Плагины

CLI self от Superself как инструменты, обращённые к модели (контекст проекта, рабочие единицы, отчёты, решения) плюс команда /self — межсессионное, межпроектное состояние проекта, хранящееся вне кодовой базы.

Расширенный набор инструментов vision: 14 пиксельных vision-инструментов (describe, ground, detect, crop, pixel-diff, OCR, OCR длинных скриншотов, vectorize, colors, cutout, screenshot, present, materialize, html-screenshot) на одном OpenAI-совместимом эндпоинте, с чистыми маркерами [图片: path], классификацией безопасности контента и авто-ретраем при лимите запросов.

Загрузка файлов drag-and-drop для PDF, Word, Excel и изображений: сброшенные файлы сохраняются в локальный каталог и упоминаются по пути, без раздувания base64 в чате.

Мультиагентный анализ A-акций за /trading-agent, портированный из TradingAgents-AShare, запускающий 14 ролей (аналитики, спор bull/bear, риск-ревью, трейдер) через маршрут LLM харнесса.

Встроенный предпросмотр для маркеров изображения [图片: path]: после рендера маркера изображение автоматически показывается в чате, не загромождая беседу длинными инструкциями.

Постоянная пятиуровневая система памяти с внедрением релевантной информации, автоматическим извлечением LLM, ротацией профилей и шестью инструментами агента.

Долговременная межсессионная markdown-память со структурой LLM-Wiki и персоной SOUL.md, внедряемая в начале сессии (по умолчанию только после первого сообщения и только в активной), процессы remember/recall/consolidate/forget, встроенный навык памяти, миграция pack/unpack и напоминание в простое голосом компаньона. Даёт хранилищу наблюдаемость и уход: бюджет boot-блока на файл против обрезки индекса; автоштамповка last_access для затухания значимости; дашборд здоровья памяти (размер, свежесть, lint-parity); компилятор индекса (страницы объявляют summary:); интерактивный граф памяти; структурированные запросы (tag/type/salience/hot/stale); перекрёстные ссылки; отчёт `checkup` со списком действий по приоритету. Boot-полезная нагрузка сокращена на ~23%.

Плагин DSH: автозаполнение метаданных (длина контекста, лимит вывода, отображаемое имя, входные модальности) для моделей пользовательского провайдера из Реестра метаданных моделей (models.dev).

Унифицированный инспектор запросов/ответов LLM: настройка усилия рассуждения, экспорт внешнего мышления, анализ трафика и бандлов.

Swarm в стиле Kimi-Code: пакетно-параллельная диспетчеризация субагентов с адаптивным планированием, команда /swarm и живые строки прогресса в чате.

Архив между сессиями: workbench, свернутая timeline, родословная subagents, полнотекстовый поиск, сводки rule+LLM, экспорт ZIP и live tracking. На странице сессии есть turn rail, закреплённая правая панель (live mode, при переключении закрепляется за исходной сессией), официальное переименование, итоговое summary и постоянный статус-чип (idle / active / tool-wait / stalled). В dsh v0.1.2+ это сливается с TurnNavigatorRail: векторные info chips для duration, tool calls, errors и thinking, плюс отложенная выдача tool в preview card. Правый клик открывает workbench; piano-key strip включена по умолчанию, передаёт прыжки к не загруженным turns официальному auto-load и rail можно полностью скрыть. Диалог с 10 настройками поведения.

Плагин цепочек фолбэка для DeepSeek Harness: при сбое основной модели автоматическое переключение на резервного провайдера, с панелью настройки в Web UI.

Используйте локальный Codex App Server как провайдера модели в DeepSeek Harness

Провайдер LLM для DeepSeek Harness для моделей Codex через управляемый OAuth ChatGPT

Провайдер LLM для DeepSeek Harness для моделей Codex через управляемый OAuth ChatGPT

Детерминированная маршрутизация по ключевым словам, переключение моделей по allow-листу и изолированный канал image_gen для DeepSeek Harness.

Направляет каждую задачу одной модели, а её проверку — другой, с подтверждением квалификации, отказоустойчивым переключением и надёжным журналом.

TypeSafe Jev (решающая модель System One) как инструмент jev_decide для DeepSeek Harness: вопросы noul, choice и score возвращают калиброванные вероятности; учётные данные переиспользуют credential-шов DSH; встроен повтор с backoff при 429/529.

Смена модели и управление уровнем рассуждений для DeepSeek Harness: инструменты агента set_model и list_models позволяют агенту самостоятельно менять провайдера, модель или глубину мышления посреди задачи, с обязательной причиной, белым списком провайдеров и защитой от перегрузки контекстного окна токенами; активная модель внедряется в контекст выполнения, а автоматический переход Plan Mode переключает на настроенную модель планирования при входе в режим плана и возвращает предыдущую модель выполнения при выходе.

Адаптер бессерверного LLM FriendliAI для DeepSeek Harness — OpenAI-совместимые chat completions с динамическим обнаружением моделей и поддержкой рассуждений

femo (Flow Emerges Mag Opus) — оркестрация мира мультиагентов так, как пишут сценарий. Версия плагина для dsh: движок, мост и визуальный редактор — всё в одной папке, самодостаточно, переносится вместе с папкой и сразу готово к работе.

Бесплатные модели Kilo Gateway и OpenCode Zen для DeepSeek Harness (DSH) через нативные адаптеры dsh-llm.

Добавляет в строки моделей в Settings редактор уровня reasoning с пресетами протоколов OpenAI и Anthropic (llm-pi-ai), переключатели входных модальностей и пресет контекста 1M/128K и максимального вывода.