플러그인

자기 진화 실행기입니다. 세션 로그에서 추출한 문제 티켓으로 평가 게이트와 홀드아웃 카나리 뒤에서 스킬 후보를 합성합니다(기본값은 무코드 단계). 이후 사람의 확인을 거쳐 프로젝트 `.dsh/skills`로 승격하며 결정론적으로 롤백할 수 있습니다.

DeepSeek Harness용 오프라인·결정론적 공개 API 카탈로그 검색입니다. 중국어·영어 검색과 인증, HTTPS, CORS, 상태, 소스 등급, 카테고리의 정확 필터를 지원합니다.

영구 DSH 플러그인으로 개발 워크벤치, 세션 내 대화 트리, 플러그인 관리자를 묶습니다. LVAL 프로젝트 빌드·실행·코드 탐색, 프로그램별 버전 스냅샷과 rollback, 메시지 편집·재시도·분기 및 메시지 미세 버전 관리. 기능 관리자와 활성화 tier가 있는 전역 플러그인 라이브러리, 대화 간 메모리, 일회용 임시 채팅, 모델 협업. 네트워크 권한 5단계, 혼합 모델 라우팅, 보안 감사, 동반 확장 프로그램을 통한 브라우저 제어도 포함합니다.

DeepSeek Harness(dsh)용 무료 티어 모델 집계입니다. OpenCode Zen / B.AI / OpenRouter / SenseNova 기본 제공 upstream과 원격 catalog, 사용자 지정 gateway 풀을 통해 freeroute provider를 등록하고 투명한 장애 전환을 제공합니다.

자체 포함된 DSH 플러그인 하나에 읽기 전용 라이프사이클 거버넌스 도구 21개를 제공합니다. 작업 분류, 상태/계획/증거 검증, 게이트 사전 점검과 집계, 릴리스/설치 감사, 컨텍스트/진행 분석, 크리티컬 패스, 재개 시 조정, 실행을 항상 거부하는 변경 미리보기를 포함합니다. npm에서 `@240xu/dsh-tech-lead`로 설치합니다.

DSH Web UI용 Composer 통계 막대입니다. 자동 동기화되는 공식 CNY 요금과 피크/비피크 구간, 모델별 집계, 실시간 타이머, 서브에이전트 트리 병합, DeepSeek 잔액, 예산 경고, 스트리밍 비용 추정을 제공합니다.

DeepSeek Harness를 위한 적응형 모델 탐색, 평가, 계층화, 서브에이전트 라우팅.

DeepSeek Harness(dsh)용 무료 티어 모델 라우팅 — OpenRouter 무료 모델 발견, 최상의 무료 모델을 에이전트 기본값으로 적용, 속도 제한 시 자동 회전; 요청하지 않는 한 유료 구성은 그대로 유지됩니다.

제품 리서치 스킬: 시장, 기술 및 공급망을 분석한 뒤 3단계 제품 사양 제안을 출력합니다.

공식 피크/오프피크 요금제가 적용된 DeepSeek 계정 잔액 및 모델 비용 추적: 3단계 토큰 과금(캐시 미스, 캐시 히트, 출력), 모델별 및 세션별 내역, 마우스를 올리면 상세 정보가 표시되는 입력창 요약 바, CSV 내보내기, 설정 패널 포함.

DeepSeek Harness용 계층형 모델 라우팅: think/build 모델 계층, 비전 위임(비전 모델은 이미지만 설명하고 작업 모델이 실행), 이미지 생성, 고영향 가드.

자동 승인 권한 가드: workspace-write와 danger-full-access 사이의 중간 계층 — 신뢰 디렉터리 내 안전한 작업은 자동 허용하고, 파괴적인 작업은 항상 사람에게 확인을 요청합니다. 카테고리별 스위치 11개와 감사 로그를 제공합니다.

커밋먼트 쓰기 게이트: 도구 호출이 실행되기 전에 운영자가 작성한 규칙을 적용 — 결정적 가드 계층과 LLM 심판 계층, 기본적으로 fail-closed, 모든 차단은 모순 로그에 기록됩니다.

DeepSeek Harness 세션에서 @로 서버를 멘션하고 SSH를 통해 명령을 실행합니다. 실패 시 차단되는(fail closed) 2단계 승인 게이트 뒤에서 동작합니다.

DeepSeek Harness 웹 설정용 향상된 플러그인 목록 — 신뢰 등급, 접을 수 있는 그룹 및 완전한 플러그인별 세부 정보

DeepSeek Harness용 프로젝트 독립적 멀티 에이전트 협업 프로토콜: 폭주하는 에이전트 루프를 멈추는 루프 가드, 6필드 핸드오프 형식, 위험 등급별 리뷰 라우팅, 고정된 verify→commit→push→review→close 순서. 같은 규칙을 모든 에이전트에 복사하는 대신 하나의 스킬입니다.

arXiv, 1차 연구소, 공식 아티팩트, 하드웨어 벤더, 옵트인 X 신호를 정리해 버전이 붙은 릴리스 증거 번들로 만들고, 주장 단위 재현을 명령·아티팩트·지표·검증기로 게이팅합니다.

DeepSeek Harness용 2단계 모델 라우터 — LLM-Judge 라우팅, 다중 모델 폴백 체인, 지수 백오프 장애 조치, 작업 단위 오케스트레이션(pi-shift-router의 DSH 이식판)

DeepSeek Harness의 workspace-write와 danger-full-access 사이의 중간 권한 등급: 무해한 명령과, 설정된 신뢰 영역(현재 워크스페이스 외부 포함)을 대상으로 하는 작업을 자동 승인

Hy-Memory 2.0 as a native DeepSeek Harness memory component: three-tier memory (personal / project / session), three scenes (chat / working / coding), automatic recall and capture with tool traces, a Settings > Memory panel, and MemHub interoperability.

Local-first resume warehouse for DeepSeek Harness: package your work into reusable bullets, import an existing resume into a template, analyse a job description (including the school-tier preference it implies), assemble a tailored Chinese or English resume and export a PDF named position-name-school. The whole app ships inside the npm package — server/, web/, skills/, scripts/, requirements.txt, no git clone needed — and one tool starts, stops and health-checks it; the first start installs the dependencies into app/.venv. Needs Python 3.10+ and macOS or Linux (bash). Nothing leaves the machine except the LLM calls you confirm.

Scheduled daily toast popups summarizing yesterday's conversations and managing two-tier pending TODOs.

Keep conclusions alive across context compaction: the model writes a task checkpoint and the plugin re-injects it into the system prompt's first node — the span compaction never touches, so it survives any number of compactions. Four-tier injection (0/95/175/≤12000 chars) scales with session relatedness; checkpoints live in the plugin's own folder, never in your workspace.

An Auto toggle next to the model selector that schedules reasoning_effort per request: complexity is scored by a MiniMax/OpenAI-compatible model with a zero-dependency heuristic fallback (fallbacks not cached), effort ladders adapt to each model real effort list (low/high/max, low/high/highx/max/ultra, ...), heavy tool calls upgrade the tier within the same session, the lit button and reply badges show the effort actually used, and every decision plus observed token usage lands in a JSONL ledger. A standalone-button fork of imkingjh999/dsh-adaptive-effort; do not install it and the original in the same profile.