플러그인

AI 에이전트용 은밀하고 효율적인 브라우저 드라이버. 적은 도구로 완전한 제어와 토큰 효율을 제공합니다.

엔지니어링·생산성 스킬 27개(mattpocock/skills v1.3.1)를 포함해 별도 수동 설치가 필요 없습니다. 제작자는 400억 토큰으로 구축했으며 원래 스킬 대비 개발 효율이 10배라고 주장합니다. 초보자가 스킬 모음을 더 빨리 시작하도록 돕습니다. GitHub Issues는 완전히 지원하고 Markdown은 미리보기이며 GitLab은 아직 지원하지 않습니다. 이용과 지원에 감사드립니다.

DSH 0.2.1-alpha.1에서 도구 출력을 필터링하고 오래된 컨텍스트를 정리하며 필요할 때만 스킬을 공개합니다.

자체 제작 DSH 메모리 플러그인: SQLite 영구 저장 + 데이터베이스 수준 감사 가드(enforceAudit) + 감사 로그. 대화 후 지식을 자동 수집하고 memory_recall로 회상하며 Claude Code/Codex/Cursor 멀티 에이전트 공유를 지원합니다. 외부 의존성 제로.

모델·프로바이더·워크스페이스·기간을 아우르는 사용량 분석: 캐시 적중 가시화, 모델/프로바이더별 분해, 시간별·일별 추세, GitHub 스타일 53주 히트맵, 연속 사용, Token 점유율 도넛 차트, 조합 가능한 필터, 캐시 효율 추세, DeepSeek 잔액, CSV 내보내기. 세션 삭제 후에도 보존되는 영구 원장(증분 재구축, 재시작 시 미변경 세션은 로그 재독 없이 적용). 워크스페이스 등록은 DSH domain/changed 프로브로 자동 갱신되며 DSH 등록 워크스페이스만 엄격히 집계합니다. Token 회계는 입력·캐시 읽기/쓰기·추론을 분리하고 제로 사용 재생은 기록을 덮어쓰지 않습니다. 중국어는 현지 시간, 영어는 UTC. API는 루프백 전용.

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 Harness용 망각 곡선 인플레이스 대화 압축: 최근 턴은 그대로 유지, 중간 턴은 구조적으로 탈수(LLM 미사용), 오래된 턴은 경계 요약 쌍으로 접힘 — 경계 메모리 예산에서의 무경계 대화.

On-demand memory for DeepSeek Harness: session logs are distilled into layered markdown (a summary, an index and per-topic files), and a mem_query tool returns only the matched entries rather than the whole index. Nothing is injected per turn, there are no dependencies, and every entry keeps a source pointer back to the conversation it came from.

Context curation for DeepSeek Harness: content-aware tool-output slimming, dead-log sweep, pinned user requirements and in-flight work, archive-then-compact with an audit trail.

A DSH conversation workspace: turn actions, provenance quotes, local notes and summaries, in-conversation find, focus lock, and per-workspace command buttons.

Multi-agent frugality defense plugin: read-ledger dedup metrics, compaction-immune rules, completion gate, cheap-model review lane.