Плагины

Плагин автоматического выбора уровня рассуждений для DeepSeek Harness (DSH): модель Jev System One определяет, сколько размышлений заслуживает каждое сообщение, ступени выводятся из объявленных моделью уровней, контекстный конверт фиксированного размера позволяет таким уточнениям, как «продолжай», наследовать глубину темы, при равенстве берётся верхняя ступень, а при любом сбое молча сохраняется прежний уровень. | Уровень рассуждений на сообщение на базе Jev: лестницы для каждой модели выводятся из того, что заявляет сама модель, конверт контекста фиксированного размера, чтобы уточнения наследовали глубину темы, ничьи решаются вверх, молчаливый откат на любом пути сбоя.

Лаунчер удалённой разработки для DeepSeek Harness: разворачивает dsh на удалённом хосте по SSH и подключается с локального клиента, при этом учётные данные LLM проксируются через обратный туннель и никогда не покидают локальную машину. Поставляется и как отдельный CLI, и как плагин dsh с панелью сессии, слэш-командой /remote и инструментами агента remote_*.

Объединяет контекст других сессий в текущем ходе: разрешение конфликтов с весами по доказательствам, отзыв утверждений, чьи посылки были отозваны, маркировка доверия, устойчивая к межсессионному внедрению промптов, и упаковка с ограничением по бюджету. Поставляется с бенчмарком.

Модели подписки OpenCode Go как провайдер DeepSeek Harness: заново разрешает живой каталог шлюза каждые несколько минут, автоматически адаптирует модели, которых не видела встроенная таблица, и покрывает потоковую передачу, вызовы инструментов, ввод изображений и использование подписки. Поддерживаемый форк dsh-opencode-go: конфликт с вышестоящим пакетом из-за пространства имён настроек llm-opencode-go заставляет его тихо отступать вместо отказа всего дерева плагинов, а уже занятый маршрут opencode-go заставляет его обслуживать на opencode-go-plus.

Проводит дебаты «тезис — антитезис — печать», вердикт которых вычисляется по реальным кодам возврата команд и числу кейсов, а не по тексту агента.

Командная база знаний для офлайн-обмена знаниями (сценарий FDE box): точки входа для просмотра, полнотекстового поиска и уточнения; исходный материал автоматически ставится в очередь и дистиллируется в вики-страницы последовательной бот-сессией (шаблон Karpathy LLM Wiki: неизменяемый исходник, двухэтапное уточнение, поток логов, ежемесячный lint).

Мультиязыковая интеллектуальная работа с кодовой базой для MCP-совместимых IDE, CLI и DeepSeek Harness: чат, поиск, аудит, рефакторинг и готовые к совету директоров отчёты из локального кода.

Лаконичный стиль вывода в один клик для DeepSeek Harness: сначала результат, без воды, та же глубина работы. Каждый финальный ответ открывается карточкой-резюме простым языком (выделите текст для копирования), в пределах сессии, работает в headless/CLI, с командой /concise, переопределениями style.md и локальным API. Ссылки и пути файлов внутри карточки-резюме рендерятся как кликабельные чипы: URL переходят, локальные файлы открываются приложением ОС по умолчанию (v0.9+). Пошаговое напоминание о контракте предгенерации (v0.11.2+) измеримо исправляет пропуски резюме в ответах формы аудиторского отчёта/таблицы.

Локальный мост мультипланов для DeepSeek Harness: используйте ваши действующие подписки ChatGPT Codex, Claude, ZCode (GLM) и Qwen через один loopback-прокси, с карточкой статуса на странице настроек и подготовкой в один клик. Без изменений ядра dsh.

Полноэкранный терминальный TUI для DeepSeek Harness с паритетом Web-GUI, потоковой передачей в реальном времени, пресетами агентов и оформлением в фирменном синем цвете DeepSeek.

Хук памяти L-clone: DSH автоматически выполняет capture во внешний мозг в конце каждого раунда (turn/end); кнопка «Панель мозга» в боковой панели Web GUI одним нажатием открывает рабочее место памяти.

Адаптер LLM-провайдера, маршрутизирующий вызовы моделей через любой сервер ACP (Agent Client Protocol) — Claude Code, Codex, Gemini CLI, Devin и другие — с браузером реестра, UI настроек по серверу, ленивой аутентификацией и динамическим обнаружением моделей.

Логика сжатия контекста по принципу человеческого мозга, резко снижающая занятость контекста и расход токенов в долгих задачах.

После того как официальный llm-retry (n/5) сдаётся, продолжает повторять временные сбои API (тайм-аут, транспорт, ограничение частоты, 5xx, разрыв SSE) на том же открытом шаге до успеха, отмены или паузы; AUTH, QUOTA и пользовательский Stop никогда не повторяются.

Цены моделей на странице настроек DSH: ~7 250 моделей / 213 провайдеров с наложенным каталогом harness, честное сравнение минимальной заявленной цены, расходы сессии по фактическому маршруту, атрибуция утечек кэша и проверенная лента акций.

Привязывает каждый запрос к нативному уровню максимальных усилий и добавляет панель глубины рассуждений по модели/режиму со слайдером способностей 0–20, изолированные профили Velocity/Apex и офлайн-наборы инструментов рассуждения. Распространяется обфусцированной сборкой; коммерческое использование разрешено, реверс-инжиниринг запрещён.

Защита с необратимой очисткой секретов: переписывает ключи доступа, bearer-токены и блоки приватных ключей в плейсхолдеры `[REDACTED:<category>]` прежде чем они попадут в журнал сессии и к модели.

Отслеживает трассировки выполнения агента и при срабатывании сигналов запускает проверку LLM в конце каждого успешного хода, кристаллизуя многократно используемые процессы в зарегистрированные навыки, которые прогрессивно улучшаются с последующими запусками.

Провайдер LLM Volcengine Ark Coding Plan для DeepSeek Harness: PDF и изображения с областью действия провайдера, с поддержкой потоковой передачи Responses API.

MCP-сервер, который выполняет поиск по Roblox DevForum и официальной документации для авторов, чтобы ИИ-агенты кодирования могли отлаживать игры Roblox на основе реальных знаний сообщества и движка.

Профилирование возможностей по моделям для DSH: преобразует локальную историю сеансов в панели мониторинга по моделям с количеством сеансов, использованием инструментов, частотами ошибок и основными сигнатурами ошибок, с фильтрами по временным диапазонам и сравнением нескольких моделей.

Добавляет вкладку Graph, которая отображает выполнение сессии как интерактивный DAG из ходов, шагов LLM, инструментов, скиллов, субагентов, изменений кода и тестов, с живым статусом, агрегацией повторов, критическим путём и связью с траекторией.

Локально объясняет неудачные запуски агента DeepSeek Harness, а затем формирует план восстановления с очищенными данными. Модель не требуется.

Используйте AItelier как субагента из DeepSeek Harness: создание, редактирование, запуск, экспорт и импорт конвейеров SkillFlow. Только клиент — требуется запущенный бэкенд AItelier (Docker; см. README).