플러그인

단일세포·벌크 RNA-seq·생존 분석·회귀·ANOVA 등 BioDSH 분석 스킬 17개를 갖춘 생물정보학 에이전트 preset입니다. skill_library 도구로 2,000개 이상의 라이브러리를 검색하고, 메시지별 스킬 선택과 시간/단계 수렴 가드를 제공합니다.

10개의 에이전트 스킬로 구성된 QA 파이프라인: 요구사항 분석, 테스트 전략, 케이스 작성 및 리뷰, E2E(Playwright) 및 API 자동화, 탐색적 테스트, 회귀 범위 및 버그 분석, 형식 규칙, 리스크 모델 및 스키마 검증기를 갖춘 공유 지식 베이스 지원.

MCP를 통해 AI 챗에서 OriginLab Origin 과학 플로팅을 구동합니다: 62개 도구. 모달 대화상자 와치독, LabTalk 안전 게이트, release/reconnect, 초기/고정/가중치 파라미터를 이용한 피팅, 세밀한 플롯 및 시트 편집, 매트릭스 도구, FigureSpec 선언형 YAML(diff 및 재생 가능), MCP Resources 읽기 전용 스냅샷, matplotlib-figure 브리지, 패널 레이블이 있는 PowerPoint 어셈블리, Graph Gallery 템플릿 검색, EPS 내보내기, 파일 접근 화이트리스트, 시각적 회귀 베이스라인, 결정론적 읽기 검증이 포함된 편집 가능한 OPJU 결과물.

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.

DSH Web GUI용 모바일 웹 셸: 오버레이 드로어, 드래그 가능한 FAB, 모바일 composer 수정, 그리고 composer 위에 고정된 플로팅 이미지 업로드 버튼(네이티브 갤러리/카메라, 검증된 add-images 파이프라인과 통합됨), 데스크톱 회귀 없음. npm에서는 dsh-webui-mobile로 배포됩니다.

DSH 플러그인용 평가 harness입니다: YAML 케이스로 실제 헤드리스 에이전트 실행을 구동하고 도구 호출, 인자, 결과, 토큰 사용량을 검증하며 CI 회귀를 위한 베이스라인 게이트를 제공합니다.

설계 문서와 계획을 코드베이스 사실과 대조하는 주장 검증 스킬. 행위 관련 주장은 상태 머신과 데이터 모델을 위한 실행 가능한 로직 프리미티브 검증으로 에스컬레이션하며, 전후 회귀, 도메인 제약, 동시성 리스크 마이닝을 제공합니다.

DeepSeek Harness용 자기 진화 플러그인: 에이전트 실행을 관찰하고 LLM을 통해 자체 자산 개선을 제안하며, 각 제안을 샌드박스 시험 에이전트에서 검증하고 검증된 변경만 적용합니다. 버전 관리 원장과 회귀 시 자동 롤백을 갖춥니다.

DSH 세션용 행동 드리프트 보고서: 두 세션 로그를 비교해 도구 순서 정렬, 도구 구성, 추론량, 타이밍, 재시도, 파일 대상을 보고하며, 선택적 CI 임계값 게이트를 제공합니다. 의존성 없음.

DeepSeek Harness를 통해 Stata를 실행합니다. 네이티브 Stata AI Skill 서비스가 DSH와 함께 자동 시작되며(macOS/Windows 바이너리 포함), 수동 설정 없이 회귀분석, do-file 및 계량경제학 워크플로를 실행할 수 있습니다.

DeepSeekHarness 에이전트용 프런트엔드 GUI 디버깅 및 테스트입니다. browser_* 도구 36개로 Web/Chromium의 구조화된 GUI 자동화, 시각 비교, 동적 프레임 분석, 네트워크 디버깅을 제공합니다.

유휴 에이전트 턴용 회로 차단기: agent/assistant-stream을 감시하여 45초 후, 80000개의 추론 문자 이후, 또는 퇴행적 반복 패턴(정확한 반복 단위, 문장 템플릿 반복, 희소 반복, 6-gram 밀도)에서 텍스트도 도구 호출도 생성하지 않고 추론만 출력하는 턴을 취소합니다. 트립 시 다음 액션이 도구 호출이어야 함을 요구하는 continue 명령을 주입하며, 11개의 회귀 테스트와 게이트별 튜닝을 제공합니다.

dsh-lint-loop v0.7.0은 관찰 가능한 shell/bash/pwsh 및 파일 도구 변경을 대상으로 범위가 제한된 읽기 전용 증거 검사를 추가합니다. 증거가 불확실하면 incomplete 상태로 남습니다. [Release](https://github.com/lemonxiny55/dsh-lint-loop/releases/tag/v0.7.0)

DSH 웹 셸용 모바일 어댑터: 오버레이 사이드바/세부 드로어, 768px 미만에서의 반응형 컴포저와 설정, 데스크톱 성능 저하 없음.

DeepSeek Harness용 QA 오케스트레이터 플러그인: 에이전트가 앱을 탐색하며 증거를 남기고, 탐색된 경로가 결정론적으로 재생됩니다. 브라우저, macOS 데스크톱, iOS 및 Android 드라이버를 구동합니다.

/dshpp 슬래시 명령이 harness 세션 로그에서 세션·토큰 사용량, 캐시 적중률, 추정 비용을 보고합니다. 저장소에는 생명주기, provider, 세션, 플러그인 보안 관리를 위한 CLI와 로컬 Web console도 포함됩니다.

계보를 갖춘 결정·목표 메모리. 명시적 명령과 모델 도구가 결정을 결정론적으로 기록하고, 상태 카드가 compaction을 넘어 결정을 재고정합니다. BM25+jieba 검색을 갖춘 무손실 이벤트 스트림이 이를 뒷받침하며, 시나리오 수준의 충실도 회귀 스위트가 릴리스를 게이트합니다.

DeepSeek Harness에서 Stata 실행: 네이티브 Stata AI Skill 서비스가 DSH와 함께 자동 시작(macOS/Windows 바이너리 동봉)되어 회귀, do 파일, 계량경제학 워크플로를 수동 설정 없이 실행할 수 있습니다.

에이전트 산출물을 위한 독립 브라우저 승인 테스트입니다. JSON 사양을 입력하면 실제 Chromium 판정이 출력됩니다.

브라우저 버그를 기록하고 기대 결과를 고정한 뒤, 새 원본 코드 대조군에서 수정 사항을 검증합니다.

플러그인 작성자용 계약 회귀 하네스: 스크립트된 LLM 어댑터가 격리된 자식 프로세스에서 실제 파이프라인을 구동하고 세션 이벤트를 검증(load/contract/behavior/fault 계층). API 키 불필요, CI 지원.

Merges your configured, runtime-registered and locally cached models into one panel, probes and minimal-request tests them, pulls each channel's upstream /v1/models catalog, and chains the keepers into named schemes. A virtual ModelPool provider fails over at request time with per-model cooldowns, exponential backoff, image-request avoidance for text-only models, and a 10-minute memory for rejected reasoning levels. Adds a token ledger by day and model with CSV export, and 21 regression probes. Not a fork of dsh-llm-fallbacks.

Records a session as a run, replays it in an isolated workspace copy with another model or prompt, diffs the two trajectories side by side, aggregates runs into a task × variant matrix, and gates regressions with task assertions and a CI exit code.

Agent application development evaluation skill (skill bundle) for DeepSeek Harness: offline/online suites judged from audit side effects, baseline diff with zero tolerance for safety regressions, and mutation tests proving the evaluators themselves catch regressions. Framework-agnostic - needs a callable chat endpoint and queryable tool-call records. DSH host compatibility is deliberately undeclared.