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

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.

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

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.

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.

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.

Team knowledge base for offline knowledge sharing (FDE box scenario): browse, full-text search and refinement entry points; raw material is queued automatically and distilled into wiki pages by a serial bot session (Karpathy LLM Wiki pattern: immutable raw, two-step refinement, log stream, monthly lint).

DeepSeek Harness plugin that aggressively saves tokens without affecting task quality: lossless head/tail truncation of tool results (default), grep-result folding, pressure-triggered dsh-compaction-basic delegation, and an LLM-summary CompactionEngine subclass for the aggressive mode. Saves 97.6% of input tokens on an 8-scenario synthetic suite, with all reductions routed through dsh event flow so model-visible = logged stays intact.

Live token cost for every chat in the DSH Web UI: the chat, its subagents and the whole session tree, priced from a bundled models.dev snapshot of seven providers and 139 priced models, with cache read and write rates wherever the provider publishes them and DeepSeek from its own peak and off-peak table. Every finished answer carries its own price in the transcript, and a chat that is not currently open is priced from the log instead of disappearing. Spend is costed per interval from an append-only JSONL ledger in the project folder, so logged work keeps the tariff it was billed at. On top of it: budget-aware work plans packed against a money limit, routing scenarios that show which models are worth connecting, a generated plan document in English, Chinese or Russian, and a warning when spend belongs to no plan unit.

Skill dossier + work report for DSH: browse, search and archive each skill (direction, scope, boundaries, scenarios), review or delete it, and roll daily briefs into daily, weekly and monthly reports.

An agent preset that turns a one-line idea into requirements, tech plan and maintenance baseline — every step is restated and confirmed by you before proceeding. No scenario presets: 73 atomic skills (6 master skills + a verify dispatcher + 66 sub-skills) load by context.

Routes dsh requests by conversation scenario and retries with fallback models when requests fail.

Scenario bundles of dsh plugins (插件界的 dotfiles): a recipe tool that lists, searches, applies and composes ready-made plugin environments with ordered install sequences.

Beginner starter pack for DeepSeek Harness: welcome flow, 0→1 learning path, scenario-based plugin recommendations and a self-check checklist, paired with the dsh-handbook-zh Chinese tutorial repo.