플러그인

DSH 및 다른 코딩 에이전트를 위한 공유 Markdown 메모리, 자동 캡처, 단계 전 컨텍스트 주입, 검색 가능한 리콜, 리뷰 패널을 통한 메모리-스킬 자기 진화를 제공합니다.

Harness Desktop용 DSCODE: 코딩 협업, 세션 메모리, 브라우저 워크플로, 작업 관리.

DeepSeek Harness에 TypeSafe Jev를 통합해 skill 및 파일 선택, 작업 감독, 공유 조사 결과 수정, 도구 출력 필터링, 승인 지원, 기록된 단계 탐색을 제공합니다. 모든 기능은 기본적으로 꺼져 있습니다.

tools/pre-execute에서 대기 중인 도구 호출을 Jev(TypeSafe AI의 비생성적 의사결정 모델)로 분류합니다 — 확신도 높은 고위험 호출은 거부되고, 모호한 호출은 승인 요청으로 에스컬레이션됩니다 — 또한 approval/request에서 명확히 허용된 가역적 호출은 인자 근거 게이팅을 거쳐 자동 승인됩니다. 세션 참조 리졸버도 서브클래싱하여 스냅샷이 가장 오래된 메시지부터 버리는 대신 Jev 점수가 매겨진 메시지를 유지하게 합니다. 프로바이더 장애 시 기본 동작으로 저하되며, /jev-stats 명령이 있는 섀도 모드, TypeSafe 또는 OpenRouter 엔드포인트, 64개 테스트를 제공합니다.

Jev DSH 의사결정 엔진｜Agent Harness 지향 구조화된 의사결정 플러그인. DeepSeek Harness 네이티브 지원, iPolloWork를 통한 OpenCode, Codex Harness 지원.

DeepSeek Harness용 Jev 기반 의사결정 레이어 플러그인

Jev 판단을 세 가지 자동 동작으로 바꾸는 DeepSeek Harness 플러그인 — 요청과 관련된 세그먼트로 과대한 도구 출력을 잘라내고, 가져온 페이지에서 모델을 겨냥한 지시를 선별하고, 다음 단계에 맞는 스킬을 고릅니다 — 여기에 jev_ask와 jev_gate 도구, 재시작 후에도 남는 판단 원장, /jev-status 보고서를 더합니다. TypeSafe API 키가 필요하며, 키가 없으면 아무 동작도 하지 않고 아무것도 전송하지 않습니다.

Jev System One 분류, 동적 도구 제거, 서브에이전트 라우팅을 통한 지능형 token 최적화입니다.

Jev 판단 모델 또는 Agent 도구로 DeepSeek Harness 세션을 자동 분류하고 제목 앞에 상태 이모지(진행 중 🚧, 차단 ⏸️, 검토 👀, 완료 ✅, 계획 💡, 버그 🐛)를 표시합니다. 원활한 수명 주기 복구, 선택적 Jev 추론(Jev API 키 필요), 모델 도구 유지 관리, 시각적 설정 패널을 제공합니다.

DeepSeek Harness용 AX 우선 macOS 컴퓨터 사용: 안정적 ref를 쓰는 접근성 스냅샷, 백그라운드 입력, 유니코드 타이핑, 메뉴와 앱, set-of-mark 스크린샷, 온디바이스 OCR, 검증된 동작 — macos-cu CLI에 브리지된 11개 도구.

jev-decision-kit 워크스페이스의 로컬 JEV 모델이 턴마다 선택한 스킬 선택 서문을 주입해, 에이전트가 탐색하지 않고 해당 스킬만 불러오게 합니다. 별도로 설정된 jev-decision-kit 워크스페이스(Python .venv, host/preface_worker.py, models/jev/head.json)가 필요합니다. 없으면 아무것도 주입하지 않습니다.

DeepSeek Harness를 위한 AX 우선 macOS 컴퓨터 사용: 안정적인 참조가 있는 접근성 스냅샷, 백그라운드 입력, 유니코드 입력, 메뉴, 앱, set-of-mark 스크린샷, 온디바이스 OCR, 검증된 작업, 그리고 선택적 Jev(TypeSafe System One) 시맨틱 가드 — 1

모델 기억이 아닌 공개 웹 자료로 주장을 검증하는 skill입니다. 주장을 독립 검증 가능한 사실로 나누고 분야별 1차 자료 우선순위에 따라 국내외를 병렬 검색하며 원문 페이지를 가져와 유형별로 평가하고 반박 키워드로 재검색합니다. 결론부터 제시하고 모든 진술에 전체 URL과 인용 위치를 붙이며 미검증/판정 불가와 확인된 사실을 분리합니다. 키가 있으면 3개 판정을 TypeSafe Jev(System One)에 선택적으로 맡기고, 없으면 결정론적 규칙으로 처리합니다. 모델 판정은 신뢰도 단계만 낮출 수 있습니다.

DeepSeek Harness용 jev_decide 도구로서의 TypeSafe Jev(System One 의사결정 모델): noul, choice, score 질문이 보정된 확률을 반환합니다. 자격 증명은 DSH 자격 증명 시임을 재사용하고, 429/529 백오프 재시도가 내장되어 있습니다.

Jev(System One) 의사결정 모델 패러다임을 OpenAI 호환 LLM과 함께 사용 — TypeSafe 키가 필요하지 않습니다. 한 번의 호출로 유형화된 질문(choice/score/boolean)에 확률 분포 답변을 반환하는 jev_decide 도구를 등록합니다.

TypeSafe Jev를 일급 Cordis 서비스로, 그리고 DeepSeek Harness용 모델 가시 도구 3개로 제공합니다 — 기본적으로 오프라인, 외부 전송 공개, 절대 기본 활성화되지 않습니다.

JeV가 선택한 작업 계획, 진행 업데이트, 단계 요약을 DSH 채팅에 표시하고 기본 번역 또는 경량 요약을 제공합니다. JeV key가 필요하며 Jev 서비스는 외부에서 호출되어 요금이 발생할 수 있습니다. 계층형 순차/병렬 작업 흐름도 지원합니다.

DeepSeek Harness용 중국어 다중 에이전트 워크플로입니다. 역할별 model fallback, 버전 관리되는 Mermaid 작업 계획, 독립적인 Agent/Jev 검토, 지속적인 전문가 협업, 순수 함수 계산 도구를 제공합니다.

DSH 객관식 프롬프트에 사람을 위한 TypeSafe Jev 조언을 추가합니다. 기본은 요청 시 제공하며 선택적으로 자동 요청할 수 있습니다. 추천, 확률, 신뢰도, 박빙 경고, 복사 가능한 제안, 원클릭 채택, 프로필별 카드 배치, 임시 결정 선호를 제공합니다. 선택적 요청 미리보기는 공통 자격 증명을 마스킹하며 로컬 상태 확인과 정제된 진단 내보내기도 지원합니다.

5계층 의도 인식 파이프라인(규칙, pgvector 검색, Jev 점수화, 미세 조정된 중재, LLM 대체 경로)입니다. 시나리오 관리 UI, PostgreSQL 저장소 및 배포 가능한 API 서비스를 제공합니다.

DeepSeek Harness 브라우저 provider입니다. 현재 페이지에서 가능한 동작을 보여 주는 색인 표를 보고 실제 브라우저로 웹 작업을 단계별 수행합니다(HTML이나 스크린샷 대신 색인된 동작 표를 확인). 각 단계는 Jev 판단 1회로 처리하며 저장소 benchmark의 중앙값은 1.1초, chat-model 턴은 2.8–3.6초입니다. 대화에는 결론만 전달해 페이지 때문에 context가 늘지 않습니다. 방금 읽은 페이지에서 대상 요소를 고르고 변경된 페이지는 다시 읽은 뒤 조작합니다. Session 소유 브라우저를 사용하며 attach mode로 바꾸지 않는 한 평소 Chrome은 건드리지 않습니다.

DeepSeek Harness (DSH) 추론 등급 자동 선택 플러그인: Jev System One 모델이 각 메시지가 얼마만큼의 사고 가치가 있는지 판단하고, 모델이 선언한 등급에 따라 자동으로 단계를 도출합니다. 컨텍스트 봉투 덕분에 「계속」 같은 후속 질문이 화제 깊이를 이어받고, 신뢰도가 낮으면 위로 올림하며, 어떤 실패든 조용히 원래 등급을 유지합니다. | Jev 기반 메시지별 추론 노력: 각 모델이 공표한 내용에서 도출한 모델별 단계, 후속 질문이 화제 깊이를 상속하게 하는 고정 크기 컨텍스트 봉투, 동점은 위로, 모든 실패 경로에서 조용한 폴백.

dsh용 의사결정 계층: 제공자에 독립적인 형식화된 판단(Jev 우선)을 도구 가드레일, 모델 라우팅, 결과 판정, 기기 승인 접점 뒤에 둡니다.

DeepSeek Harness용 Jev 점수 컨텍스트 압축: 중요한 메시지는 유지하고 중요하지 않은 메시지는 압축합니다.