플러그인

매 턴 판정한 동반 앱의 기분을 짧은 컨텍스트 메모로 표시합니다. 기분·감정 차원·타임라인 패널을 제공합니다.

로컬 SQLite 기반 세션 간 장기 메모리입니다. 사용자/각 Git origin 프로젝트의 이중 범위, RRF로 결합한 FTS5+로컬 벡터 검색, 명시적 충분성 판단을 요구하는 증거 게이트, 출처 감사 체인, SM-2 간격 반복, 통합·요약·감쇠 망각을 제공합니다. 9개 화면의 Memory Palace 사이드바 패널과 좁은 매개변수 도구 22개를 포함합니다. 외부 서비스·API 키·Docker는 필요하지 않습니다.

Elasticsearch / OpenSearch용 DSH Web GUI 로그 검색 카드입니다. 방언별 쿼리 문자열과 클릭 가능한 예시, 필드 이름 자동완성, 필터 칩, 구간을 확대하는 시간 히스토그램, 버킷을 필터로 바꾸는 필드 facet, 레벨 색상·스택 이어쓰기 행·열·페이지 이동이 있는 결과 목록을 제공합니다. Docker 로그는 docker 플러그인을 재사용하는 수집 소스입니다. 패널과 같은 실행 계층을 쓰는 읽기 전용 loglens_* 도구 5개(sources/search/fields/facets/context)를 포함합니다. 외부 요청은 설정된 소스만 대상으로 하며 해석된 IP를 기준으로 판단하고 리디렉션을 따르지 않으며 크기와 시간 제한을 둡니다.

text-only models를 위한 디자인 충실도 QA: `deepseek_vision` 도구가 어떤 OpenAI 호환 vision route에서든 한 쪽 눈을 빌려와 모델이 구현이 mock과 일치하는지 판단할 수 있게 하며, 그 판단 뒤에 있는 벤치마크(4개 fixture, 23개 주입 결함, raw transcripts)와 그것이 의존하는 질문 규율까지 함께 제공합니다.

dsh용 자동 사고 노력 라우팅: 로컬에서 미세 조정된 7개 질문 분류기(ModernBERT, 842MB, <1초 CPU 추론)가 무의도 메시지에 대해 low/high/max를 선택합니다. 세션 내 재시도가 배제 제약 하에서 티어를 에스컬레이션(low → high → max)합니다. 저지 서비스에 도달할 수 없는 경우 안전하게 low로 실패합니다. 입력 바의 티어 칩은 라이브 티어와 최근 20개 판단을 표시합니다. 모든 추론은 로컬에서 수행됩니다 - 작업 텍스트는 기기를 절대 떠나지 않습니다.

원시 지시를 한 번에 전문 프롬프트로 최적화합니다. 출력 스타일 3종, 상황별 역할/작업/목표 분석, 모델 심사자의 다중 결과 선택, 세션 기억·스마트 기본값·사용자 재정의를 이용한 자기 개선을 지원합니다. 22개 하위 상황의 /template은 모델 호출이 없습니다. 입력란 ✨ 최적화/되돌리기, prompt_optimize 도구, 자동 최적화 hook, 런타임 상태 페이지, dsh 0.2.0 설정 패널, zh/en 문서 자동 감지를 제공합니다.

DeepSeek Harness용 장기 기억 플러그인입니다. 매 턴을 판단해 로컬 SQLite(utterance / event / version / stage / decision)에 저장하고 탐색 패널을 제공합니다.

DeepSeek Harness용 교차 세션 페르소나·일기입니다. 로컬 게이트가 기억할 만한 턴을 고른 뒤 추가 모델 호출로 1인칭 일기와 사용자 인상을 작성하며, 각 인상에는 근거가 된 구체적 순간을 기록합니다. 이후 대화에는 약 2000 tokens의 자기 기억 블록을 주입하며 페르소나 핵심, 모델이 직접 쓴 판단, 일기의 세 부분으로 구성됩니다. 모델이 자신의 말로 판단을 기록하는 도구도 있습니다. 사람이 쓰는 일반 Markdown 메모 파일은 플러그인이 읽기만 합니다. 사이드바에서 보관함을 읽고 잊기·내보내기 할 수 있으며, 잊기는 삭제가 아니라 항목의 우선도를 낮춰 주제 일치가 강하면 다시 노출될 수 있습니다. 보관함은 로컬 일반 폴더라 읽고 편집하거나 다른 계정으로 옮길 수 있습니다. 전송 전 비밀정보를 제거합니다. 런타임 의존성 0, 빌드 불필요.

OMK — 관찰. 측정. 파악. AI 애플리케이션을 위한 증거 기반 지식 변화.

작업 전에 요구사항을 인터뷰합니다. 요청이 명확한지 판단하고 불명확하면 핵심 질문을 합니다. strict 모드에서는 사용자가 채팅에서 4개 항목 요약을 확인할 때까지 편집 도구를 거부합니다. 확인된 선호는 2계층 메모리에 보관합니다.

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.

독립적인 승인 서브에이전트가 모든 샌드박스 에스컬레이션을 판단하며, 구성 가능한 모델과 감사 로그를 갖추고 있습니다.

OMP가 지원하는 모든 규약의 규칙 파일을 찾아 항상 적용되는 계층과 규칙집 인덱스로 시스템 프롬프트에 넣습니다. 스트리밍 규칙은 턴 중 위반 출력을 중단하거나 해당 도구 호출을 거부하고, 호출 결과에 알림을 추가하거나 완성된 답변을 판정 모델에 물을 수 있습니다. 같은 도구로 모델이 새 규칙을 작성할 수 있으며 Plugins 페이지 감사 패널은 각 규칙이 적용되는 이유를 보여줍니다.

로컬에서 분석된 시스템 오디오를 DSH Web의 음악 반응형 대화 효과, 리듬 게임 판정, 점수 및 콤보 피드백, 선택적 RGB 스펙트럼 바에 매핑합니다.

런처로 시작한 세션에만 적용되는 런타임 플러그인 방화벽입니다. DSH Desktop에는 주입할 수 없어 적용 대상이 아닙니다. 파일/네트워크/하위 프로세스 호출을 호출한 플러그인에 귀속해 선언과 비교하고, 선언된 동작은 조용히 통과시키며 벗어난 동작은 기록합니다. 귀속은 best-effort이며 보장되지 않습니다. 분류되지 않은 호출은 다른 플러그인이 아닌 호스트로 돌아갑니다. 사전 상태 카드(기능, 위험 조합, PASS/WARN/BLOCK), 경계 판정, 선택형이며 기본 꺼짐인 실행 전 차단(자격 증명 탈취 규칙), 격리 자식 프로세스 업데이트 시험, SARIF/CSV 감사 내보내기, 여러 출처 집계를 제공합니다. 로컬 저장만 하고 텔레메트리는 없습니다. 웹훅도 선택형이며 기본 꺼짐입니다.

승인이 필요한 도구 호출에 대한 자동 승인과 검토: 키워드 버킷이 컨텍스트 없이 레드라인을 매칭하고, 그다음 판정 모델이 요청된 내용을 분류해 일치하는 행과 위험 수준에 따라 허용, 거부 또는 사람에게 보냅니다. 실행되지 않은 판정은 항상 사람에게 전달되고, 거부는 모델에게 이유를 알려 줍니다.

다음 행동을 말만 하고 도구를 호출하지 않은 채 끝난 에이전트 턴을 재개합니다: 가드가 agent/turn-stopping에서 턴 로그를 재생하고, 판정 모델에 참/거짓 질문 하나를 던지며, 같은 턴을 한 단계 더 실행하도록 유도합니다.

분리된 Git worktree에서 3개 또는 5개의 코딩 에이전트 후보를 실행하고, 프로젝트 명령으로 패치를 검증하며, 통과한 후보만 순위 매기고 승격 전에 별도 승인을 요구합니다.

3계층 에이전트 메모리 하니스: 항상 활성화된 L1 CLAUDE.md, L2 인덱스, 템플릿이 있는 L3 상세 스켈레톤, 보호된 파일 쓰기를 1회성 승인 토큰 없이는 차단하는 게이트, 판단 없는 이벤트 로깅, 주간 증류, TDD 실행 루프 스킬.

파인만 학습 모드 플러그인: 가르치기 → 되짚어 설명하기 → 평가 → 재설명의 루프를 리치 HTML 수업 카드로 렌더링(mermaid 다이어그램 + shiki 코드 하이라이팅)

DSH에 설정된 여러 AI가 각자의 persona로 같은 주제를 여러 차례 토론하고 context를 공유합니다. 심판은 공격성·논리·persona 재현도·재미·전략·깊이 6개 축으로 가중 평가합니다. 비용 효율은 dsh-cost-meter의 실제 ledger로 별도 표시하고 Markdown 전투 보고서와 docx를 출력합니다.

학습된 생활 리듬, 실제 오프라인 수면, 자체 메모리를 갖춘 AI 동반자입니다. pi 버전과 동일한 judge math를 통해 자기 보고 affect를 전달합니다.

DeepSeek Harness용 메모리 조립 팀입니다. 메시지마다 judge/retrieve/assemble/feedback/calibrate의 5단계 인지 루프를 수행하며 judge, retriever, archivist, advocate, editor, scribe 역할의 subagent가 참여합니다. BM25 검색, 시간순 자료, LLM 조립으로 유용한 자료 묶음을 만들어 linghun에 주입합니다. dsh-linghun과 함께 작동합니다.

dsh-approval-gate의 유지관리 포크입니다. 중립 작업의 확인 횟수가 임계치에 도달했을 때 judge를 사용할 수 없으면 사람에게 다시 묻지 않고 자동 승인합니다. 승인자 설명은 실제 sandbox 모드, 명령, 경로에서 중국어로 생성합니다. 자격 증명 유출과 시스템 경로 파괴는 결정론적으로 거부하며 judge 입력 마스킹, judge 모델 후보 체인, fingerprint 범위 허용 규칙, unified diff와 원클릭 복구가 있는 승인 화면도 제공합니다.