Плагины

Декларация возможностей по каждой модели для DeepSeek Harness: уровни усилий reasoning (написание для протокола) + модальности запроса (vision) для совместимых с OpenAI провайдеров. Раздел настроек, без рантайм-зависимостей harness, без YAML.

Независимый от провайдера HTTP-мост AIGC + бесконечный холст + постобработка через ffmpeg; 13 инструментов, включая связи на холсте/reroll/редактирование медиа.

Плагин DeepSeek Harness, связывающий изображения сессии с подключаемыми vision API, сохраняя DeepSeek в роли основной модели.

Автоматические цепочки фолбэка провайдера/модели для агентов DeepSeek Harness при постоянных сбоях запросов LLM (исчерпаны повторы, ошибка авторизации, квота, лимит частоты запросов)

Темы Solarized + Selenized для DeepSeek Harness: четыре точные палитры (Solarized Dark/Light, Selenized Dark/Light), зарегистрированные в системе тем DSH со строкой выбора в настройках, включая канонические цвета синтаксиса для блоков кода markdown

Superpowers (obra/superpowers) для DeepSeek Harness: skills методологии разработки ПО плюс их инициализация в сессии, в виде плагина dsh.

Бандл-плагин очеловечивания китайского текста: обязательный workflow глубокого переписывания (десятимерный нарративный аудит + функциональные пути + 15-слойное распределение) + страж верности содержанию. Это помощь в редактировании, а не детектор AI.

11 переносимых навыков рабочего процесса (handoff, triage, to-spec, to-tickets, wayfinder, teach, wait-what, dsh-mode-routing, ask-matt, overnight-execution, full-throttle) в виде устанавливаемого пакета навыков.

Авто-шахматы: человек против AI или AI против AI.

Переключатель моделей для DSH: направьте его на любой совместимый с OpenAI эндпоинт, с подобранными бесплатными/дешёвыми пресетами провайдера DeepSeek и автоматическим резервным вариантом, если бесплатный уровень ограничивает частоту запросов.

Двухуровневый предохранитель модели с отказоустойчивостью: отключает модель или всего провайдера после повторных сбоев запросов и направляет следующий запрос на настроенный резервный вариант.

SHOPLINE AI Toolkit: связывает официальный MCP-сервер SHOPLINE Developer и поставляет семь навыков агента SHOPLINE (Admin REST, GraphQL, OAuth, webhooks, Sline) — аналог Shopify AI Toolkit для SHOPLINE.

RAG с двойным графом знаний для заметок Markdown: графы предпосылок и сходства (обход P/S-Agent), разбиение на абзацы, гибридный поиск n-gram/эмбеддинги и явный цикл обратной связи по весам — через MCP.

Набор инструментов традиционной китайской медицины: диагностика по восьми осям и поиск сочетаний трав.

Врата проверки на реальных вычислениях: упрощение математических выражений, логические доказательства, проверка regex, FOL через E-prover, проверки конечных автоматов и исправление кода на основе бинарников, скомпилированных на Go, с готовыми исполняемыми файлами для Windows.

Навык поведенческого коучинга при СДВГ: разбиение задач, управление перегрузкой, ритуалы запуска и восстановление после неудач.

Валидация JSON Schema: проверка/пути/объяснение/нормализация.

Тестирование/извлечение/безопасная замена/статическое объяснение регулярных выражений без выполнения кода.

HeartFlow (心虫) — шлюз дискриминатора первого уровня AGI как плагин DSH: 47-мерная проверка текста на основе правил (инструмент heartflow_check) плюс автоматический надзор за выводом на этапе tools/post-execute; блокирует выполнение при отсутствии движка (fail-closed).

Нативный vision-мост провайдера LLM: изображения, вставленные в чат, описываются vision-моделью (Qwen3-VL через pi-ai/llama.cpp), а текстовое описание передаётся текстовой модели DeepSeek для ответа — приём изображений, маршрутизация и сжатие идут через нативные механизмы harness, с LRU-кэшем описаний и повтором при 503.

Изображения, прикреплённые в composer, распознаются в текст vision-моделью, совместимой с OpenAI, прежде чем попасть к текстовым моделям DeepSeek.

Ограниченная локальная память с контролем полномочий CBDC: утверждения в SQLite + FTS5, целевая выборка с объяснимыми решениями use/verify/ignore и полным журналом аудита, команды /memory, внедрение ≤3 утверждений/1200 символов за вызов, без дополнительных вызовов модели.

Межсессионная очередь задач с заметками передачи: сессии и субагенты добавляют, забирают, завершают и отменяют задачи в общей очереди на основе файлов, оставляя сводку передачи для следующего исполнителя.