플러그인

ShiGuang Memory Engine(SGME) 브리지: HTTP를 통한 멀티 에이전트 공유 장기 메모리 — L0/L1/L1.5/L2 정제, 시나리오 기반 주입, 통합 검색, 능동적 케어 시그널(memory_search / wiki_search / signal_pull / signal_claim / signal_ack), `dsh-sgme`로 설치 가능

오프라인 지식 공유를 위한 팀 지식베이스(FDE 박스 시나리오): 탐색, 전체 텍스트 검색, 정제 진입점. 원자료는 자동으로 대기열에 들어가고 직렬 봇 세션에 의해 위키 페이지로 정제됩니다(Karpathy LLM Wiki 패턴: 불변 원본, 2단계 정제, 로그 스트림, 월간 lint).

Learning Mode 에이전트 프리셋: 코딩하는 동안 가르치는 코딩 에이전트 - 구체적인 시나리오 기반 설명, 소크라테식 안내, TODO(당신) 연습 빈칸, Claude Code의 Learning 출력 스타일 모델링; dsh plugin add (dsh-learning-mode on npm)을 통해 설치 가능.

DeepSeek Harness Web용 AI 면접 연습: 네 가지 모드(개념 복습, 모의 면접, 시나리오, LeetCode Hot 100)에서 문제를 생성하고 답변을 채점하며 해설을 제공합니다.

작업 품질에 영향을 주지 않고 토큰을 적극적으로 절약하는 DeepSeek Harness 플러그인: 도구 결과의 무손실 앞/뒤 잘라내기(기본), grep 결과 접기, 압력 기반 dsh-compaction-basic 위임, 공격적 모드를 위한 LLM 요약 CompactionEngine 서브클래스. 8개 시나리오 합성 스위트에서 입력 토큰 97.6%를 절약하며, 모든 축소는 dsh 이벤트 흐름을 거쳐 '모델 가시 = 기록됨'이 유지됩니다.

AI는 이력서 텍스트를 작성할 수 있지만 템플릿이 여전히 어색해 보이거나, 페이지가 넘치고, 여백이 남으며, 작은 수정이 레이아웃을 불안정하게 만들 수 있습니다. dsh-resume는 사실에 충실한 콘텐츠 다듬기, 템플릿 선택, A4 레이아웃 조정, 시각적 검토, 다양한 구직 상황에 맞춘 이력서 버전을 위한 엔드투엔드 DSH 워크플로를 제공합니다.

데이터 자산 등록 도우미입니다. 금지 시나리오와 소유권 분쟁을 사전 점검하고 데이터 유형/지역별 등록 기관을 찾습니다. 3중 감사 기준과 7단계 흐름의 등록 체크리스트를 제공합니다.

Learning Mode 에이전트 프리셋: 코딩하면서 가르치는 코딩 에이전트 - 구체적인 시나리오 기반 설명, 소크라테스식 가이드, TODO(你) 연습 빈칸, Claude Code의 Learning 출력 스타일을 모델로 함. `dsh plugin add` (npm의 dsh-learning-mode)로 설치 가능.

DeepSeek Harness용 계층형 장기 메모리입니다. 매 턴 페르소나 프레임과 관련도순 메모리 인덱스를 주입하고, 전체 기록은 디스크에 보관해 필요할 때만 펼쳐 컨텍스트를 채우지 않습니다. 사실은 슬롯 키로 관리해 값이 바뀌면 이전 값을 폐기합니다. 모델이 메모리에서 페르소나 프레임을 만듭니다. 오염 방지 게이트 3개가 개발 잡담을 걸러내고, 자체 주입의 반복을 막으며, 내용어가 겹치는 재진술을 합칩니다. 정기 정리에서는 유사 중복을 합치고 긴 주제를 요약하며 가치 낮은 오래된 항목은 태그만 붙여 보관합니다. 원문은 삭제하지 않습니다. 추가 전용 저장소를 제자리에서 압축해 측정값 기준 4.7 MB에서 355 KB로 줄였습니다. 외부 의존성 0개, 빌드 단계 불필요. 매 턴 주입은 프롬프트 캐시 적중률을 필연적으로 낮추므로 업무 환경에는 권장하지 않습니다.

DSH 웹 UI의 소리 피드백입니다. 버튼 동작을 의미(normal, primary, toggle, send, close, danger, link)에 따라 분류하고 현재 세션의 작업 전환(started, finished, failed)과 대기 중인 상호작용에 신호음을 재생합니다. 각 상황마다 별도의 신호 선택기와 설정 페이지 스위치가 있습니다. 78개 신호음과 12개 사운드 팩은 모두 Web Audio API로 브라우저에서 합성되므로 오디오 파일을 포함하지 않고 네트워크 요청도 하지 않습니다. dsh-plugin-uisfx를 DSH 0.2.0으로 포팅한 커뮤니티 버전이며 변경 사항은 PROVENANCE.md에 기록되어 있습니다.

5가지 TIA Portal 스킬(Siemens PLC 문서 조회, 래더 로직 생성, SimaticML-PNG 렌더링, PASS/FAIL 시나리오가 있는 스캔 사이클 시뮬레이션, 실제 TIA Portal 프로젝트 조작용 TiaLink 게이트웨이)과 MCP 엔드포인트 5개를 묶습니다. 실제 프로젝트 작업에는 유료 TiaLink(Windows + TIA Portal V19/V20 + Openness)가 필요합니다. 클라우드 서비스 4개에는 API 키가 필요하며 각 100회 무료 후 유료입니다. 렌더링은 실패해도 호출별로 과금됩니다. Node 22 이상과 네트워크가 필요합니다. 코드 조각은 tia.hubwiz.com에 업로드됩니다.

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.

시나리오 설정 플러그인: 플러그인 조합이 다른 시나리오가 되며, 플러그인 켜기/끄기를 통합 관리(설정 페이지가 설치된 플러그인을 자동 감지하고 시나리오별로 핫 스위치); 모델은 사용자가 세션 창에서 필요에 따라 선택.

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.

Dameng DM8 데이터베이스의 복구 가능 여부와 LSN 또는 시각 기준 복구 지점을 16개 시나리오에서 읽기 전용으로 평가하고 HTML 보고서를 만듭니다. Java 8 이상과 사용자가 직접 제공하는 Dameng JDBC 드라이버(DmJdbcDriver8.jar)가 필요합니다.

채팅, 하위 에이전트, 전체 세션 트리의 토큰 비용을 실시간 표시합니다. 7개 공급자/139개 유료 모델의 `models.dev` 스냅샷을 사용하고, 공개된 캐시 읽기/쓰기 요금과 DeepSeek 공식 피크/비피크 표를 반영합니다. 완료 답변마다 대화록에 가격을 표시하고 닫힌 채팅도 로그에서 계산합니다. 프로젝트 내 추가 전용 JSONL 장부에 구간별 지출을 기록해 과거 작업에는 당시 청구 요율을 유지합니다. 금액 한도 계획, 연결할 모델을 고르는 라우팅 시나리오, 영/중/러 계획 문서, 계획 단위 미배정 지출 경고도 제공합니다.

DeepSeek Harness용 스페인어 연습 패널입니다. 6가지 로컬 채점 드릴(11개 시제 동사 활용, 명사 성, 복수형, 어휘 인식, 문장 빈칸 채우기, ser/estar 및 접속법 문법 항목), 모델 채점 시나리오 작문 탭, 8단계 간격 반복, agent 도구 4개를 제공합니다. 답을 플러그인 내부에서 계산하고 채점하므로 모델은 지도와 설명에만 사용됩니다.

DSH용 역경 기반 의사결정 검토 플러그인입니다. 384효에서 태극까지 이어지는 6단계 가중 집계 엔진과 강한 연관성 거부 규칙을 제공합니다. 순수 JS로 구현되어 solver 의존성이 없습니다. 무료 사용량은 하루 9회로 제한되며 활성화 코드로 늘릴 수 있습니다. 주가 추세 시나리오에서는 요청에 포함된 종목 코드의 실시간 시세를 Tencent에서 가져옵니다.

tsm-core-dlr 시맨틱 서비스(LanceDB vector+graph)를 MCP 도구로 mount하고 시나리오 독립형 DLR/TSM 모델링 skill, 서비스 상태 overlay, 에이전트 규칙을 제공합니다. 서비스는 필수 의존성으로 bundle 활성화 전에 실행 중이어야 합니다.

DSH용 Skill 문서와 작업 보고서입니다. 각 Skill의 방향, 범위, 경계, 시나리오를 찾아보고 검색·보관하며 검토하거나 삭제할 수 있습니다. 일일 브리프를 일간·주간·월간 보고서로 모읍니다.

한 줄 아이디어를 요구사항, 기술 계획, 유지보수 기준으로 바꾸는 에이전트 프리셋입니다. 각 단계를 다시 설명하고 진행 전에 사용자 확인을 받습니다. 시나리오 프리셋은 없으며 atomic skill 73개(마스터 6 + 검증 디스패처 1 + 하위 skill 66개)를 맥락에 따라 불러옵니다.

대화 시나리오에 따라 dsh 요청을 라우팅하고 실패 시 fallback 모델로 재시도합니다.

dsh 플러그인 시나리오 번들(플러그인계의 dotfiles)입니다. 준비된 플러그인 환경을 순서가 있는 설치 절차와 함께 나열·검색·적용·조합하는 레시피 도구입니다.

DeepSeek Harness 입문 패키지입니다. 환영 흐름, 0→1 학습 경로, 상황별 플러그인 추천, 자체 점검표를 중국어 튜토리얼 저장소 dsh-handbook-zh와 함께 제공합니다.