Плагины

Независимая от харнесса инфраструктура надёжности для агентов ИИ-программирования: обратимые разрушительные действия, редактирование перед выдачей, доказательства восстановления и общий Decision Protocol с опциональными нативными адаптерами.

Заставьте ИИ помнить, как вы думаете, а не то, что вы сказали: он активно фиксирует ваши принципы, красные линии и рабочие привычки между сессиями — с объёмом памяти, мягким затуханием и понятным человеку обоснованием для каждой записи. В 0.7.0 добавлен наглядный портрет персоны с прослеживанием доказательств.

Наделяет текстовых агентов DeepSeek Harness пониманием видео: семплирование кадров с учётом сцен + VLM + необязательная ASR-транскрипция, объединённые в доказательства на временной шкале. / Плагин понимания видео для чисто текстовых моделей (семплирование кадров по сценам + VLM + необязательная расшифровка речи).

Отслеживает релизы DSH и плагинов, повторно тестирует точные опубликованные артефакты в одноразовых раннерах, публикует машиночитаемые доказательства совместимости и согласовывает управляемые проблемы после исправлений.

Многосистемный веб-поиск для агентов-программистов — единое ядро SearchBoost (объединённый поиск, fetch, X) с адаптерами MCP (Cursor, Codex, Claude Code, Grok Build, Antigravity), расширением pi и бандлом DeepSeek Harness

Многомерная оценка качества для плагинов DeepSeek Harness, которая оценивает репозиторий или npm-пакет по успешности установки, активности сопровождения, полноте документации, проверке безопасности и соответствию протоколу на основе реальных CLI-доказательств и формирует отчёт таблицы лидеров в JSON или Markdown.

Сканер безопасности для плагинов DSH: статический и семантический анализ исходного кода плагина, правила поверхности атаки для DSH, npm audit, пакетное сканирование и HTML-отчёт с уровнем серьёзности и доказательствами по каждой находке.

Модульная дисциплина исполнения на передовой для DSH: маршрутизация на основе доказательств по 26 навыкам, планирование файлов в стиле Manus, гейты проверки, восстановление после серий неудач и интерактивная веб-панель.

Контроллер самоэволюции с приоритетом доказательств: ограниченная генерация кандидатов Cordis, однократный приём настоящего Loader, оценка Harbor и журналируемая родословная с возможностью возобновления после сбоя.

Бандл DeepSeek Harness регистрирует навык, превращающий длинный формат (академические статьи, отраслевой анализ, бизнес-комментарии) в конвейер из 9 ролей: параллельные скауты T1 литература / T2 данные / T3 кейсы, запускаемые координатором T4 аналитик, T5 писатель, T6 критический компаньон, T7 аудитор, T8 финализатор, T9 рецензент. На 6 фазах с треугольной проверкой доказательств, M-гейтом из 23 проверок, аудитом G0-G14 включая китайский шлюз ИИ-следа, оценкой peer-review с подбором журналов и 4 человеческими контрольными точками. Установка через `dsh plugin add lunheng-article-pipeline` (package.json#dsh.bundle.patch плюс запись lib/index.js регистрирующая навык); карточки ролей T1-T9, шаблоны и 11 скриптов проверки без зависимостей, README на пяти языках.

Зрение для текстового DeepSeek по умолчанию через Doubao Web (бесплатно, без API-ключа — управляет вашим авторизованным Chrome через мост Windows CDP), с квотой Antigravity IDE (flash/pro) или резервным вариантом Gemini; автоматическое повышение уровня детализации, память визуальных доказательств с регидратацией после сжатия, кеш по хешу контента и двуязычная клиентская панель.

Инспектор встроенных возможностей DSH Web на основе доказательств: происхождение времени выполнения/конфигурации, диагностика совместимости и дрейфа, а также элементы управления по принципу fail-closed для девяти проверенных UI-листьев.

Ролевые ИИ-рой для DeepSeek Harness: архитектор планирует, параллельные сборщики выполняют, ревьюеры контролируют качество, а интегратор поставляет. Закрепление моделей по ролям с цепочками отката, циклы ревью, контракты доказательств, ревью с участием человека, пауза/возобновление с учётом квот, живой канбан + блок-схема в веб-интерфейсе. 40 тестов; установка из GitHub или npm.

Добавляет локальное чтение PDF, долговечную библиотеку статей, отслеживаемые записи доказательств и инструменты для сравнения и синтеза материалов из разных статей.

Плагин проверки целей на основе доказательств для DeepSeek Harness. Фиксирует цели через /ultragoal и проверяет выполнение по кодам завершения команд и сгенерированным артефактам, не позволяя модели ложно сообщать о завершении задачи.

Управляемый рой из шести специализированных агентов DSH — оркестратор, планировщик, мост к базе знаний, разработчик и два рецензента — превращает требование в строгий конвейер фаз, где каждая поставка должна доказать себя структурированными доказательствами до начала следующей фазы; рецензенты работают только на чтение, слияние кода возможно только после прохождения review, а журнал событий только на добавление даёт полное воспроизведение и аудит на живой канбан-доске. Его дизайн вдохновлён канбаном Hermes Agent.

Автосбор без LLM и символический \[ENGRAM\] индекс с поэтапным раскрытием, протокол задач/доказательств в стиле ESR-lite (esr_task / esr_node / esr_close / esr_link) и телеметрией использования по каждому workspace с офлайн-бенчмарком воспроизведения (npm run eval).

Техническое превью локальной графовой памяти для DSH и Codex: вспоминает глобальные и текущие проектные доказательства владельца перед каждым ходом, записывает записи USER и ASSISTANT отдельно, и сохраняет происхождение проекта, сессии, актёра и источника для визуального атласа и цитируемых страниц знаний.

Локальная графовая память в статусе технического превью для DSH и Codex: перед каждым ходом извлекает данные владельца и текущего проекта, отдельно записывает записи USER и ASSISTANT и сохраняет происхождение по проекту, сессии, актору и источнику для визуального атласа и страниц знаний со ссылками.

Шлюз выводов на основе доказательств: перекрёстно проверяет утверждения из первых рук по долговечному индексу активности инструментов сессии, блокирует непроверенные догадки и отслеживает метрики заблокированных против конвертированных.

Просмотр траекторий только для чтения в боковой панели разговора с изменяемым размером: анализ правил, необязательные пояснения модели, навигация по свидетельствам и сравнение запусков в одном и том же диапазоне.

Локальная Agent Experience Network для DeepSeek Harness: дистилляция опыта на уровне задач из трасс и живых манифестов, оценка по доказательствам H0–H4, обнаружение по совместимости и продвижение только после явной проверки.

Захват экрана без зависимостей для DSH: Lightweight — ноль зависимостей, ноль бинарников; Stage & shoot — полноэкранный захват, раскладка окон, hover-snap захват перекрытых окон в один клик; самообслуживание агента — доставка только путём; пути универсальны, в паре с modlens (опционально) — структурированные доказательства за один вызов.

Плагин для DSH Desktop: проверяемые факты. Ограничения внедряются лишь по релевантности — простой чат не тратит токенов; внедрение слоистое (стабильное — в системном промпте, изменчивое — хвостовым снапшотом), кэш промпта валиден. Ход классифицируется (вопрос/исследование/обсуждение/диагностика/выполнение): без правок файлов на вопросах, без незапрошенных исправлений на диагностике; ловятся ссылки на не открытые строки кода и «я не проверял» под видом «жду решения». Память: предупреждения о 75%/90% контекста, экспорт резюме, знания проекта между сессиями, удаление по id. Артефакты: контракт задачи, журналы изменений и гипотез. Дашборд: маршрутизация и сборка блоков → lume-metrics.jsonl (через lume_metrics); персонажи — из логов, романов и карточек, с постоянной и временной памятью.