플러그인

텍스트 전용 에이전트를 위한 무료 비전 기능: 키 없이 사용 가능한 내장 비전 체인과 픽셀 도구(Q&A, 그라운딩, 자르기, 픽셀 비교, 색상, OCR, SVG 트레이스, 컷아웃, 스크린샷)를 제공하며, 이미지를 붙여넣기만 하면 됩니다.

DeepSeek Harness를 위한 추적 가능하고 검색 가능한 크로스 세션 메모리 — 대화 지식을 타입화된 그래프 노드(TASK/SKILL/EVENT)와 타입화된 엣지로 표현합니다.

러시아어 텍스트에서 AI 흔적을 제거합니다. 챗봇(ChatGPT, Gemini, Grok, Perplexity, DeepSeek)의 복사·붙여넣기 흔적을 찾고, 숨김 텍스트 마크(제로폭 문자, 보이지 않는 레이아웃; 그림자 스캔이 보이지 않는 문자로 분리된 마커도 포착)를 제거하며, 요청 시 자연스러운 산문으로 다시 씁니다. 40개의 정규식 마커, 38개에 완전한 증거 레지스트리 항목; 156개 게이트, 530개 테스트; 오프라인·텍스트 전용 번들(이진 메타데이터 제거는 scripts/에 위치).

DSH 세션용 실행 미로: 에이전트의 실제 경로—주요 전진, 실패 또는 막다른 우회, 되돌아가기, 요청 재시도, 서브에이전트 분기—를 하나의 wall-clock 타임라인에 그리며, 각 레인 아래에는 같은 축을 공유하는 세 개의 트랙(tool-call 밀도, token pulse, context pressure)과 그 아래 결정론적 분석 패널(tool result matrix, failure-recovery chains, duration distribution)이 있다; 세션 탭에서 실시간으로 자라는 모습을 보거나 최대 5개의 세션 로그를 업로드해 같은 축으로 비교할 수 있다.

공개 소스 데이터(Tiantian Fund 및 Eastmoney)로 구축된 중국 공공 뮤추얼 펀드의 결정론적 리서치 리포트, 순수 함수 메트릭(성과 분해, 보유 종목 침투율, 스타일 어트리뷰션, 매니저 프로필), 그리고 숫자별 스냅샷 추적성 부록이 있는 버전 관리 리포트.

Trace Compare & Live Maze: 에이전트의 실제 탐색 경로(메인 경로, 실패 또는 막다른 우회로, 백트랙, 서브에이전트 분기)를 하나의 벽시계 타임라인 위에 그립니다. 1~2개의 세션 로그를 업로드하여 동일 축 비교를 수행하거나, 세션 탭에서 실시간 성장을 관찰할 수 있습니다.

DeepTrace — 세션 로그로부터 생성되는 결정론적 에이전트 리포트(일간/주간/월간/연간/사용자 지정): 비용 및 토큰 분석, 8가지 인사이트 규칙, 협업 리뷰, 실시간 공급자 잔액, PDF/PNG/HTML 내보내기. 읽기 전용이며 기록을 다시 쓰지 않습니다.

세션, 에이전트 루프, LLM, 도구 수명 주기 이벤트를 OpenTelemetry GenAI 추적 및 메트릭으로 변환하여 표준 OTLP/HTTP를 통해 호환되는 백엔드로 내보냅니다. 콘텐츠 캡처는 기본적으로 꺼져 있습니다.

기본 task-system 통합이 있는 dsh용 프로젝트 메모리: 세션 todo와 파일 읽기가 자동으로 세션 간 작업 기록(task↔file 링크)으로 압축되어, 재맥락화 없이 워크플로를 전환하고 재개할 수 있습니다. 읽기 시점 메모리(사전 스캔 없음): 코드 심볼을 추출하고, 문서를 요약하며, docs↔symbols를 교차 연결합니다. 선택적 TS semantic enhancement(TS 설치 시 자동 켜짐)를 제공합니다. 경험 노트는 자동 중복 제거됩니다. 모든 회상에는 추적 가능한 인용이 포함됩니다. 순수 JS, 단일 의존성, 바로 사용 가능, 조용히 동작하며 오버헤드가 없습니다.

StrataGate는 DeepSeek Harness에 세션 간 사용자 선호, 프로젝트 결정, 대화, 도구 결과를 위한 진화하는 로컬 우선 장기 기억을 제공합니다. 사용자 조정 가능한 시간 감쇠로 기록을 누적하고, 실제 답변 사용을 통해 기억을 강화하며, 작업 공간을 인식하는 사용 횟수를 표시하고, 회수된 증거를 원본 메시지까지 추적 가능하게 유지합니다.

LLM 에이전트 기반 지향 퍼징입니다. 대상 저장소와 버그(CVE 설명, 패치, 크래시 추적 또는 file:line)를 바탕으로 PLAN, IMPLEMENT, EXECUTE, REFLECT를 반복하며 모델이 Python 입력 생성기를 작성합니다. 입력이 캠페인의 stderr 패턴 판정기를 작동시키거나 캠페인이 멈출 때까지 실행합니다.

DeepSeek Harness 번들은 장기 콘텐츠 제작(학술 논문, 산업 분석, 비즈니스 해설)을 9역할 파이프라인으로 전환하는 스킬을 등록합니다: 병렬 실행되는 T1 문헌/T2 데이터/T3 케이스 스카우트, 코디네이터 실행 T4 분석가, T5 작가, T6 비판적 동반자, T7 감사자, T8 최종화자, T9 동료 검토자. 6단계에 걸친 삼각 증거 검증, 23항목 M게이트, 중국어 AI 추적 게이트를 포함한 G0-G14 감사, 저널 매칭 동료 검토 채점, 4개 인간 체크포인트 포함. `dsh plugin add lunheng-article-pipeline`로 설치(package.json#dsh.bundle.patch 및 스킬 등록용 lib/index.js 엔트리); T1-T9 역할 카드, 템플릿, 11개 무의존성 검증 스크립트, 5개국어 README 제공.

세션 이벤트 스트림을 OpenTelemetry OTLP와 Langfuse로 정제·버퍼링된 trace와 metric으로 내보내며, 기본값은 비활성화이다.

dsh용 결정적 컨텍스트 압축: LLM 호출 제로, 경로·명령·오류 추적·미완료 할 일을 그대로 보존하는 규칙 기반 프루닝. 약 8만 토큰을 수백 토큰으로 압축합니다.

확장 가능한 애니메이션 응답 펫: 블루 웨일, 오렌지 캣, 실버 셰이디드 캣 테마, 세션별 진행 상황, 모델 및 도구 호출 추적, 토큰 수, 출력 속도, 경과 시간, 접을 수 있는 다중 세션 상태 카드를 제공합니다.

에이전트 루프를 OpenTelemetry 트레이스, 메트릭, 로그로 GreptimeDB에 내보내며, 토큰 사용량, 비용, 세션 결과, 턴별 레이턴시를 다루는 7개의 Grafana 대시보드를 포함합니다.

DeepSeek Harness용 비즈니스 지식 네트워크 컨텍스트: 세션을 OpenBKN 지식 네트워크에 바인딩하고, 관리형 MCP 도구로 그 객체와 지표를 조회하며, 각 답변에 대해 트레이스 기반 출처(실행 사실과 비즈니스 그래프)를 엽니다. OpenBKN Runtime과 함께 제공되며, 출처 보기에는 OpenBKN 엔터프라이즈 라이선스가 필요합니다.

로컬 PDF 읽기, 지속적인 논문 라이브러리, 추적 가능한 근거 기록, 논문 간 비교 및 종합 도구를 추가합니다.

DeepSeek Harness용 Context Assembler 프로필: 토픽 블록 컨텍스트 어셈블리, 워터 프레스처 토픽 스플리팅, 도구 트레이스/재작성, 리얼리티 리콜 인젝션 및 핸드오프 플래닝.

DSH용 딥 협업 글쓰기 에이전트: 편집 쌍에서 사용자별 문체 학습, clarify→outline→section-writing→red-team→reader-gallery 흐름, 프로젝트에서 보고서로 종합(실험 보고서/제품 소개/설문/README), 41개 MCP 도구, 인앱 파일 미리보기를 갖춘 웹 선택 개선 UI.

메타데이터만 포함한 DSH 턴, 모델, 도구, 승인, 재시도, 오류 이벤트를 Tuning Engines로 내보내 거버넌스가 적용된 추적, 정책 평가, 비용 분석, Work Session 검토에 사용합니다. 디스크 기반 재시도 큐를 포함합니다.

크기 조절이 가능한 대화 사이드바에서 읽기 전용 궤적 검토: 규칙 분석, 선택적 모델 설명, 증거 탐색 및 동일 범위 실행 비교를 제공합니다.

되돌리기, 편집 후 재전송, 재생성, 그리고 대화 내 버전 관리: 모든 되감기의 타임라인, 아티팩트 롤백(git 우선, 스냅샷 대체), 탐색한 경로의 분기 맵, 세션 계보, 그리고 동시 쓰기 징후가 처음 보일 때 로그를 스냅샷하는 실시간 감시자. 편집은 실행 중인 에이전트를 자동으로 중지(공식 cancel/whenIdle)하므로 되감기가 영구 로그를 손상시키거나 /compact을 깨지 않는다.

DeepSeek Harness용 로컬 우선 Agent Experience Network, 트레이스 및 라이브 매니페스트에서 태스크 레벨 경험을 추출하고, H0-H4 증거로 등급을 매기며, 호환성으로 발견하고, 명시적 리뷰 후에만 승격합니다.