Плагины

Полноэкранный терминальный клиент для DeepSeek Harness на базе pi-tui: воспроизведение/возобновление сессий, потоковые ответы, сворачиваемые карточки инструментов, подтверждения и вопросы прямо в терминале, управление моделями/пресетами/правами/планами/целями, режим shell и журнал траектории.

Плавающая плашка использования тарифа OpenCode Go: проценты потребления за три окна (скользящее/недельное/месячное) с мини-графиками областей, на основе фоновой выборки из официального API /v1/usage.

«Королевство» управления агентами для DeepSeek Harness: территории, привязки ролей (bind/unbind/session с идентификацией модели/агента) и цикл задач план→назначение→выполнение→проверка, где заявления Worker никогда не завершаются автоматически (Claim ≠ Fact), с локальной консолью управления GUI.

Направленный fuzzing под управлением агента LLM. Для целевого репозитория и ошибки (описание CVE, патч, трасса сбоя или file:line) выполняется цикл PLAN, IMPLEMENT, EXECUTE, REFLECT; модель пишет генераторы входов на Python, пока не сработает проверка шаблона stderr кампании или кампания не остановится.

Звуковые уведомления по событиям: завершение хода, одобрение, вопрос, ревью плана, блокировка цели и сбой задачи — у каждого свой звук и громкость, настраиваемые в Web UI (встроенный синтезатор, отключение или локальный аудиофайл).

Внедряет один раздел системного промпта, чтобы цепочка рассуждений агента, планирование и обоснование вызовов инструментов оставались на упрощённом китайском. Без внешних зависимостей — клонируйте и ставьте линком из любого локального каталога, без сборки и публикации в npm.

Визуальные round-table встречи для DeepSeek Harness — узлы экспертов на кольце с направленными рёбрами, агрегирующий шлюз, proxy thinking для black-box worker models и adversarial review (red-team) утверждённых планов с endorse/reject по каждому взгляду.

Режим обучения local-first: обучающие треды между сессиями с объяснениями по каждому источнику.

Движок для написания веб-новелл для DeepSeek Harness: параллельное черновое написание, составление плана и мозговой штурм с отдельным ключом DeepSeek, управление лором и предвестиями сюжета, семантический векторный поиск, библиотека корпуса, журнал использования, механическая корректура и локальный план сериализации.

Ревью плана с привязанными аннотациями и структурированной обратной связью, возвращаемой агенту.

Семь предустановленных режимов агента для DeepSeek Harness, каждый с фиксированной границей инструментов, маршрутизацией моделей по режимам и быстрыми/глубокими уровнями делегирования omd_task, а также цикл план-исполнение (/mode, /start-work, поддерживаемая целью /ulw) и страница настроек, которая переназначает модели для каждого режима и уровня.

Набор пресетов агента Programming Mode: стандартный агент программирования с персоной, предписывающей дисциплину Superpowers (сначала навыки, мозговой штурм перед разработкой, планы перед кодом, TDD, систематическая отладка, проверка перед завершением), и всегда включённой дисциплиной объёма кода Ponytail (7-ступенчатая лестница минимального кода, по умолчанию полный режим); содержит все двадцать навыков (14 superpowers + 6 ponytail) и механически внедряет полный навык using-superpowers в первый запрос каждой новой сессии.

Панель задач для боковой панели DSH Web: публикует задачи, автоматически дистиллирует связанные сессии и управляет этапами планирования/разработки/обзора с субагентами, а также принятием внутри панели.

Пресет агента в режиме обучения: агент кодирования, который обучает во время кодирования — конкретные сценарные объяснения, сократическое руководство и практические заготовки TODO(你), смоделированные по стилю вывода Learning Claude Code; устанавливается через dsh plugin add (dsh-learning-mode в npm).

Типизированные решения Laya (`noul` да/нет, `choice`, `score`) как первоклассный сервис Cordis (`ctx.laya`) плюс видимые для модели инструменты `laya_ask` и `laya_plan`. Сам плагин ничего не устанавливает и не скачивает: он является клиентом сайдкара `laya-mcp serve`, который вы запускаете сами, и сообщает, что сайдкар не запущен, вместо непонятного сбоя при первом вызове инструмента.

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.

Пошаговый model router: именованные пресеты с упорядоченными правилами групп изображений/ключевых слов направляют каждый шаг агента через всех подключённых провайдеров и моделей, добавляя потоки совместной работы для транскрипции изображений, защиту изображений, панель квот по нескольким тарифам и наблюдаемость решений на каждом шаге.

Индикатор и панель квот в правом нижнем углу, объединяющие квоты подписок на AI-платформах (Kimi Code, DeepSeek, Zhipu Coding Plan, BigModel, Qwen, Scnet, TokenRouter, SupaWriter), автоматически синхронизирующие API-ключи из домена credentials DSH и отображающие цветные полосы использования.

Многоуровневые звуковые уведомления в тематике Perlica (Arknights: Endfield): тоны готовности плана, завершения задачи, необходимости вашего ввода и ошибки; тишина для обычного чата, воспроизведение на системном уровне (работает в фоне), кроссплатформенно (Windows/macOS/Linux), пользовательские звуки TTS.

Управление VPS-серверами по SSH-ключу: 21 команда /vps- без токенов (запросы статуса, установка рецептов с планом и подтверждением /vps-yes, перезагрузка с ожиданием возврата машины), терминал в беседе (xterm.js через ssh -tt) для интерактивных программ, 5 инструментов агента с подтверждением по уровням риска, резервное копирование файлов с автоматическим восстановлением и страховочный файрвол/SSH, 29 встроенных рецептов и страница настроек для добавления машин.

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.

Глубокое исследование как режим агента: один проверенный цикл, который планирует, исследует в адаптивных параллельных раундах, управляемых пробелами, которые сами исследователи объявляют, синтезирует процитированный отчёт, а затем рецензирует его adversarial-методом, вместо скрипта, который модель переписывает при каждом вызове. Вопросы, до которых бюджет раундов не добрался, называются в отчёте, а не отбрасываются.

Показывает использование coding-plan и баланс для 5 AI-провайдеров (MiniMax, DeepSeek, Kimi, OpenRouter, Zhipu) рядом с вводом композитора, переключаясь с выбранной моделью и повторно используя API-ключи, настроенные в настройках моделей DSH.