플러그인
DeepSeek-Harness 플러그인을 찾아보고, 필터링하고, 설치하세요.
플러그인 18개 찾음
dsh-memory
furongjun-1999/dsh-memory
화이트박스 AGI 아키텍처 탐구: 메타인지(자기인식 루프), 지속적 학습(지식 플라이휠), 월드 모델(조건 공간, 시공간 메모리 그래프), 자기 개선(부트스트랩 규율), 제로 LLM 화이트박스 파이프라인, 감사 가능한 신뢰 가드레일.
agentdescent
birfy/agentdescent
AgentDescent를 이용해 DeepSeek Harness 내부에서 스킬, 에이전트, 프롬프트, 코드, 플러그인을 진화시킵니다.
dsh-host-rsi
pk14742952-ad/dsh-host-rsi
로컬 Qwen3.8 27B/3.8 Flash와 온라인 API용 성찰형 자기 개선 플러그인입니다. 코딩 루프 수렴 제어로 Qwen3.8 27B/Flash의 반복 검증에 따른 과도한 심층 추론을 줄여 더 빨리 수렴하고 사고 시간을 단축합니다. 멈춘 턴과 무한 루프를 탐지·수정하는 5상태 전달 가드도 있습니다. 호스트 로직은 모델 비종속이며 온라인 API와 대부분 호환됩니다. 사용별 지속 개선, 반론 점검, 비평가 단계 격상, 역색인 메모리 검색도 포함합니다.
dsh-self-improved
madage/dsh-self-improved
DSH용 장기 기억 및 자가 진화 플러그인: L0 캡처 → L1 기억 추출 → L2 장면 그룹화 → L3 사용자 페르소나, 자동 회상 주입, 스킬 합성, 완전 로컬 동작(SQLite FTS5 + jieba, 선택적 벡터 회상).
open-dream-rsi (deepseek_harness)
patrykorwat/open-dream-rsi
단순한 메모리 플러그인이 아닙니다. ODR은 진화하는 세계에서 자기 개선을 반복하는 루프(Dream-RSI)입니다. 시도를 Discovery Tree에 기록하고 실행 사이에 수천 개 전략 변형을 그 세계에서 재생합니다. 전략·레시피·교훈은 반사실 재생을 통과해야만 승격되며 모델의 말만으로 결정하지 않습니다. 예산이 소진되기 전에 Sentinel이 도구 호출을 심사합니다. LLM은 고정됩니다. npm에서 dsh-open-dream-rsi로 설치할 수 있습니다.
dsh-harness2
asiu-x/dsh-harness2
DSH 에이전트용 Harness² 재귀적 자기 개선: Propose–Probe–Compose, 격리된 probe, 익명 선택, 도메인별 경험 라이브러리.
open-dream-rsi
patrykorwat/open-dream-rsi
코딩 에이전트용 오프라인 자기 개선. 전략을 반사실 리플레이로 검증하고 진화하는 세계 모델에서 실행합니다. 파인튜닝 없이 LLM은 고정. MCP 지원, Python server 포함.
dsh-skillopt
wode25500/dsh-skillopt
DeepSeek Harness 에이전트를 위한 야간 자기 개선: 과거 세션을 오프라인으로 수집하고, 자체 API 예산으로 반복 작업을 재생하며, 보류 데이터 게이트를 통과한 검증된 스킬을 통합합니다. microsoft/SkillOpt의 SkillOpt-Sleep 엔진을 네이티브 도구와 번들 스킬로 dsh에 제공합니다. 가중치 학습은 없습니다. Python 3.10+ 및 SkillOpt-Sleep 엔진(pip install skillopt)이 필요합니다.
dsh-five-session-evolution
liuhuishang/dsh-five-session-evolution
DeepSeek Harness에서 종료된 서로 다른 프로젝트 세션 5개마다 검토하고, 출처가 있는 교훈과 워크플로 초안을 보존해 이후 세션에 프로젝트 메모리를 제공합니다.
dsh-ledger-watch
oldmanding/dsh-ledger-watch
간단한 교훈 장부를 제공합니다. brief.ps1로 과거 함정을 찾아보고 add-lesson.ps1로 새 교훈을 기록합니다. 설치 프로그램이 skills 디렉터리에 배포하고 AGENTS.md에 연결합니다. 모델은 작업 전 장부를 확인하고 겪은 문제를 규칙으로 남겨 같은 실수를 막습니다. 플러그인은 실제 확인 여부를 감시해 탭과 입력창 아래에 결과를 표시합니다.
dsh-self-improvement
dxxcao/dsh-self-improvement
workspace별 일반 Markdown으로 저장하는 세션 간 메모리입니다. 가중 주입, 이중 시간 기반 무효화, TTL 검토 및 오래됨 표시, 자격 증명 마스킹, 오류/세션 회고, SOP 스킬, 승인 게이트가 있는 자기 개선 제안을 제공합니다.
dsh-loom
darknessled/dsh-loom
Human-in-the-loop self-improvement loop: one objective becomes an auditable work chain that iterates in child sessions while the main agent stays idle.
dsh-fathomkernel
az13js/dsh-fathomkernel
DeepSeek Harness용 자기 진화 알고리즘 최적화 플러그인입니다. 목표와 승인 기준만 지정하면 됩니다. 개인 용도이며 현재 상태에서는 안정성을 보장하지 않습니다.
zagent
z-asset/zagent
3개 역할 자체 개선 loop와 operator: Data-RSI는 일일 cross-sectional cleaning(winsorize→cross-sectional standardization→median fill)과 경험 추출; Harness-RSI는 system prompt/memory/skills 발전; Model-RSI는 2일 gap·multi-seed의 framework-native walk-forward로 alpha 학습 recipe 발전. 오프라인 한 명령 실행, GPU 자동 감지, skill 1개.
dsh-self-evolution
tommy00748/dsh-self-evolution
DSH용 제한형 자체 관리 장기 메모리(Hermes 스타일 MEMORY.md/USER.md, 엄격한 글자 수 제한과 안전 검사), 매 턴 후 검토(쉬운 메모를 쓰거나 유사 스킬을 추가하지 않고 기존 스킬을 다듬음), 로더가 조용히 버릴 스킬을 찾아 정교하게 고치는 curator, 과거 메시지의 세션 간 검색을 제공합니다. 새 소식이 있을 때만 학습 카드를 보여주고 메모리 삭제나 수정 전에 확인합니다.
alpharsi
z-asset/alpharsi
AlphaRSI: 알파 시퀀스 모델의 학습 레시피를 발전시키는 3역할 자기 개선 루프입니다. Operator가 walk-forward를 실행하고 Evaluator가 OOS RankIC로 평가하며 Refiner가 TPE 베이지안 탐색으로 하이퍼파라미터를 제안합니다. 엄격히 더 나은 레시피만 유지합니다. 오프라인 단일 명령 실행, sha1 대조 데이터 번들, GPU 자동 감지를 제공하며 Skill 하나를 포함합니다.
dsh-missher-evolution
missher12/dsh-missher-evolution
범위가 지정된 워크플로 규칙과 수정 알림을 기록합니다. 근거 범위를 제한하고 설정은 로컬에 저장합니다. Brain Hub 연동은 선택 사항입니다.
dsh-refine
dushaobindoudou/dsh-refine
DeepSeek Harness(dsh) 플러그인입니다. dsh-continual-harness 자기 개선 엔진용 /refine 명령과 설정 패널을 추가하며, 항목 탐색, 개선 기록 타임라인, 원클릭 롤백, 자동 게이트 감사를 제공합니다. 엔진은 실행 시 선택 사항입니다.