producer 태그가 붙은 메시지 하나를 추가합니다. 기본은 순위 목록, 점수가 임계값을 넘으면 우승 SKILL.md 본문, 또는 지정된 router skill을 정확히 한 번 호출하라는 지시입니다. 관련 없는 지시에는 이 플러그인이 개입하지 않습니다.

DeepSeek Harness 브라우저 provider입니다. 현재 페이지에서 가능한 동작을 보여 주는 색인 표를 보고 실제 브라우저로 웹 작업을 단계별 수행합니다(HTML이나 스크린샷 대신 색인된 동작 표를 확인). 각 단계는 Jev 판단 1회로 처리하며 저장소 benchmark의 중앙값은 1.1초, chat-model 턴은 2.8–3.6초입니다. 대화에는 결론만 전달해 페이지 때문에 context가 늘지 않습니다. 방금 읽은 페이지에서 대상 요소를 고르고 변경된 페이지는 다시 읽은 뒤 조작합니다. Session 소유 브라우저를 사용하며 attach mode로 바꾸지 않는 한 평소 Chrome은 건드리지 않습니다.

Memory-assembly team for DeepSeek Harness: every message triggers a five-step cognition loop (judge, retrieve, assemble, feedback, calibrate) carried by role-playing subagents (judge, retriever, archivist, advocate, editor, scribe), using BM25 retrieval, time-ordered material, and LLM assembly to build useful material packs injected into linghun. Works with dsh-linghun.