플러그인

Windows용 DSH NEXT 소형 창 모드입니다. 너비 425px의 항상 위에 고정되는 창, 서랍형 사이드바, 애니메이션 전환을 제공합니다. DSH NEXT가 필요하며 다른 데스크톱 클라이언트(dsh desktop)는 지원하지 않습니다.

작업 실행 중이고 초안이 비어 있으면 컴포저 전송 버튼을 토마토로 바꿉니다. 1~2회 누르면 모델에 다음 단계에서 접근법을 되돌아보고 마지막에 사용자에게 이어갈 방법을 묻도록 하는 숨은 메모를 전달합니다. 1초 안에 3회 누르면 먼저 실행을 중지한 뒤 같은 메모를 보냅니다. 설정에서 토마토 애니메이션과 소리를 끌 수 있고 던진 횟수도 셉니다.

클릭 대신 드래그로 전송합니다. 입력창을 누르고 위로 끌어 제스처를 활성화한 뒤 놓으면 전송됩니다. 입력창으로 다시 끌면 취소되고 대화 영역 밖으로 끌면 즉시 취소됩니다. 마우스와 펜만 지원합니다.

컴포저 초안을 Harness LLM으로 다시 작성하고 결과를 미리 본 뒤 적용하거나 보낼 수 있습니다. 스타일 프리셋, 모델별 추론 강도, 비용 추정, 설정 페이지를 제공합니다.

DSH 사이드바 하단에 DeepSeek 잔액과 현재 피크/오프피크 시간대를 두 줄의 간결한 텍스트로 표시합니다.

DeepSeek Harness에서 ChatGPT 구독을 사용합니다. 로그인해 GPT를 선택하고 이미지와 내장 도구를 사용할 수 있습니다.

DeepSeek Harness Web 클라이언트용 로컬 이미지/동영상 배경화면과 토큰 기반 반투명 유리 UI입니다.

AI 생성 Word, PowerPoint, PDF, HTML을 공식 미리보기에서 검토합니다. 문제 영역을 상자로 표시하고 텍스트를 직접 편집해 메모를 에이전트에 전달할 수 있습니다. PDF와 이미지는 주석만 지원합니다. 편집에는 Harness에 포함된 LibreOffice 키트와 Python이 필요합니다.

x_archive 도구로 X(Twitter) 게시물 링크를 2100laike 아카이브 서비스를 통해 영구 Markdown으로 만듭니다. 이미지를 재호스팅해 링크가 깨지지 않고 게시물 삭제 후에도 보존합니다. 재전송은 할당량 없이 최신 스냅샷을 반환하며 PAT로 refresh하면 다시 가져옵니다. 외부 2100laike 서비스가 필요합니다. 익명은 플러그인 인스턴스당 하루 8건, 등록 PAT는 하루 100건입니다.

wb_archive 도구로 Weibo 게시물 링크(m.weibo.cn/status/...)를 2100laike 아카이브 서비스를 통해 영구 Markdown 스냅샷으로 만듭니다. 긴 게시물도 전체를 가져오고 이미지를 재호스팅해 링크가 깨지지 않으며 삭제 후에도 스냅샷을 유지합니다. 재전송은 중복으로 처리해 최신본을 반환하고 할당량을 쓰지 않습니다. 외부 2100laike 서비스가 필요합니다. 익명은 플러그인 인스턴스당 하루 8건, 등록 PAT는 하루 100건입니다.

DeepSeek Harness용 세션 간 메모리입니다. 행동 메모/심층 정보/세션 기록의 3계층, 매 단계 주입되는 600자 핵심 카드, 작업/동반자/학습 상태, 가시성 구분이 있는 다중 사용자·그룹 기록, 세션별 메모리 조각 억제/삭제, 별도 모델로 보낼 수 있는 요약과 사실 후보, 백업 및 자체 점검 도구를 제공합니다. 데이터는 홈 아래 일반 텍스트이며 이미지/오디오는 콘텐츠 해시로 저장할 수 있습니다.

편집 및 재생성: 사용자 메시지 말풍선에 편집 기능을 추가하고 해당 메시지부터 다시 생성합니다. 이미지와 파일은 유지되고 원래 모델을 이어받습니다.

DSH에서 Alibaba Cloud DashScope의 네이티브 API를 사용해 Qwen 언어 모델, 임베딩, 재순위 지정, 음성, 이미지 생성을 제공하는 공급자입니다. `Firefox2100/dsh-ai-providers#runtime`을 설치하고 활성화해야 합니다.

DeepSeek Harness에서 실제 ChatGPT Pro 웹 세션으로 이미지와 프런트엔드 HTML 데모를 생성하고 로컬에 저장합니다. 디자인 갤러리 패널도 제공합니다.

직접 작성한 SVG+CSS(이미지/오디오 자산 없음, runtime 의존성 없음)로 움직이는 고래 데스크톱 펫이다. 턴 중 헤엄치고 tool call에 이름표 말풍선, 승인 대기 시 amber pulse, 성공하면 턴 시간/tool 수와 함께 점프하고 실패하면 풀이 죽는다. 어두운 시간/유휴 시 잠든다. 클릭은 poke, 더블클릭은 쓰다듬기(친밀도 하트), 드래그 위치 기억, 우클릭 메뉴(feed/mute/reset/hide), hover 카드(level/title/XP/턴 통계)를 제공한다. whale_say로 에이전트가 펫에게 말하거나 행동하게 해 가벼운 표시 알림으로 쓸 수 있다. session/workspace는 읽기 전용이며 ~/.dsh/whale-girl/state.json만 쓴다.

dsh-pet 데스크톱 펫의 LAN 협동 기능이다. 같은 네트워크의 동료 펫을 보고 손 흔들며 데스크톱 창을 드래그할 수 있다. 선택형 포함 patch로 실시간 애니메이션/말풍선/meme 동기화를 추가한다. dsh-pet 0.3.7이 필요하다.

새 세션 composer 위에 앉는 애니메이션 픽셀 아트 파랑·흰색 고래 펫이다.

공식 QQ 봇을 DSH host 프로세스 안에서 연결한다. QQ 메시지로 실제 DSH 세션을 시작/재개하며 working directory가 등록 workspace면 데스크톱 사이드바에도 표시된다. 답변은 text/image/file로 QQ에 돌려보낸다. QQ 공식 bot 앱(AppID + AppSecret)이 필요하다.

DSH용 통합 IM bridge로 15개 채널 adapter/12개 플랫폼을 지원한다. capability probe만으로 host 설정을 0.1.2-rc.1~0.2.1-rc.2에 맞춘다(12 tag enum, 버전 분기 없음). Feishu 음성 tier만 system ffmpeg 필요. 25개 명령 패널. tool 승인/질문은 원래 채팅에서 응답하며 기본 거부, 요청자만 응답, 5분 만료다. 이미지/파일 입력은 host model metadata로 제한. 파일 반환과 제한 재시도(전송 여부 불확실하면 재전송 안 함). 자체 Tasks/Channels 탭은 다른 plugin이 슬롯을 소유하면 비활성화. im-concise preset, 텍스트 전용 채팅에서 GenUI fence/raw HTML 제거, svg→PNG. 모델 allowlist. /relay는 최종 답을 account ID/alias로 notify 채널에 보내며 모호하면 추측하지 않는다. secret은 vault로 단방향 저장하며 응답으로 다시 돌려주지 않는다. npm: dsh-im-union.

각 skill이 모델 컨텍스트에서 차지하는 비용을 보여 주고 삭제 없이 catalog에서 숨깁니다. 디스크의 모든 skill에 대해 모델이 받는 정확한 catalog 행(description 정규화 및 길이 한도에서 잘림), 본문 크기, token 추정치를 나열합니다. agent가 받는 catalog message를 바이트 단위로 미리 보고 현재 session에 이미 게시된 사본과 비교하며, 잘못된 frontmatter 또는 우선순위 높은 root의 shadowing 때문에 catalog에 도달하지 않는 skill을 보고합니다. 숨기기는 frontmatter에 disable-model-invocation을 기록하지만 파일을 보존하므로 `/name`으로 계속 쓸 수 있습니다. ClawHub, Skills.sh, GitHub URL에서 가져오기 및 사용자 소유 skill 제거도 지원합니다.

게시 전에 결과물의 기하 사양을 대상 플랫폼과 확인합니다: pixel 크기·비율·dpi·파일 크기/형식·실제 인쇄 폭·색상 모드. 콘텐츠 적합성(QR, 텍스트/이미지 비율, 저작권, 금지 콘텐츠)은 다루지 않습니다. Python 표준 라이브러리만 사용하고 외부 패키지는 없으며 입력을 수정하지 않습니다. Python 3.8+. 플랫폼별 신뢰도와 함께 10개 플랫폼·20개 슬롯(WeChat MP, Xiaohongshu, Bilibili, Zhihu, Weibo, Douyin, WeChat Channels, 학술지 제출, 인쇄, 고객 전달)을 지원하고 ID/중국어 이름/별칭을 퍼지 매칭합니다. 직접 요청하거나 게시 대상을 언급한 후 이미지 등이 파일로 저장되면 자동 점검합니다. 모두 통과하면 한 줄, 문제일 때만 상세 보고합니다. 학술지/인쇄는 pixel/dpi로 실제 폭을 계산해 dpi metadata가 맞아도 작은 인쇄물을 탐지합니다. 여러 이미지 게시물은 일관성을 확인해 이상 항목을 지목합니다.

이미지 전용 스캔 PDF의 OCR을 Markdown으로 변환합니다. 책 한 권에 약 1시간 걸릴 수 있어 페이지마다 checkpoint를 저장해 중단 후 재개하고, 진행 로그와 빈 페이지·신뢰도 낮은 줄을 표시하는 품질 보고서를 제공합니다. Python 3.10+ 및 `pip install -r requirements`가 필요하며 첫 실행 시 OCR model을 다운로드합니다.

DeepSeek Harness용 도구 2개를 등록합니다. `doc_ocr`는 로컬 RapidOCR 또는 클라우드 Zhipu GLM-OCR로 스캔 PDF·이미지를 페이지별 텍스트, 대차대조 확인이 포함된 재무 표, 계약 조항 검색 결과로 변환합니다. `doc_preprocess`는 backend routing과 sha256 기반 증분 건너뛰기를 포함한 7단계 파이프라인으로 원본 파일 디렉터리를 Obsidian용 지식 베이스로 만듭니다. 대조 실패 숫자는 만들어 내지 않고 보고합니다. 로컬 engine에는 rapidocr-onnxruntime, pypdfium2, Pillow가 설치된 Python(`pip install -r requirements.txt`), GLM engine에는 ZHIPU_API_KEY가 필요합니다.

구조화 이미지 인식입니다. 로컬 sharp 측정과 클라우드 vision model을 한 번 호출해 설명, 좌표가 포함된 OCR, 객체 위치, 세밀한 속성을 반환합니다. fingerprint cache로 같은 이미지는 모델 할당량을 쓰지 않고 밀리초 만에 다시 반환합니다.