플러그인

DSH 오른쪽 사이드바에 워크스페이스 파일 트리와 코드 편집기를 제공합니다. 해당 세션의 workspace를 탐색하고 파일·폴더를 만들고 이름을 바꾸거나 삭제할 수 있으며(기본은 휴지통으로), 줄 번호와 구문 강조로 바로 편집합니다(Ctrl+S 저장, Ctrl+D 현재 줄 복제). 이미지 미리보기, 오디오·비디오 재생, system tar로 압축 목록·해제 및 폴더를 .zip으로 묶기, 파일명 검색과 붙여 넣은 경로로 이동을 지원합니다. Windows 전용으로 SHGetFileInfo를 이용해 Windows 아이콘을 표시합니다.

DSH Settings에 시각 페이지 2개를 추가합니다. MCP 서버는 JSON을 기준 데이터로 삼아 profile patch의 관리 블록을 다시 쓰며 YAML 검증과 시간표시 백업을 합니다. 붙여 넣은 mcpServers JSON을 가져오기 전에 추가·덮어쓰기 항목을 먼저 보여 줍니다. Thinking unlock은 OpenAI 호환 게이트웨이마다 실제 선언된 추론 강도를 확인해 단계별 설정을 기록하되, 직접 작성한 YAML의 다른 바이트 영역은 그대로 둡니다. 모델 목록 동기화는 별도 버튼으로 추가·삭제를 미리 본 뒤 단계와 모델을 한 번의 원자적 작업으로 기록하며 페이지 일정으로도 실행할 수 있습니다.

세션 로그 경로 또는 붙여 넣기 쉬운 인계 블록을 복사하고, 여러 프레임의 zstd 로그를 다른 세션이 이어서 작업할 수 있는 읽기 쉬운 파일로 변환합니다.

“폴더는 데스크톱 앱에서만 지원”이라는 제약 대신 DeepSeek Harness 웹 composer에 폴더를 끌어 놓을 수 있습니다. 호스트 폴더 대화상자, `/folder`, `@path` 멘션으로 끌어 놓기/붙여넣기를 추가합니다. 일반 브라우저에서 동작하며 데스크톱 앱은 필요하지 않습니다.

DeepSeek Harness composer용 인라인 이미지 칩입니다. 이미지를 붙여넣으면 본문에 번호가 매겨진 칩(image-1.png)으로 들어가며 마우스를 올려 미리 볼 수 있습니다. 이미지는 공식 첨부 파이프라인으로 전송되고 번호는 메시지마다 다시 시작합니다. 도크와 전송된 메시지의 썸네일에 순서 배지가 붙으며, 전송 전 자체 검사로 본문의 이름과 해당 메시지의 이미지가 맞지 않으면 경고합니다.

dsh 플러그인 호환성 검사기입니다. 설치된 플러그인의 peerDependencies를 실행 중인 dsh 버전과 비교해 시작 전 검사에서 로드를 거부할 플러그인을 표시하고 복사 가능한 수정 명령을 출력합니다. dsh 웹 상단 배너에서 격리, 제거 또는 업그레이드할 수 있습니다. 변경 전에 자동 백업하고 재검사 실패 시 롤백합니다.

DSH 작성창에서 4~50KB 붙여넣기마다 별도 칩으로 접고 각 칩을 개별적으로 펼치거나 삭제합니다. 50KB 이상은 실제 파일 첨부로 바꿉니다. 선언된 지원 범위는 `DSH >=0.1.7-rc.2 <0.3.0-0`이며 0.2 릴리스 계열에서도 표시됩니다.

DSH Web UI 작성창에서 Markdown을 실시간 렌더링합니다. CodeMirror 기반 교체 작성창에서 입력 중인 굵게·목록·코드 펜스를 표시합니다. 전송한 사용자 메시지도 Markdown으로 렌더링하고 붙여넣은 서식 있는 텍스트를 깔끔한 Markdown으로 바꿉니다.

macOS 데스크톱 앱용 Computer Use입니다. 모든 앱의 접근성 트리를 요소 인덱스가 있는 텍스트로 읽고 클릭, 입력, 붙여넣기, 스크롤, 드래그, 텍스트 선택, 값 설정을 수행하며 스크린샷은 이미지로 반환합니다. 지속형 JavaScript REPL에서 `js`, `js_reset` 두 도구와 내부 `sky` API를 사용해 호출 간 상태를 유지하고 도구 스키마는 고정합니다. 첫 읽기 이후 트리는 diff로 반환하며 요소 번호로 조작하고 오래된 번호는 거부합니다. 입력 전 키보드 포커스를 기다리고 필드 값을 다시 읽으며, 붙여넣은 뒤 클립보드를 복원합니다. macOS 14.4+, Accessibility 권한(스크린샷에만 Screen Recording), Node 20+ 필요. 사전 빌드 네이티브 모듈을 포함해 설치 시 컴파일하지 않습니다.

파일이나 이미지를 드래그하거나 붙여넣어 DSH Web 작성기에 추가합니다. 가로로 스크롤되는 한 줄의 칩으로 표시하고 @path 참조로 전송합니다.

DeepSeek Harness용 엔지니어링 도구입니다. 모델용 Host Tool 두 개를 등록합니다. 범위를 제한한 `git` 실행기와 workspace lockfile에서 npm/pnpm/yarn/bun을 판별해 맞는 명령을 선택하는 패키지 관리자 실행기(`dev`)입니다. 둘 다 dsh 샌드박스 shell에서 실행되고 구조화된 stdout/stderr/exitCode를 반환합니다. 도구 추가는 등록 블록 하나를 복사하면 됩니다.

DSH 웹 클라이언트는 이미지 첨부에 붙여넣기와 드래그 앤 드롭만 지원하므로 입력창 도구 모음에 “이미지 첨부” 파일 선택 버튼을 추가합니다(v1 범위, 상류 설계 메모 기준). 드래그 앤 드롭이 없는 터치 기기의 기능 공백을 보완합니다.

DSH home, 남은 프로세스, 포트, 용량이 큰 세션을 진단하고 바로 붙여넣을 수 있는 /doctor 보고서를 작성합니다.

기본 컨텍스트 메뉴가 없는 데스크톱 셸의 DeepSeek Harness에 우클릭 메뉴를 추가합니다. 입력창에서는 잘라내기/복사/붙여넣기/전체 선택, 다른 곳에서 선택한 텍스트는 복사/일반 텍스트로 복사를 제공합니다. 검색 항목은 설정 가능한 검색 엔진으로 기본 브라우저를 엽니다.

DSH Web UI용 벚꽃 파스텔 스킨입니다. 라이트·다크 벚꽃 토큰 팔레트, 클릭을 통과시키는 꽃잎 낙하 오버레이와 부드러운 비네트, 헤더 꽃잎 토글, General 설정의 전체 켜기/끄기를 제공합니다.

DSH Web composer 도구 모음에 이미지 버튼을 추가합니다. 기본 파일 대화상자에서 여러 이미지를 선택하면 드래그 앤 드롭·붙여넣기와 같은 초안 이미지 레일에 들어가고, host의 이미지 형식·메시지당 개수·이미지별 크기 제한을 즉시 적용합니다.

로컬 파일을 DSH 페이지에 드래그하거나 붙여넣으면 실제 절대 경로를 확인해 composer에 삽입합니다(Spotlight + 크기/mtime + 앞/뒤 지문으로 일치 확인). content-cache를 대체 경로로 사용합니다.

dsh 웹 GUI용 AI 호기심·상식 생성 플러그인(영문 UI 이름 Curio)입니다. ‘탐색 시작’은 이미 본 내용을 제외한 새 지식 묶음을 생성하고, 각 항목은 더 깊은 두 단계와 유사 지식으로 펼쳐집니다. ‘탐색 목록’은 묶음·항목·단계·유사 지식의 전체 이력을 브라우저 저장소에 보관합니다. 설정 없이 Host LLM을 재사용하며, 사용 가능한 모델이 없으면 패널에 DeepSeek API key를 붙여 넣을 수 있습니다. 출력 언어는 DSH UI(zh/en)를 따릅니다.

텍스트 전용 모델을 위한 로컬 시각 기능입니다. eyes_render는 웹 GUI canvas에 텍스트/도형/Mermaid를 그리고, eyes_paste는 붙여넣은 이미지를 캡처하며, eyes_ocr은 Windows 내장 OCR(오프라인)로 읽고, eyes_analyze는 픽셀을 구조화 데이터로 분석합니다. 비전 모델이 필요 없습니다.

DeepSeek Harness 채팅에 이미지를 붙이면 텍스트 전용 DeepSeek 모델이 답하기 전에 무료 로컬 백엔드(macOS Vision / Tesseract)가 이미지를 읽습니다.

텍스트 전용 dsh 모델용 비전 기능입니다. 이미지를 붙여 넣으면 설정된 멀티모달 모델이 자동으로 텍스트로 변환합니다. 투명한 이중 라우팅과 에이전트 호출 가능 read-image 도구를 제공하며 내장 키나 릴레이는 없습니다.

텍스트 전용 경로를 위한 투명한 이미지 가드입니다. 이미지 붙여넣기 때 발생하는 400 세션 교착을 막고 OCR/PDF/docx/pptx/동영상용 vision_analyze 도구를 제공합니다.

Web UI에 이미지를 붙여넣거나 드래그하면 구조화된 텍스트로 변환해 전송합니다. OpenAI 호환 비전 API를 사용해 텍스트 전용 LLM도 이미지 입력을 처리할 수 있습니다.

웹 설정 패널에서 DSH 규칙을 관리합니다. 전역/프로젝트 AGENTS.md를 편집하거나 붙여 넣은 규칙을 LLM으로 계층형 AGENTS.md와 스킬로 자동 분할할 수 있습니다.