플러그인

DeepSeek Harness(dsh)용 TongFlow 스튜디오 플러그인: 촬영팀 스타일 프로젝트 모델, 에이전트가 작성하는 TongFlow 워크플로, 결정론적 미디어 생성, 내장 캔버스.

DeepSeek Harness용 결정론적 산업 리서치 리포트 — 기업 및 산업 리서치 플로우가 단계별 증거로부터 구조화되고 검증 가능한 리포트를 생성합니다.

DeepSeek Harness를 위한 엄선된 파일 기반 장기 기억 — 사람이 읽을 수 있는 마크다운 노트, 여러 호스트에서 공유되는 단일 일반 텍스트 파일 저장소(프로젝트 저장소 내부에 있을 경우 git-ignore 처리됨), 그리고 ctx.tools.guard()로 강제되는 결정론적 인덱스 상한

DSH 세션용 실행 미로: 에이전트의 실제 경로—주요 전진, 실패 또는 막다른 우회, 되돌아가기, 요청 재시도, 서브에이전트 분기—를 하나의 wall-clock 타임라인에 그리며, 각 레인 아래에는 같은 축을 공유하는 세 개의 트랙(tool-call 밀도, token pulse, context pressure)과 그 아래 결정론적 분석 패널(tool result matrix, failure-recovery chains, duration distribution)이 있다; 세션 탭에서 실시간으로 자라는 모습을 보거나 최대 5개의 세션 로그를 업로드해 같은 축으로 비교할 수 있다.

공개 소스 데이터(Tiantian Fund 및 Eastmoney)로 구축된 중국 공공 뮤추얼 펀드의 결정론적 리서치 리포트, 순수 함수 메트릭(성과 분해, 보유 종목 침투율, 스타일 어트리뷰션, 매니저 프로필), 그리고 숫자별 스냅샷 추적성 부록이 있는 버전 관리 리포트.

중국 전통 지혜(XuanShu) 완전한 스킬 팩을 DeepSeek Harness Cordis 플러그인으로 제공: bazi, ziwei-doushu, liuyao, meihua, qimen, daliuren, taiyi, wuyun-liuqi, 체질 및 풍수 계산을 로컬 결정론적 엔진과 시각화 대시보드로 수행합니다.

학술 글쓰기 가드(영어/중국어 이중 언어 지원): AI 특유의 방어적 표현을 제거하고, 교정 중 과학적 근거(수치, 인용, 주장의 강도, 비유의미한 결과, 범위)를 보호하며, 대상 저널에 맞춰 글을 조정합니다(Journal Profile + Journal Fit). 결정론적인 로컬 정규식/통계 처리로 네트워크나 LLM을 전혀 사용하지 않습니다. writing_rules / writing_audit / writing_style_profile / writing_journal_profile을 제공하며 논문 작성 시 자동 감사를 수행합니다.

Blender 3D 제작 플러그인으로, 30가지 모델링/재구성 스킬, 13개의 런타임 도구, 참조 피팅·렌더링·검증·애니메이션·포터블 내보내기를 위한 26개의 결정적 헬퍼를 제공하며 `dsh-blender`로 설치할 수 있습니다.

통합 멀티 프로바이더 웹 검색 및 페치: BYOK 키 풀, 헬스 모니터링, 결정론적 폴백.

의미적 프롬프트 필드와 템플릿에서 DeepSeek Harness 세션 제목을 설정 가능하고 결정론적으로 생성한다.

DeepTrace — 세션 로그로부터 생성되는 결정론적 에이전트 리포트(일간/주간/월간/연간/사용자 지정): 비용 및 토큰 분석, 8가지 인사이트 규칙, 협업 리뷰, 실시간 공급자 잔액, PDF/PNG/HTML 내보내기. 읽기 전용이며 기록을 다시 쓰지 않습니다.

의존성 없는 툴킷: time / encoding / json / calculator / csv / regex / markdown / diff / stat / schema — 결정적으로 동작하는 10가지 도구를 한 번에 설치합니다.

MCP를 통해 AI 챗에서 OriginLab Origin 과학 플로팅을 구동합니다: 62개 도구. 모달 대화상자 와치독, LabTalk 안전 게이트, release/reconnect, 초기/고정/가중치 파라미터를 이용한 피팅, 세밀한 플롯 및 시트 편집, 매트릭스 도구, FigureSpec 선언형 YAML(diff 및 재생 가능), MCP Resources 읽기 전용 스냅샷, matplotlib-figure 브리지, 패널 레이블이 있는 PowerPoint 어셈블리, Graph Gallery 템플릿 검색, EPS 내보내기, 파일 접근 화이트리스트, 시각적 회귀 베이스라인, 결정론적 읽기 검증이 포함된 편집 가능한 OPJU 결과물.

소설 작성 가드레일: 20개의 novel_* 도구가 사실 원장 일관성, 단계 및 장 게이트, 결정론적 메트릭 기반 기계 감사, 제안 전용 수정을 강제하고, 우측 패널 워크벤치는 읽기, TTS 재생, 윤문, 교정, 연속성 검사 및 일괄 초안을 다루며, 우회 엔진이 내부 단계를 메인 대화 외부에서 실행합니다.

Zero-residence 컨텍스트 엔진: 대용량 도구 페이로드를 라이브 컨텍스트에서 축출하여 쿼리 가능한 저장소로 옮기고 결정론적 포인터만 남기므로, 턴당 프롬프트 토큰이 대화 기록과 함께 계속 늘어나지 않습니다. 마스킹된 내용은 도구 호출 ID 또는 세션 seq로 필요할 때 세션 로그에서 그대로 복원됩니다.

Agent-Body의 장기 커널: 플러그인을 하나의 몸으로 조직합니다. 각 명령은 신경 임펄스가 되어 처리해야 할 장기를 결정적으로 자극하고 사용할 역량을 지정합니다. 가변 간격의 심박(경보 시 빠르게, 유휴 시 느리게)이 운영자 지시, 고유수용감각, 항상성 경고를 시스템 전반에 전달합니다. 반사궁은 모델 호출 없이 발화합니다. 실패는 결정적 원인 판별(도구 누락/인수/권한/시간 초과/네트워크), 처방, 재확인 루프를 거치며 인수 오류는 자동 재시도되지 않습니다. 없는 장기는 역량 중복이 가장 큰 장기가 보상하고, 도구 스키마는 현재 의도로 제한됩니다(측정 84.7% 감소, 리포지토리 내 재현 가능). 이 항목은 agent-body 리포지토리의 커널 플러그인 패키지입니다.

Agent-Body의 기억 기관: 2분간 침묵하면 얕은 잠에, 5분 후에는 깊은 잠에 들어가며, 그곳에서 결정적 규칙이 실제 경험을 메모리 카드(함정, 플레이북, 핫스팟, 미해결 문제, 사실)로 증류합니다. 들어오는 명령은 키워드로 관련 카드를 불러와 컨텍스트에 주입하고, 오래 쓰이지 않은 카드는 반감기로 감쇠하며 삭제되지 않고 아카이브됩니다. 몸 전체의 항상성 경고 노이즈도 제거합니다: 창 안의 반복은 다시 출력하지 않고 횟수로 세며, 낫지 않고 계속 반복되는 경고는 알려진 정상 상태 오프셋으로 수렴해 조용해집니다. 통합과 기억 호출에는 모델 호출이 없습니다.

dsh를 위한 화이트박스 인과 가드레일: 모든 도구 호출은 결정적 인과 논리 체인을 따라 실행 전에 심사된다 — 파괴적 작업과 자격 증명 파일 작업을 차단하고, 반복되는 경계 위반은 상향 처리하며, 검증되어 수정될 때까지 오류가 나는 연결을 끊고, 감사 불가능한 실행에는 위험 판정을 내린다; 완전 로컬로 동작하며 API 비용은 0이고, 6개의 화이트박스 자체 점검 도구를 포함한다.

Session의 서브에이전트와 지속 워크플로우를 위한 프로젝션 기반 실시간 DAG: 상태 및 탐색, 결정적인 깊은 체인 레이아웃, 맞춤/이동 캔버스 컨트롤, 현재 세션 노드 재배치를 제공합니다.

세션 간 메모리와 제로 토큰 결정적 회상(bigram-Jaccard를 FTS5 BM25와 RRF로 결합, 중국어 인식 토큰화), 반복 관찰을 강화하는 강화, 그리고 active-stale-archived 수명 주기에서 제자리로 다듬어지는 SKILL.md 파일로 구체화되는 절차를 제공합니다. archive와 rollback은 되돌릴 수 있으며, ingest와 disposal은 각각 사용자가 선택한 자율성 단계를 노출합니다. 충돌과 중요도가 높은 쓰기는 항상 사람 검토로 가며, 어떤 것도 자동 삭제되지 않습니다. Node 22.5+가 필요합니다.

dsh용 결정적 컨텍스트 압축: LLM 호출 제로, 경로·명령·오류 추적·미완료 할 일을 그대로 보존하는 규칙 기반 프루닝. 약 8만 토큰을 수백 토큰으로 압축합니다.

Cordis /hongtou 명령: 2단계 파이프라인 (LLM 구조화 JSON + 결정론적 Word 2003 XML 템플릿 렌더링)

AI 스타일 패턴을 제거하고 개인 음성에 맞추는 작성 도구. 8개의 결정론적 툴이 텍스트를 스캔하고 샘플에서 스타일 지문을 구축하며 재작성 브리프를 반환합니다.

DeepSeek Harness (dsh)를 위한 보호형 컨텍스트 압축: LLM이 제안하고, deterministic 가드가 처리 — verbatim 가드 하의 eager per-atom shrink(extract/summary/false) + 지연 reference-graph eviction(0-LLM) + append-only 로그의 바이트 단위 완전 일치 recall.