플러그인

DSH 모델과 공유 artifact 서비스를 사용하는 워크스페이스 기반 Studio입니다. 출처 기반 보고서·슬라이드·표·마인드맵·퀴즈·플래시카드·오디오·비디오를 만듭니다. Office 생성에는 의존성을 갖춘 Python 3.12 이상과 DSH_OFFICE_PYTHON 설정이 필요합니다. 미디어 렌더링에는 Chromium이, 로컬 ASR에는 추가로 whisper.cpp와 모델이 필요합니다.

임베디드 C/C++ 펌웨어 개발 툴박스: FreeRTOS, 인터럽트, NVM 저장소, Keil MDK, ARMCLANG, HardFault 분류, 상태 머신, 아키텍처, LVGL 패턴을 다루는 에이전트와 스킬.

로컬 Qwen3.8 계열(llama.cpp 또는 NInfer)용: 요청별 thinking 예산, 압축 백엔드, 설정 탭.

Bilibili 영상 분석 기능: 메타데이터, 자막(스크립트가 없으면 Bijian/sherpa-onnx/whisper.cpp로 ASR 대체), 댓글, 탄막, 선명한 키프레임을 제공하며 선택적으로 로컬 비전 설명도 지원합니다.

Web UI용 음성 입력: 일시 정지에 따라 분할되는 받아쓰기와 음성 메시지를 제공하며, 각각 자체 제공업체 폴백 체인(Deepgram, Groq, HuggingFace, 로컬 whisper.cpp 또는 OpenAI 호환 엔드포인트)을 사용합니다.

Qwen3.8-27B와 같은 저컨텍스트 llama.cpp 모델 실행 시 컨텍스트 압축을 강제하여 모델 효율성과 사용의 원활함을 개선하며, 잘 정제된 압축 프롬프트도 함께 제공합니다.

DeepSeek Harness(DSH)용 로컬 우선 핸즈프리 음성 비서 플러그인입니다. 음성 인식, 음성 합성, 음성 명령과 로컬 음성 엔진을 지원합니다.

DeepSeek Harness용 로컬 모델 플러그인: 설정에서 GGUF 모델 관리, 첫 메시지 시 llama.cpp 자동 시작, 5분 유휴 후 자동 언로드로 VRAM 확보

clangd를 사용하는 DeepSeek Harness용 C/C++ LSP 구성 플러그인입니다.

stdio MCP 서버 앞에 세 라우터 도구(list_capabilities, describe_tool, call_tool)를 두어 모든 요청에 스키마를 싣지 않고 필요할 때 로드합니다. 각 도구 결과는 결정적 단계형 규칙으로 가공하고 원본을 먼저 보관하며 retrieve_spill로 다시 읽습니다. 도구 그룹의 토큰 비용 지정 및 에이전트별 내장 그룹 숨김도 지원합니다. 표준 라이브러리 기반 Python 라우터를 연결하므로 Python 3.9 이상이 필요합니다.

DeepSeek Harness (DSH) plugin for llama.cpp docker panel "llamapad" / llamapad 面板的 DeepSeek Harness 插件

Personal dsh preferences: a tunable companion to the official compaction engine (threshold, retention, summarization model/reasoning, turn-end compaction), llama.cpp model import for the Models page, and tab/notification helpers (status-light favicon, bro

OpenAI-compatible client for llama.cpp / Unsloth Desktop (default :8080).

Local-first voice conversations for DSH, with local speech recognition and synthesis and optional external providers.

Per-provider concurrency gate on the llm/stream waterfall: holds surplus model requests in a FIFO queue inside DSH so main agent, subagents and compaction take turns on a single-slot local server (llama.cpp --parallel 1) instead of timing out; maxConcurrent / maxQueued / queueTimeoutMs.

Doxygen comment workflow for C/C++ (including Qt) sources: file headers, functions, module groups, trailing and short comments, plus a scan that flags comments whose signature fingerprint went stale. Requires Python 3.10+ with `pip install tree-sitter tree-sitter-cpp`.

Host-side long-task detection for small-context local models: long outputs are scaffolded into a parts skeleton (one part per reply, then assemble), and multi-step work into a PLAN.md ledger with notes/ (plan first, one step per reply). Detection is heuristic and host-side, so it does not depend on the model judging its own limits.

C++ audit skill: detects the target project's actual C++ standard before making any recommendation, then reports findings across RAII and ownership, move semantics, exception safety, performance and memory, containers and algorithms, concurrency, templates and compile-time, standard boundary, and type safety, ABI and interface design, each with a checkpoint, a reason, a bad-to-good example and the minimum standard.

C++ runtime info probe for Windows via CDB: cpp_trace prints variables at multiple breakpoints in one session (replaces hand-written print), cpp_probe dumps the call stack at a conditional breakpoint. Install: dsh plugin --profile web add dsh-cpp-probe.

Re-encodes WebP attachment images to PNG so alpha-channel images load on LLM backends that cannot decode WebP (e.g. llama.cpp).

DeepSeek Harness (dsh) plugin: live local LLM endpoint health in the web rightbar. llama.cpp slots (busy/TTFT/wedged, /metrics) + Ollama MODELS (loaded vs empty). Engine fingerprinted by response shape. Installable dsh.bundle.

DSH plugin: inject per-model sampling parameters (top_p, top_k, min_p, repeat_penalty, presence_penalty, frequency_penalty) into every chat-completions request sent to a local llama.cpp / llama-server gateway.

Keeps every model request inside a per-provider allow-list, enforced at the agent/request waterfall: disallowed models are redirected to a fallback or refused; subagents stop inheriting stale creation-time routes; warns when consecutive requests would make a --models-max 1 llama.cpp router reload models. A one-entry list is a global single-model mode.