플러그인

DeepSeek Harness용 로컬 IMAP 송장 다운로드, OCR, 아카이브 및 Excel 요약 번들

Codex 스타일 워크플로 자동 접기: 완료된 턴은 "Xs 처리됨" 한 줄로 접혀 최종 답변만 남습니다. 도구 호출과 사고(think) 블록은 스트리밍을 따라가는 실시간 요약 칩으로 접힙니다. 단계별로 펼칠 수 있으며 제거 시 완전히 원상 복구됩니다.

DSH Knit는 대화와 관련된 작업공간의 Markdown, 코드, 이미지, 동영상을 순위화해 표시합니다. 기본 BM25/IDF 어휘 검색은 최근 대화와 문서의 제목·요약·본문을 로컬 비교하며 모델이나 네트워크를 쓰지 않아 데이터가 기기 밖으로 나가지 않습니다. 최근 파일 목록이 아니라 전체 작업공간을 스캔하므로 재시작·새 세션 후에도 유지됩니다. 관련도 3단계, 일치/참조 근거, 인라인 미리보기를 제공하고 Context Pack을 knit_docs로 에이전트에 노출합니다. 읽을 때 귀속을 고정하는 읽기 증거, 검색 전에 적용하고 되돌릴 수 있는 고정/제외, 줄 번호가 있는 참조·import·test 증거, 재시작 후 재사용되는 증분 인덱스도 지원합니다. v0.23 하이브리드 검색은 선택 기능이며 기본 꺼짐; 사용자가 Ollama 또는 OpenAI 호환 임베딩을 설정해야 켜집니다. 전송 항목은 query와 후보의 제목/요약뿐입니다(Markdown 첫 부분 최대 60자, 코드는 상대 디렉터리, 미디어는 파일명). 전체 본문과 절대 경로는 전송하지 않으며 loopback이면 기기 안에 남습니다. v0.24는 미커밋 변경을 읽기 전용 git status(고정 argv, shell 없음, 환경 allowlist)로 연관시키지만 기본 꺼짐입니다. 실제 공급자 테스트 전에는 검색 개선을 주장하지 않습니다.

사용량 통계 설정 패널: 26주 활동 히트맵, 캐시 히트율 곡선이 있는 일일 토큰 추세, 모델별 도넛 및 분석, 시간 범위 필터, 요약 카드, 일회성 히스토리 백필 및 무손실 재구성.

웹 컴포저를 위한 터미널 스타일 입력 히스토리: 엣지 우선 화살표 키 회수로 초안/커서 위치를 정확히 복원, 브라우저 로컬에 저장되는 영구 히스토리, Ctrl+R 역방향 검색, 슬라이딩 컨텍스트 인식. 0.5.0에서는 스마트 입력 레이어를 추가——세션 간 스니펫(/save, /load), 변수가 있는 프롬프트 템플릿, 재사용 인사이트, 압축 요약 하이라이트.

DeepSeek Harness (dsh)를 위한 보호형 컨텍스트 압축: LLM이 제안하고, deterministic 가드가 처리 — verbatim 가드 하의 eager per-atom shrink(extract/summary/false) + 지연 reference-graph eviction(0-LLM) + append-only 로그의 바이트 단위 완전 일치 recall.

더 나은 폴드 바: 도구 호출과 Think 세그먼트를 자동으로 스텝 폴드 바로 접고, 완료된 각 턴을 라이브 메트릭(지속 시간, TTFT, 토큰, tok/s, 캐시 히트)이 포함된 단일 턴 헤더로 축소하여 최종 요약만 보이게 합니다. 애니메이션 포커 카드를 기본 제공되는 커스터마이즈 가능한 리딩 아이콘(실행 중 슈트 순환 카드 애니메이션, 접힐 때는 덱, 펼쳐질 때는 부채 포함), 공식 폴드 모드용 설정 행, 신규 및 구버전 DSH 모두 호환. DSH 소스에 대한 침입 없음.

저비용 영상 이해 도구. video_understand 도구가 Bilibili 링크 / BV / 로컬 영상을 AVIS 정보 계층(ASR + 장면 구조 + 객체 추적 + YOLO 라벨)으로 변환하고 요약 + Q&A를 반환한다. 질문 주도형 계층 간 동적 라우팅(L0 ASR / L1 객체 추적 / L2 키프레임 VLM), 반복 질문용 의미 계층 재사용, 질문별 예산 상한을 갖춘다. Python 엔진: 코어 계층에는 faster-whisper / opencv / yt-dlp가 필요하며(~200-300MB), 선택적 의미 계층을 추가하면 torch / transformers / ultralytics가 약 2GB 더 든다. 번들된 doctor --fix가 venv를 설정하고 둘 다 설치한다.

대화의 일부를 선택하여 우측 사이드 채팅에서 질문할 수 있으며, AI 답변을 메인 채팅으로 그대로 또는 요약해서 가져올 수 있습니다.

작업을 명명된 태스크로 감싸고, 태스크가 닫히면 다음 단계 경계에서 전체 메시지 범위를 하나의 요약으로 접습니다. 원본 내용은 요청 시 복원할 수 있습니다.

2026년 8월 17일 요금 변경 이후 피크/비피크 요금을 반영한 사용량 및 비용 통계. 플로팅 요약 패널, 세션별 내역, 일/주/월/년/전체 사용량 히트맵을 제공합니다.

LLM-Wiki 구조와 SOUL.md 페르소나를 갖춘 세션 간 장기 Markdown 메모리입니다. remember/recall/consolidate/forget 워크플로, 내장 메모리 skill, pack/unpack 마이그레이션 도구를 제공하고, 유휴 시간에는 실제 기억을 동반자 말투로 떠올리게 합니다. 기본 설정에서는 첫 사용자 메시지 뒤 현재 세션에만 주입합니다. 파일별 부팅 블록 예산으로 인덱스 라우팅 표의 잘림을 막고 중요도 감소가 작동하도록 last_access를 자동 기록하는 등 저장소 관측·유지 기능도 제공합니다. 읽기 전용 건강 대시보드는 크기·최신성·lint 일치 여부를 확인합니다. 페이지가 `summary:`를 선언하는 인덱스 컴파일러는 한 명령으로 인덱스를 다시 정리합니다. 페이지 링크와 공유 태그를 잇는 대화형 그래프는 드래그와 휠 확대를 지원합니다. tag/type/salience/hot/stale 조건으로 검색하고 관계가 없는 페이지의 교차 링크를 제안하며, `checkup` 보고서는 우선순위 작업 목록으로 끝납니다. 운영 세부를 필요할 때 불러오는 skill로 옮겨 시작 payload를 약 23% 줄였습니다. 설정에는 (플러그인 아이콘 슬롯이 없는 셸을 위해) 뇌와 노드 클러스터 아이콘, 저장소를 여는 피드백 항목도 있습니다. DSH 세션 형식 v4(공식 DeepSeek Harness 0.1.7+)가 필요하며 주입 메시지는 생성 주체 소스 종류 plugin:memory를 선언합니다.

편집/write 도구 행에 인라인 +N −M 배지를 표시하고, 정렬된 diff, 검토, 되돌리기를 포함한 접을 수 있는 턴별 파일 변경 요약 카드를 제공한다. 기본 edit/write, str_replace_editor, Code Dispatch 하위 호출을 모두 지원하며 git은 필요 없다.

내장된 DSH 압축 요약기를 5개 섹션 핸드오프 요약으로 대체하고, 가려진 모든 메시지를 세그먼트 디렉터리에서 읽을 수 있게 유지합니다.

컨텍스트 압축에 Headroom(Apache-2.0)의 코드 스켈레톤 방식과 TokenPilot(arXiv:2606.17016)의 추정기 방식을 결합합니다. 발표 수치: Headroom은 코딩 에이전트 토큰 20%, JSON 60–95% 감소(동일 답변); TokenPilot은 장기 세션 비용 최대 60% 감소. 모두 해당 프로젝트의 보고값이며 이 플러그인의 측정/벤치마크가 아닙니다. DSH에서 압축 프로필, Auto Compact 임계값, 스켈레톤 압축을 설정합니다. DeepSeek V4 tokenizer로 측정하고 같은 리비전의 개수를 검증합니다. 미지원 모델은 fail-open으로 원래 도구 결과를 유지합니다. 턴 중 스켈레톤 압축과 끝부분 의도 요약을 공식 JSONL 압축 안에서 수행합니다.

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.

Plastic Labs의 Honcho 메모리 플러그인: 세션 시작 시 사용자 프로필, 세션 요약 및 관련 결론을 주입하고, 각 턴을 비밀이 마스킹된 상태로 백그라운드에서 Honcho에 업로드합니다. honcho_search / honcho_chat / honcho_remember 도구와 /honcho 상태 명령을 추가하며, 다른 Honcho 통합과 공유되는 ~/.honcho/config.json을 통해 호스팅된 honcho.dev 또는 자체 호스팅 인스턴스에 대해 구성됩니다.

Turn another computer into a remote Agent teammate: the worker runs its own DSH and a full Agent loop locally, so dispatched tasks keep running when the link drops and its model credentials never leave that machine. The hub dispatches through 8 remote_* tools, receives only a handoff summary plus an artifact manifest, and pulls finished products on demand — intermediate artifacts stay on the worker. Pairing-code onboarding, direct or relay transport for NAT, Web panel on both sides.

완료된 턴에 변경 파일 요약 행을 추가하고, 세션에서 가장 최근 턴의 파일 변경을 되돌리거나 다시 적용합니다.

Obsidian Agent Client(및 기타 ACP 클라이언트)에서 DeepSeek Harness를 구동하는 ACP 어댑터: 세션 목록/재개/포크/삭제, 세션별 모델 전환, 한 줄 요약 미리보기, 외부 ACP 세션 가져오기, Obsidian Agent Client 대화를 dsh 네이티브 세션 저장소로 가져오기를 지원합니다. DSH >= 0.1.5-rc.3 필요.

DeepSeek Harness용 망각 곡선 인플레이스 대화 압축: 최근 턴은 그대로 유지, 중간 턴은 구조적으로 탈수(LLM 미사용), 오래된 턴은 경계 요약 쌍으로 접힘 — 경계 메모리 예산에서의 무경계 대화.

Requirements interview before work starts: judges whether a request is clear, asks focused questions when it is not, in strict mode denies editing tools until the user confirms a four-part summary in chat, and keeps confirmed preferences in two-layer memory.

논문 읽기 작업대입니다. 논문 라이브러리, PDF와 Markdown 노트 나란히 보기, 논문별 전용 AI 세션을 제공합니다. 하이라이트와 영역 스크린샷을 노트로 보내고, 선택한 구절과 페이지를 함께 질문하며, 노트를 즉시 편집하고 자동 저장합니다. 여러 세션을 Summary로 합칠 수 있습니다.

DeepSeek Harness에 가상 생활 컨텍스트를 제공합니다. 매 턴 workspace의 .life/에서 지난 24시간 이벤트를 슬라이딩 윈도우, 세션별 중복 제거·차이 업데이트, 세계 요약과 함께 접힌 알림으로 주입합니다. life_react 도구로 에이전트가 감정·생각·행동을 생활 로그에 기록해 다음 세계 변화에 반영하므로 지속적인 일상을 가진 역할극 캐릭터를 만들 수 있습니다.