Плагины

Загрузка файлов с цветными карточками вложений (хранилище изолировано по сессиям, дедупликация по sha256, очистка по TTL), плюс инструмент read_document с определением содержимого для PDF/DOCX/XLSX/TXT.

Доступ к веб-интерфейсу по LAN/удалённо: внедряет полифилл crypto.randomUUID на источниках с обычным HTTP, чтобы фронтенд работал по прямым ссылкам LAN или Tailscale IP.

Локальное рабочее место исследования A-акций для DeepSeek Harness: рыночные дашборды, списки наблюдения, оценка, четыре инвестор-агента, версионированные отчёты и непрерывный чат после отчёта.

Выделите текст в завершённом ответе DSH, чтобы открыть независимую постоянную read-only многоходовую Topic, привязанную к доказательствам исходной сессии и файлам проекта, пока исходный агент продолжает работу.

Многоперсонажный вид диалога в стиле галгейм с раздельным выбором персонажа и модели ответа, симпатией по каждому персонажу, памятью, историей диалога и галереями CG, а также ответами, учитывающими события задач во всех сессиях Harness.

Регистрирует локальный мост с совместимостью OpenAI как встроенного провайдера моделей DSH, повторно используя модели, авторизованные в настольном приложении на этом компьютере. Управляет мостом и локальным процессом панели, добавляет пять инструментов, команду `/workbuddy` и настройки с девятью вкладками. Требуется установленное и авторизованное приложение на той же машине; мост привязан только к 127.0.0.1.

Плагин для deepseek-harness, позволяющий вашему агенту развиваться в настраиваемом git-репозитории.

Межсессионная долговременная память в локальной SQLite: две области (пользователь и проект по Git origin), гибридный поиск FTS5 и локальных векторов с объединением RRF, проверка доказательств с обязательной явной оценкой их достаточности, цепочки аудита происхождения, интервальное повторение SM-2, дистилляция консолидации и забывание с затуханием, а также боковая панель Memory Palace с девятью видами. 22 инструмента с узкими параметрами, без внешнего сервиса, API key и Docker.

Терминальный клиент на Rust/ratatui, напрямую использующий протокол JSON-RPC DSH SDK; работает автономно или как бандл профиля.

Сторонний adapter регистрирует upstream MCP-сервер REA (Reverse Engineer Anything) в DeepSeek Harness как инструменты mcp__rea__*. Версия 2.x включает собственную среду (Node, REA CLI, JDK, Ghidra) в <DSH_HOME>/plugins/rea-bundle и запускает REA через shim, поэтому после первичной настройки работает без ранее установленных компонентов. 1.x (branch v1, npm 1.0.6) содержит только конфигурацию и требует заранее установить REA и Ghidra. Анализ выполняет upstream: нативные бинарники (Hopper/Ghidra/IDA), JavaScript/Electron, .NET, сайты, Android APK и устройства adb, прошивки и дампы процессов.

Обозреватель PRTS.chat для deepseek-harness: локальный/облачный поиск, чтение источников и 3D-пространство Rhine Lab.

AI-workflow для найма, для HR и хедхантеров: уточнение стандартов вакансии, поиск и первичный отбор кандидатов по двум каналам (Boss Zhipin и Liepin), обзор рынка талантов, оценка резюме, назначение собеседований, реестр кандидатов и ежедневные отчёты. Можно установить как плагин Claude Code или как плагин DeepSeek Harness (dsh) — последний включает готовую к использованию панель «Recruiting Browser». Также работает с любым AI-ассистентом для программирования, читающим AGENTS.md.

Локальная память проектов без встроенных зависимостей среды выполнения и внешних сервисов: JSON как единственный источник истины плюс генерируемый PROJECT_MEMORY.md, ограниченная по токенам и замороженная по сессии Hot Memory для стабильности кэша префиксов промптов, кешированный кросс-проектный BM25-отзыв, доверенное происхождение сессий/ходов, объяснимое управление дубликатами/конфликтами перед записью, редактируемый жизненный цикл важности/закрепления/тегов/замены/архивации, настраиваемая дистилляция по завершении хода верхнего уровня и двуязычный веб-GUI для поиска, просмотра, диагностики и настроек в реальном времени.

Безопасные для рабочего пространства инструменты Office для агентов: создание/чтение Word, создание/чтение/обновление Excel, и создание/чтение презентаций PowerPoint с размещением изображений PNG/JPG/GIF.

Набор улучшений UI для веб-клиента DSH: завершение китайской локали, статистика в одну строку, автоматически раскрываемое мышление, ширина чата, архивирование и удаление сессий, а также опциональный переключатель инъекции промптов (по умолчанию выключен).

Передача сообщений и событий между экземплярами DSH через сервер interconnect.

Плавающая панель для управления MCP-серверами и skills в веб-интерфейсе DSH: отложенная загрузка инструментов для каждого сервера (ToolSearch, по умолчанию выключена) исключает инструменты сервера из контекста каждого хода. Сначала в промпте перечислены только имена; полная схема добавляется после того, как модель находит её встроенным tool_search, чтобы не расходовать контекст на неиспользуемые схемы. MCP-серверы доступны глобально или в .dsh/mcp.json проекта; есть включение по серверам, каталог из 47 сервисов и импорт из десяти других клиентов. Skills автоматически обнаруживаются в своих реальных областях с учётом перекрытий; для каждой skill задаётся автоматический вызов моделью или только ручной.

Безвозвратно удаляет диалоги DSH, при желании рекурсивно удаляя ветвленные сессии и сессии субагентов.

Генерирует настраиваемые детерминированные заголовки сессий для DeepSeek Harness из семантических полей prompt и шаблонов.

Добавляет праздничную анимацию фейерверка в веб-интерфейс DSH с помощью инструмента агента happy_fireworks.

Добавляет представление Worktree в DSH Web UI, которое группирует сессии по Git-ворктри, сохраняя DSH в качестве единственного источника истины.

Мультиагентный рабочий процесс для конкурсов математического моделирования: пресет "UltraMath" ведёт задачу от чтения через фреймворк, вывод, кодинг, верификацию, статью и ревью, плюс 4 одноэтапных ролевых пресета (математик, инженер, писатель, рецензент) и 33 доков библиотеки моделей.

Выполняет запланированные задачи программирования в изолированных сессиях DeepSeek Harness, управляемых из настроек или через агента.

«Чтение» изображений для текстовых моделей: уменьшение масштаба + снижение глубины цвета + отпечатки структуры/цвета преобразуются в текстовые сетки, возвращаемые в диалог, что позволяет модели самостоятельно масштабировать, сэмплировать и распознавать текст (OCR), как мультимодальная модель; полностью локально, без зависимости от внешних моделей, поставляется с навыком методологии чтения изображений и опциональным PaddleOCR.