플러그인

DeepSeek Harness 웹 기능용 토큰 소비가 없는 DuckDuckGo 검색 제공업체입니다. 로컬 헤드리스 브라우저를 사용하며 API 키와 모델 과금이 필요 없습니다.

“키만 입력”하는 제공업체 프리셋입니다. 50개 채널의 공식 llm-pi-ai 라우팅과 자격 증명을 원클릭으로 DSH에 쓰는 플러그인이며 Tencent WorkBuddy, OpenCode(키는 해당 앱 auth.json 사용), cc-switch도 CLI로 설정할 수 있습니다. 순수 JS 핵심은 다른 앱 셸에서 재사용할 수 있습니다.

ZCode에서 포팅한 모델 스마트 구성 및 기능 적응용 DeepSeek Harness 플러그인입니다.

DeepSeek Harness Web UI의 나란히 모델 비교 기능입니다. 현재 세션에서 분기한 형제 세션에 프롬프트 하나를 2~4개 모델로 보내고, 답변을 열(휴대전화에서는 탭)로 스트리밍하며 지연 시간, time to first token, 토큰 수, 비용을 표시합니다.

모델이 안전한 시점에 compact_now 도구로 압축을 직접 시작할 수 있습니다(턴 중간에도 작동). context_status 도구는 실제 세션 컨텍스트 창과 비교한 토큰 사용량을 보고합니다.

잘못된 모델 도구 호출(id/name이 비어 있거나 arguments가 문자열이 아님)로부터 세션 로그를 보호해 오류 호출 때문에 세션을 로드할 수 없게 되는 일을 막습니다.

2D 기계 도면(PDF/PNG/JPG)을 noBS CAD 스크립트와 STEP 파일로 변환합니다. 모델링 스킬, noBS CAD MCP 엔진 기반 CAD 도구, 포함된 네이티브 도면 프로브, Web UI의 2D→3D 패널을 제공합니다.

DSH Web UI의 완료된 답변 아래에 다이어그램 버튼을 추가합니다. 설정된 모델이 인라인 SVG가 포함된 단일 HTML 페이지를 만들고 오른쪽 사이드바의 샌드박스 iframe에 표시합니다. 다이어그램/소스/원문 보기, 모델 재호출 없이 디스크 캐시를 쓰는 세션별 재생 기록, 다시 그리기, .html 저장을 지원합니다.

dsh 공식 압축 엔진용 조정 가능한 개인 설정(임계값, 보존, 요약 모델/추론, 턴 종료 압축)입니다. Models용 llama.cpp 모델 가져오기와 탭/알림 보조 기능(상태 표시 favicon)을 제공합니다.

LLM 비용을 줄입니다. Jev(System One) 분류기가 선언적 정책으로 각 턴을 평가해 하위 에이전트 모델 경로를 제안합니다. 일상 작업은 flash 요금으로 실행하고 어려운 부분은 메인 모델에 남깁니다. 명시적 /route 트리거, 런타임 위임 기능 게이트, 자격 증명 비식별화, 판정 로그 기반 오프라인 정책 재생을 제공합니다.

Live2D 세션 보기와 실시간 음성 기능입니다. 연속 음성 입력, 스트리밍 TTS, 자막 번역, 다중 모델 카탈로그, 독립 진입점을 제공합니다.

오른쪽 사이드바의 읽기 전용 side branch입니다. 텍스트를 인용해 메인 세션의 모델 context를 오염시키지 않고 후속 질문을 할 수 있습니다. 매번 메인 세션의 최신 확정 턴으로 branch를 다시 만들고 tool 실행 계층에서 쓰기를 거부해 prompt prefix 캐시를 유지합니다.

별도 호스팅 없이 DSH에 원격 접속합니다. bot의 outbound 장기 연결을 사용하는 Feishu DM이 인터페이스이며 workspace, session(전환/이름 변경), model, reasoning effort, permission preset, balance 카드가 있습니다. 도구 승인과 에이전트 질문도 같은 채팅에서 답합니다.

지질 3D 모델링 및 3D seismic 처리 워크플로 skill입니다. SEG-Y volume 파싱, CGCS2000 좌표 통합, 단층 대표선과 탐사 경계 shapefile 출력, 여러 광산의 3D 지질 플랫폼 구축을 제공합니다.

OpenCode Go 및 Command Code의 route wire protocol/endpoint를 선언해 API 주소를 직접 입력할 필요가 없습니다. OpenCode Go 경로에 DeepSeek V4.1 모델을 추가해 맨 앞에 배치하고 공개 카탈로그로 Command Code 모델 목록을 완성합니다. OpenCode 요청마다 대화별 `x-opencode-session` header를 붙여 400 MissingSessionID를 해결합니다.

T3 Code 모델 선택기를 composer로 옮겼습니다. provider 레일, provider 제목별 검색 결과, 브라우저에 저장되는 즐겨찾기, 사용 불가 provider 배지, 현재 목록 상위 9개 행으로 이동하는 Cmd/Ctrl+1..9 단축키를 제공합니다.

DeepSeek Harness용 텍사스 홀덤 테이블입니다. 모델 호출 가능 포커 도구, 휴리스틱 상대 6명, 선택적 코치, 채팅 메시지를 전송하지 않는 브라우저 테이블을 제공합니다.

DeepSeek Harness(dsh) 웹 오른쪽 사이드바의 실시간 NVIDIA GPU 모니터입니다. Linux에서는 NVML을 우선 사용하고 실패 시 nvidia-smi로 대체합니다. NVIDIA 전용이며 AMD/Intel/macOS는 지원하지 않습니다. 여러 GPU의 사용률/VRAM/전력/온도, 프로세스, 스파크라인을 표시하며 dsh.bundle로 설치할 수 있습니다.

내장 llm-pi-ai 및 llm-deepseek 어댑터, 모델 선택기, Models 설정 페이지를 자체 관리 버전으로 교체합니다. 안전 영역 다운로드로 upstream @earendil-works/pi-ai를 추적하고 원클릭 활성화를 제공하며, 제공업체 할당량/잔액 조회와 관리 페이지를 추가합니다.

정확도를 유지하면서 에이전트 비용을 거의 절반으로 줄입니다. Jev를 이용해 작업이 진행될수록 필요한 도구와 skill을 점진적으로 공개하는 DeepSeek Harness 플러그인입니다. 메인 모델은 도구 없는 계획 단계부터 시작하고 이후 Jev가 기능을 선택해 추가합니다.

v0.8.6은 시작 충돌을 수정합니다. Host runtime package는 설치하지 않는 optional peer입니다. TypeSafe Jev(System One 결정 모델)를 DeepSeek Harness에 end-to-end 연결하고 도구 7개를 제공합니다: `jev_decision`(1회에 1–25개 병렬 typed verdict, noul/choice/score, 보정된 신뢰도, 중앙값 266–484ms, 산문 없음), `jev_choose`(2–10개 방안을 적합도 0–3/위험으로 순위화해 추천 선택), `jev_batch`(0.8.6 신규: 텍스트 1–20개, 판단 1–5개, 텍스트당 실제 호출 1회·동시성 제한; 실패 행은 추측 없이 원시 오류 반환), `jev_usage`(로컬 측정 및 선택적 로컬 한도), `jev_overview`, `jev_guard_status`, `jev_verify`(고정 27문항 실시간 벤치마크, 동시성 6에서 26/27=96.3%). 원장은 기본 `$DSH_HOME/jev-usage.json`에 저장됩니다. Remaining은 API에서 가져오는 잔액이 아니라 선언 잔액에서 `balanceSince` 이후 로컬 측정 지출을 뺀 값이며 조작하지 않습니다. API key 누락은 명시 오류, 등록 실패는 표면별 격리. 클라이언트는 refresh, 서버는 Host 재시작이 필요합니다.

DSH Web 애니메이션 펫입니다. 모델에 맞춘 출력 속도 조절, 도구 상태 반응, 교체 가능한 캐릭터 팩, 펫 애니메이션을 만들거나 확장하는 내장 skill을 제공합니다.

선택한 음성으로 에이전트 보고를 읽고 긴 보고는 음성 출력 전에 압축합니다. 음성 복제에는 3~10초 참조 클립이면 충분하며 커뮤니티 학습 모델도 쓸 수 있습니다. 6.4 GB GPT-SoVITS를 설치할 필요 없이 플러그인이 자체 runtime과 음성을 설치합니다. 기존 GPT-SoVITS를 사용할 수도 있으며 음성 모델은 동일합니다.

DSH용 세션 간 경험 메모리입니다. 교훈에 증거 등급을 부여하고 같은 주제의 턴에 주입하며, 기록에 적용 대상 call이 명시된 경우에만 행동 직전에 표시합니다. “항상 중국어로 답변” 같은 주제 무관 규칙은 standing으로 지정해 매 턴 적용할 수 있습니다. 격리된 실제 모델 턴 24회 측정에서 standing 규칙 준수 6/6, 대조군 0/18이었습니다. 추측은 상시 규칙이 될 수 없고 검증된 근거가 필요합니다. 조회되지 않은 항목은 되돌릴 수 있게 폐기합니다. 도구 5개, slash 명령 7개, 런타임 의존성 0개.