Плагины

Визуальная обработка по запросу для текстовых сеансов DSH: изображения становятся маркерами, а инструмент vision_describe отправляет только изображение и вопрос в модель визуального анализа, совместимую с OpenAI

Провайдеры поиска и получения на базе Querit для веб-слоя возможностей DeepSeek Harness (ctx.web).

Нативный чат-адаптер Ollama Cloud: прямая NDJSON-трансляция формата обмена /api/chat Ollama, обнаружение моделей с окнами контекста и возможностями, а также провайдеры веб-поиска/извлечения под идентификатором ollama-cloud, плюс веб-карточка настроек.

Отслеживание расходов с ценообразованием из онлайн-каталога (models.dev + OpenRouter, более 8000 моделей, каждый вызов оценивается по мгновенному тарифу): строка стоимости за ход, вкладка «Стоимость» с распределением затрат на вывод инструмента / вывод модели / системный промпт / команды, бюджет, месячный прогноз, ~166 валют по актуальному курсу и инструмент агента bill_stats.

Виджет-панель с правой стороны для DSH Web UI: статистика сессии в реальном времени (ходы, время LLM/инструмента, TTFT, скорость, кэш, токены) и квота OpenCode Go через прокси хоста с тем же источником; расширяемый реестр виджетов для дополнительных виджетов использования платформы, визуальных элементов, служебных действий и внешних интеграций.

Плагин DSH: напрямую переиспользует локальные учётные данные подписки после входа в Codex CLI, чтобы использовать модели подписки ChatGPT в DeepSeek Harness без API-ключа

Используйте свою подписку ChatGPT / Codex в dsh (DeepSeek Harness). Плагин входит в аккаунт ChatGPT через поток OAuth OpenAI Codex и предоставляет квоту подписки как провайдера модели `codex-oauth` в dsh.

Плагин-адаптер шлюза WeChat для DeepSeek Harness: переиспользует DeepSeekAdapter + потоковый перевод тегов think.

DSH Relay превращает Telegram в удалённый канал общения и уведомлений для DeepSeek Harness.

Мост репетиторства DeepTutor: глубокие объяснения, вопросы для самопроверки, планирование пути обучения, поиск в личной базе знаний (RAG) и архивирование заметок через инструменты deeptutor_run / deeptutor_kb / deeptutor_note.

Используйте парадигму решающей модели Jev (System One) с любой OpenAI-совместимой LLM — ключ TypeSafe не нужен. Регистрирует инструмент jev_decide, который за один вызов возвращает ответы с распределением вероятностей на типизированные вопросы (choice/score/boolean).

TypeSafe Jev как полноценный сервис Cordis и три инструмента, видимые модели, для DeepSeek Harness — по умолчанию офлайн, исходящий трафик раскрывается, никогда не включён по умолчанию.

Квота тарифа Command Code в боковой панели DSH над «Настройками»: окна 5 часов, неделя и месяц в виде процентов использования с обратным отсчётом до сброса, команда /quota и CLI без зависимостей. Ключ берётся из вашего собственного маршрута провайдера, поэтому настройка не требуется и другие плагины не нужны.

Показывает, какой индекс graft обслуживает сессия dsh и совпадает ли он всё ещё с кодом, а также даёт модели graft_ask, graft_grep, graft_callers, graft_skeleton и graft_map как нативные инструменты.

Контролирует локальный процесс шлюза workbuddy2api и предоставляет его модели как LLM-провайдера, считывая окна контекста и уровни усилий рассуждения из собственного эндпоинта моделей шлюза.

Ленивый шлюз MCP для DeepSeek Harness: один стабильный прокси-инструмент вместо N схем инструментов, серверы подключаются при первом использовании и отключаются при простое, метаданные кэшируются на диск.

Агентный рецензент ответов для DeepSeek Harness: каждый финальный ход ассистента повторно проверяется отдельной LLM и оценивается по шкале 1-100; оценки ниже порога возвращают агента назад с конкретной обратной связью. Оценка показывается чипом в строке действий ответа (зелёный pass / красный needs-work, при наведении — число повторов и причина). Живая настройка шлюза через HTTP-сервер на 127.0.0.1, а также свёрнутая панель над полем ввода и опциональная вкладка в правой боковой панели через dsh-better-sidebar.

Умные заголовки сессий для DSH: после каждого хода беседы независимый вспомогательный вызов LLM суммирует полную расшифровку пользователя+ассистента в заголовок, отражающий реальную тему сессии, а не повторяющий первое сообщение; первое сообщение озаглавливается сразу, неудачные встроенные заголовки повторяются на следующих ходах, ручные переименования никогда не перезаписываются, а сессии субагентов/форков пропускаются.

Улучшатель промптов для веб-интерфейса DSH с режимами basic/standard/expert: режимы standard и expert переписывают черновики с учётом контекста проекта и недавней истории сессии, изящно повторяют попытку, когда шлюзы отклоняют настройки reasoning-effort, и показывают проверку «до/после» с отменой.

Экономичный по токенам runtime для персонажа DeepSeek Harness с локальным рендерингом catgirl и поэтапным раскрытием схемы инструментов.

Плагин DeepSeek Harness, агрессивно экономящий токены без ущерба качеству: без потерь обрезает начало и конец результатов инструментов (по умолчанию), сворачивает результаты grep, делегирует в dsh-compaction-basic по триггеру давления и использует подкласс CompactionEngine с LLM-сводкой для агрессивного режима. Экономит 97,6 % входных токенов на синтетическом наборе из 8 сценариев, и все сокращения идут через поток событий dsh, так что «видно модели = записано» сохраняется.

Подписочный чат OpenCode Go для DSH с выбором протокола Completions, Responses или Anthropic для каждой модели, обнаружением моделей, метаданными контекста, зрения и мышления, значениями effort по умолчанию и счётчиками использования.

Плагин-адаптер LLM для локально развёрнутых моделей Qwen за совместимым с OpenAI эндпоинтом vLLM, с переключателем мультимодальности для каждой модели, полностью настраиваемыми уровнями усилий рассуждения и веб-страницей настроек для изменения развёртывания из фронтенда.

Ограничивает скорость запросов LLM для каждого поставщика и каждой модели с помощью маркерного ведра на основе резервирования, с режимами очереди или отклонения, а также правилами идентификации шлюза, которые перезаписывают user-agent и внедряют пользовательские заголовки.