플러그인

Agent Context Editor는 AI 대화 컨텍스트를 수동으로 제외, 편집 및 선택적으로 압축하는 에이전트 간 플러그인입니다. 원본 세션을 보존하면서 변경 사항 검색, 필터링, 선택, 숨기기, 복원 및 실행 취소도 지원합니다.

AI4Scholar 학술 검색: Semantic Scholar, PubMed, Google Scholar, arXiv, bioRxiv/medRxiv 및 DOI 확인을 아우르는 38개 도구(검색, 인용 그래프, 저자, 추천, 분할된 PDF 전문, 자동 인용, 과학 그림). 중복 제거 기능이 있는 통합 크로스 플랫폼 검색, 설정의 API 키 카드, `/ai4scholar` 잔액 카드를 통한 호출별 크레딧 계산을 제공합니다.

DeepSeek Harness Web UI용 Live2D 고래 소녀 컴패니언: 모델이 화면에 남아 에이전트가 실제로 하는 일(생각, 도구 호출, 스트리밍 텍스트, 오류, 턴 완료)에 반응합니다. 클릭하면 에이전트에 메시지를 보내고 답변이 말풍선에 스트리밍되는 것을 볼 수 있습니다. 우클릭하면 표정, 의상 아이템, 책상 장면, 일회성 애니메이션 메뉴가 나오며, 모든 동작은 원본 모델 작성자의 핫키 시트에서 매핑되어 겹치지 않고 자동으로 만료됩니다. 비상업적 모델 에셋(CC BY-NC-SA 4.0), MIT 코드, 제작 Andersen216 (https://github.com/Andersen216).

로컬 문헌 지식베이스 RAG: 도구 10개(kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), BM25+벡터+리랭커 하이브리드 검색, 클릭 가능한 DOI 링크가 있는 인용 QA, 단일 파일 SQLite 인덱스 위에서 전부 로컬로 동작하는 bge 임베딩. Python 3.9+와 pymupdf, faiss-cpu, sentence-transformers가 필요하며, `npx dsh-kb-rag-install` 설치 프로그램이 이를 설정하고 모델을 미리 내려받습니다.

사이드바의 세션 기반 작업 보드: 세션을 todo/doing/review/done 칼럼으로 드래그, 모델 및 추론 노력 선택으로 세션 생성, 복원이 있는 휴지통, 노트, 내보내기/가져오기.

Learning Mode 에이전트 프리셋: 코딩하는 동안 가르치는 코딩 에이전트 - 구체적인 시나리오 기반 설명, 소크라테식 안내, TODO(당신) 연습 빈칸, Claude Code의 Learning 출력 스타일 모델링; dsh plugin add (dsh-learning-mode on npm)을 통해 설치 가능.

Learning Mode 에이전트 프리셋: 코딩하면서 가르치는 코딩 에이전트 - 구체적인 시나리오 기반 설명, 소크라테스식 가이드, TODO(你) 연습 빈칸, Claude Code의 Learning 출력 스타일을 모델로 함. `dsh plugin add` (npm의 dsh-learning-mode)로 설치 가능.

하네스 에이전트 라이브 상태(생각 중, 작업 중, 대기, 완료, 오류)를 상태 파일에 기록하면 번들로 포함된 Electron Live2D 데스크톱 펫이 이를 폴링하여, 펫 말풍선과 표정이 에이전트가 하는 일을 따라갑니다.

에이전트용 인용 도구입니다. 정확한 DOI 조회, Crossref 서지 검색, GB/T 7714 / APA / MLA / Chicago 서식, BibTeX 생성, 제한된 동시성의 DOI 검증과 헬스 자체 점검을 제공합니다.

macOS desk pet forked from anneheartrecord/dsh-desk-pet, in a real always-on-top window that covers fullscreen Spaces: the pose follows whatever the local DSH is doing across six states, the right-click menu is a real AppKit one carrying quiet mode and a session list, and seven skins ship with it. Two of the seven are drawn from geometry by a script in the repo rather than generated, so making a skin needs no image model and no API credits; the bundled skill still expands one photo into all eighteen poses on your own image tool and credentials. There is no Electron and nothing to install alongside it: the window is driven through ctypes on the Python that ships with macOS.

Ships a skill about handing work to subagents instead of doing it inline - which tasks are worth fanning out, how many to run at once, how to send them in parallel, and how to check what they returned instead of trusting the summary.

Voice for the DeepSeek Harness: speak to the agent, hear it back, and see what it is doing from a floating window that stays on top of whatever you are running.