플러그인

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.

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.

DeepSeek Harness용 판단 코어입니다. 인지 루프가 각 판단의 출처와 귀속을 기록하고 계획을 마무리하며, hippocampus memory는 경험을 journal ledger, episodic archive, 낮은 신뢰도 감쇠로 지식화합니다. 아키텍처에서 판단 책임, 일관된 기준, 출처 연결을 정의하고 dsh-linghun-assembler를 통해 A2A 메모리 관리 팀을 제공합니다. DSH ^0.1.0-rc.7 필요(rc.2 지원).

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.

DSH 에이전트를 위한 디자인 감각 코퍼스: 좋은 예와 나쁜 예를 축적하고, 원칙을 증류하여 고정된 규칙이 아닌 학습된 판단에 따라 새로운 디자인을 검토합니다.

Project workspaces for multi-session collaboration, conversation handoffs, searchable chat records, and editable shared memory; automatic memory curation and handoff judgment require two background models (memoryModel and sessionManagerModel) configured in the plugin config.

DeepSeek Harness 플러그인 판정 계층입니다. 플러그인이 조용히 사라진 이유를 찾고, 후보를 사용자의 정확한 환경에 비춰 평가하며, 기능 원장을 유지합니다. 오프라인, 읽기 전용, 증거 우선.

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

DeepSeek Harness용 감사 workspace입니다. 각 review seat는 agent가 맡고 모든 판단을 이름 있는 review face로 보내며 전체 실행을 추적 가능한 기록으로 보존합니다. 서비스 endpoint가 내장되어 바로 사용 가능하고 첫 실행 때 workspace를 자동 준비하며 review scene마다 seat와 agent를 나열합니다.

TypeSafe/Jev(System One) skill을 DeepSeek Harness 전역 skill 계층에 등록합니다. 모든 세션에서 prompt-and-parse 대신 타입이 지정된 판단으로 분류, 라우팅, 점수화, 추출, 신뢰도 게이트를 수행합니다. API key는 포함되지 않으며 사용자가 `OPENROUTER_API_KEY`를 제공합니다.

v0.8.6은 시작 충돌을 수정합니다. Host runtime package는 설치하지 않는 optional peer입니다. TypeSafe Jev(System One 결정 모델)를 DeepSeek Harness에 end-to-end 연결하고 도구 7개를 제공합니다: `jev_decision`(1회에 1–25개 병렬 typed verdict, noul/choice/score, 보정된 신뢰도, 중앙값 266–484ms, 산문 없음), `jev_choose`(2–10개 방안을 적합도 0–3/위험으로 순위화해 추천 선택), `jev_batch`(0.8.6 신규: 텍스트 1–20개, 판단 1–5개, 텍스트당 실제 호출 1회·동시성 제한; 실패 행은 추측 없이 원시 오류 반환), `jev_usage`(로컬 측정 및 선택적 로컬 한도), `jev_overview`, `jev_guard_status`, `jev_verify`(고정 27문항 실시간 벤치마크, 동시성 6에서 26/27=96.3%). 원장은 기본 `$DSH_HOME/jev-usage.json`에 저장됩니다. Remaining은 API에서 가져오는 잔액이 아니라 선언 잔액에서 `balanceSince` 이후 로컬 측정 지출을 뺀 값이며 조작하지 않습니다. API key 누락은 명시 오류, 등록 실패는 표면별 격리. 클라이언트는 refresh, 서버는 Host 재시작이 필요합니다.

Brain-inspired cognitive architecture for DeepSeek Harness: hippocampal episodic memory, cortical semantic memory, spreading-activation recall, appraisal-based emotion, neuromodulator state, Big Five personality and dual-process judgment.

Structural scaffolding for DSH agent continuity: layered memory (hot/index/judgments), judgment cards, handoff packs (compact mode), compaction review. Zero-dependency, pure files, portable — rebuild the 'self' across model changes. Not a memory engine; the skeleton of continuity.

Runs an approved OpenSpec change to completion while the model stays a mechanical forwarder: a bundled Python CLI computes the ticket DAG frontier, claims tasks atomically, prepares one git worktree per assignment, and returns exact actions. The session delegates each action with the DSH subagent tool and reconciles the completion notice against a hash-bound receipt produced by re-running verification commands on a clean, advanced HEAD, so free-text "done" never counts. Runtime scope changes are plain tasks.md edits. Liveness is observable, not guessed: status returns a relay block (elapsed and lease budget, receipt presence, heartbeat and activity age, a suggested action); abandoning a plausibly-still-working attempt is refused with the judgment data unless --force; a late sealed receipt is revived by adopt after full re-verification instead of rebuilding the ticket; dispatched subagents refresh a progress heartbeat outside the worktree. Requires Python 3.10+ on PATH and a git project that uses OpenSpec.

Look up Chinese companies inside the conversation: name a company and get its business registration, shareholders, executives, outbound investments and registration changes, plus judicial and operating-risk records such as enforcement, dishonest judgment debtor, consumption restriction, abnormal operation, serious illegality and administrative penalties (11 dimension groups). Results render as conversation cards with fields and the raw payload on expand, and the API key is saved from the plugin page into the Harness credential store.

Three ledgers for a model that loses context between restarts. Self-note: what I have become — capped at 40 entries, and every eviction first leaves a one-line crease recording which entry was dropped and why. Judgment ledger: record a claim together with how to verify it, come back when it is due, and mark it right or wrong; wrong ones stay in a mistakes book so you stop assuming you were always correct. Handoff: where this run stopped and what the next one should read first — a baton, not a memory. Three tools each taking an action parameter instead of a dozen separate ones (the prompt is paid every turn). Data lives in ~/.dsh/*.jsonl and is shared with the same-named CLI scripts. Zero dependencies.

자신의 모델 설정을 상대로 하는 사회적 추리 게임입니다. 테이블은 N석(기본 6석, 그중 하나는 사용자)이며 나머지 일부는 provider, model, temperature, system prompt, disguise 설정이 서로 다른 에이전트가 맡습니다. 질문하고 답을 대조해 인간이 아닌 좌석을 찾아냅니다. 좌석을 판정하기 전까지 좌석 정체와 에이전트 모델 설정은 host state에 숨겨지고, 판정 후 disguise 매개변수가 공개됩니다. 매 라운드 좌석별 대화 JSONL과 판정 기록을 내보냅니다. 같은 seed와 이동 script는 바이트 단위로 똑같이 재생되어 다른 model이나 disguise 강도의 실행을 diff할 수 있습니다.

DeepSeek Harness 에이전트 루프 게이트(pre-step, pre-execute, post-execute, turn-stopping)에서 Jev(TypeSafe System One) 판정을 수행합니다. UI 의존성이 없으며 어떤 Harness 구성에도 연결할 수 있습니다.