Плагины

Покадровое сжатие диалога по кривой забывания для DeepSeek Harness: недавние ходы сохраняются дословно, средние ходы структурно обезвоживаются (без LLM), древние ходы сворачиваются в ограниченную пару резюме — неограниченные диалоги при ограниченном бюджете памяти.

Ночное самоулучшение вашего агента DeepSeek Harness: офлайн-сбор прошлых сессий, повторное выполнение регулярных задач за счёт вашего API-бюджета и консолидация проверенных навыков за отложенным контрольным барьером. Добавляет в dsh движок SkillOpt-Sleep от microsoft/SkillOpt как нативные инструменты и встроенный навык — без обучения весов. Требуются Python 3.10+ и движок SkillOpt-Sleep (pip install skillopt).

Улучшенные значения по умолчанию авто-компакции для пресетов агента DeepSeek Harness: одной командой применяются настроенные пороги/бюджеты хранения и политики по моделям, с идемпотентностью, резервными копиями и откатом.

Трекер стоимости токенов для DeepSeek Harness — отслеживание использования, расчёт стоимости, предупреждения о бюджете

Упреждающие пробуждения на уровне хоста для DeepSeek Harness: позволяет модели планировать собственные сигналы (разовые / интервальные / cron со случайным джиттером), вовремя будить холодные сессии, ограничивать инициированные моделью последующие сообщения тихими часами и дневным бюджетом и забирать молчаливые пробуждения

Проектная документация и долговременная память в виде обычного Markdown в отдельном хранилище Obsidian: шесть инструментов mem_* (search, read, write, log, brief, admin), однократная вводка ограниченного объёма воспоминаний на первом шаге сессии и автоматическое обобщение завершённых ходов. Obsidian не обязательно должен быть запущен, а хранилище остаётся читаемым после удаления плагина.

Универсальный мост Model Context Protocol (MCP) для DeepSeek Harness: подключает агентов к MCP-серверам stdio/sse/websocket с движком масштаба на 10 тыс. спящих соединений, поиском по инструментам BM25 за доли миллисекунды, динамическим бюджетированием токенов и веб-дашбордом в реальном времени.

Проактивные пробуждения на уровне хоста для DeepSeek Harness: модель сама ставит будильники (однократно, с интервалом или по cron, с необязательным случайным разбросом), холодные сессии пробуждаются вовремя через session resume, инициированные моделью продолжения ограничены тихими часами и дневным бюджетом доставки, а тихие пробуждения завершаются proactive_reclaim и выпадают из контекста модели. Объявленные файлы расписаний идемпотентно синхронизируют JSON-расписания по glob в будильники хоста, min_idle_seconds откладывает пробуждение, пока целевая сессия не успокоится; веб-панель (раздел настроек, вкладка на сессию, живое обновление по SSE) управляет будильниками и историей — движок сердцебиения для ИИ-компаньонов и ролевых персонажей с собственным распорядком.

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.

Предвизитная проверка и исследование компаний в DeepSeek Harness для проверки клиентов и составления рисковых справок, с утверждением бюджета вызовов инструментов Qichacha MCP и подтверждением организации.

Предохранитель по общему числу токенов на беседу для DeepSeek Harness: ставит предохранитель токенов в каждый диалог с ИИ, задавая отдельный общий бюджет на каждое сообщение пользователя, который единообразно ограничивает ввод, кэш, размышления и ответ, плюс слайдер whale и автоматический сброс на следующем сообщении пользователя.

Сжатие контекста на основе AST, фильтрация логов тестов и защита токен-бюджета для DeepSeek Harness: удаляет избыточный синтаксис, отсекает шумные строки логов и следит за потолком токенов, чтобы контекстное окно никогда не переполнялось.

Панель расходов для DeepSeek Harness: измеряет каждый запрос по событиям сессии, оценивает его по встроенному каталогу из 136 моделей у 16 провайдеров и показывает текущую модель, баланс аккаунта, сессию, расходы за сегодня и за месяц, а также полосу месячного бюджета рядом с композером. Двуязычный zh/en.

Инструменты Grafana только для чтения, запрашивающие метрики через прокси источников данных: состояние экземпляра, список источников данных, мгновенные и диапазонные запросы PromQL, текущее состояние алертов и заданные правила алертов. Диапазонные запросы прореживаются до бюджета точек; явно заданный шаг, который его превысит, отклоняется, а не меняется молча, поэтому модель никогда не получает данные с разрешением, которого не запрашивала.

Resumes turns interrupted by a DSH host restart: hooks agent activation (once a session is live), reads the crash-repair turn/end, and sends a continuation that requires verifying real-world state first rather than assuming a side effect succeeded or failed. Permanent failures (AUTH, QUOTA, context overflow) are skipped, with a cross-restart budget, adaptive backoff and a minimal-context payload.

Panel to edit dsh's native AGENTS.md from the web settings page: every layer in the instruction chain is clickable, three activation scopes, and a visual budget meter.

Model-callable compact_agents tool that force-compacts context in every live session (main session, ordinary sub-agents and AgentTeams members alike), queues busy targets and compacts them when the turn ends, reports the shadowed node count and estimated tokens per target, and ships a browser form for the trigger ratio, retained ratio, controlled-phase output budget, auto-continue budget and an end-of-turn pre-compaction ratio that compacts near the trigger line once a turn ends, so a reply no longer opens with a wait for the summarizer.

Agent billing and usage observability for dsh web: session-log direct-scan recording (zstd, per-event timestamps, watermark + lastSeq double dedup), multi-account rate profiles per provider and model, per-window live badge reading the window session id via React fiber, full glassmorphism dashboard with 14-day sparkline, budget alerts, relay-station balance queries and a 332-model official price library.

Alibaba Bailian (DashScope) model catalog preset + auto-adapter for DeepSeek Harness — reasoning effort levels, thinking budgets, context windows, auto-adaptation of existing Bailian routes, a configurable context ceiling

Live token cost for every chat in the DSH Web UI: the chat, its subagents and the whole session tree, priced from a bundled models.dev snapshot of seven providers and 139 priced models, with cache read and write rates wherever the provider publishes them and DeepSeek from its own peak and off-peak table. Every finished answer carries its own price in the transcript, and a chat that is not currently open is priced from the log instead of disappearing. Spend is costed per interval from an append-only JSONL ledger in the project folder, so logged work keeps the tariff it was billed at. On top of it: budget-aware work plans packed against a money limit, routing scenarios that show which models are worth connecting, a generated plan document in English, Chinese or Russian, and a warning when spend belongs to no plan unit.

Tiered persistent memory (user/env/project) with per-tier char budgets and semantic query routing; full layers refuse writes instead of silently evicting.

Team cost captain: meters every model call (subagents included), attributes each call to a member by workspace rules, prices it with the built-in DeepSeek 2026-09 catalog (peak/off-peak, CNY/USD) or user overrides, and appends it to a local JSONL ledger. Adds hot-reloadable member budgets, 80%/100% webhook alerts, optional over-budget enforcement, a team_cost_report tool with CSV export, and a settings-page team dashboard served over a Typert RPC service.

Persistent project memory, event-sourced task lifecycle, context budgeting, and cooperative multi-agent handoffs.

Local token usage and cost dashboard for DeepSeek Harness: four-segment token breakdown (miss/cache-hit/cache-write/output), cache savings estimate against the miss/hit price gap, per-session drill-down with context-growth curves and anomaly flags, global filters with shareable URLs, monthly budget progress with month-end projection, and day/month aggregate fast-path queries (O(days)) with incremental rescan.