Плагины

Режим обучения, объясняющий каждый шаг агента (в разработке).

Плагин долговременной памяти и самоэволюции для DSH: захват L0 → извлечение памяти L1 → группировка сцен L2 → персона пользователя L3, автоматическая инъекция воспоминаний, синтез навыков, полностью локальная работа (SQLite FTS5 + jieba, опциональный векторный поиск).

AI Company Framework: одно предложение превращается в мультиагентную компанию — 15 плоских Skills (boss/pipeline/role-template/11 ролей/generic customer-memory), 7 шаблонов workflow, среда выполнения AgentTeams + панель активности, боковая панель сотрудников с изоляцией по сессиям, мост бота Feishu (бот-boss и боты по сотрудникам, маршрутизация групп, автономные пуши, шлюз решений человека, гайд по внешним контактам), SQLite-память по клиенту с трёхуровневой памятью (межгрупповое слияние), переключатель режима /company; без RAG.

Бейдж квоты в заголовке и вкладка мониторинга использования: текущий баланс/остаток квоты и обратный отсчёт до сброса для каждого провайдера; запросы, токены (input/output/cache-read/cache-write), доля попаданий кэша, расчётная стоимость и средняя задержка отслеживаются по сессии, провайдеру, модели и клиенту, хранятся локально в SQLite с импортом/экспортом между устройствами.

Инструменты баз данных для агентов: list/query/exec/schema/stats/health для SQLite/MySQL/PostgreSQL, с защитой только для чтения на уровне лексера, ограничениями строк, выводом запросов в CSV/JSON и путём записи с подтверждением.

Одно общее хранилище Obsidian для всех агентов: ядро на Python без зависимостей (search/promote/adjudicate/forget), шаблон хранилища, плагин dsh (memory_search/show/submit/status).

Плагин межсессионной памяти для DSH (v0.6.1, npm @asherliner/dsh-memory-connect): автоматическое извлечение, индексация SQLite FTS5, семантическое восстановление RRF, внедряемое в системный промпт каждый ход, плановое обслуживание, консолидация LLM через ctx.llm, предотвращение взрыва контекста, глобальная идентичность Soul через ~/.dsh/soul.md. v0.5.0: темпоральный граф контекста, модель доверия, суммаризация в конце хода. v0.6.0: локальные семантические эмбеддинги (BAAI/bge-small-zh-v1.5), без облачных вызовов. v0.6.1: исправлено разворачивание ~ в конфигурации путей. Установка без настройки.

Биомиметическая система памяти для DeepSeek Harness: единое хранилище SQLite (node:sqlite, WAL), дерево Markdown которого хранится как зеркало только для чтения; инструменты памяти, внедрение замороженного снимка при запуске сессии, ступенчатое одобрение по шлюзам, извлечение текущей сессии по запросу, слияние почти дубликатов, жизненный цикл архивирования и замены, метаболизм памяти (dream), закрепления памяти, семантическое извлечение по локальным эмбеддингам, а также команда /memory.

Плагин DeepSeek Harness, который блокирует рискованные установки npm с помощью метаданных и глубокого сканирования цепочки поставок.

Поиск, список и чтение прошлых и текущих сессий через собственный сервис harness `sessionQuery`: использует индекс SQLite FTS5, если он включён в развёртывании, и переходит на ограниченный поиск от новых к старым, если нет.

Полностью локальная векторная память для DSH: локальные эмбеддинги, хранилище SQLite, автоматическая инъекция воспоминаний, дедупликация с обнаружением конфликтов, корзина мягкого удаления, онлайн-резервное копирование и опциональное извлечение LLM.

Устойчивые DAG-воркфлоу для DeepSeek Harness с инструментами создания агентов, персистентностью на SQLite, возобновляемыми запусками и визуальной Canvas Studio.

Локальный граф знаний кода для агентов: разбирает кодовую базу (Python/JS/TS/Go/Java/Rust) в индекс SQLite и отвечает на вопросы о вызывающих, вызываемых, зависимостях, обратных зависимостях, влиянии и полнотекстовые запросы по нему.

Полноценная локальная доска задач, встроенная в веб-GUI DSH: представления Kanban / список / Gantt / workflow / dashboard, AI-чат для каждой задачи, вложения и метки, автоматическое взятие todo-задач через dsh-routines — данные хранятся в локальном SQLite (`dsh plugin add @ttmouse/dsh-taskboard`).

Постоянный локальный учёт token usage для DSH Web с автоматическим обнаружением истории и компактными сведениями о поставщике/модели.

Сборка проверяемых пакетов базы знаний (SQLite FTS5) из md/txt/docx/pdf с детерминированным поиском и чтением исходного текста.

Управляемый через чат плагин администрирования множества баз данных для DeepSeek Harness: запрашивайте и управляйте MySQL, PostgreSQL, GaussDB, MongoDB, Redis, Oracle, DM и SQLite прямо из беседы, с правами ro/rw в рамках проекта, панелью управления в боковой панели, просмотром схем и предпросмотром данных и опасными операциями, требующими подтверждения.

Записи памяти в SQLite, календарь с напоминаниями о сроках и cron-задачи агента по расписанию, с 13 инструментами модели и двуязычным интерфейсом zh/en.

Режим RedTeam для DSH: одной фразой поднимает оперативного агента красной команды (разведка активов / цепочки атак / цели по очкам / отчёты / база знаний POC), включая четыре роли, 13 нативных навыков и постоянную правую консоль

Council of High Intelligence: соберите экспертную группу из 18 исторических деятелей для структурированных дебатов с разных точек зрения, с живой боковой панелью DAG, историей запусков SQLite и настройками по умолчанию для каждого проекта через .council.yaml.

Локальный менеджер базы знаний для агентов DSH: импорт нескольких форматов, чанкинг с поддержкой CJK, гибридный поиск sqlite-vec (вектор) + BM25 с реранжированием bge-reranker-base, снапшоты, экспорт/импорт kbpack и кросс-KB-поиск — 22 инструмента агента и веб-панель.

Трёхуровневая локальная память для DeepSeek Harness: L1 снимок памяти (MEMORY.md/USER.md), читаемый по запросу инструментами memory_* + L2 поисковая база знаний (факты + SQLite FTS5, поиск на китайском через токенизацию скользящим окном) + L3 импорт из Hermes/Claude Code/Codex/WorkBuddy и из одобренных документов Agent Hub (memory/global, memory/projects, принятые решения) с дедупликацией по хешу содержимого. В v0.2.0 убрана любая автоматическая инъекция: память попадает в контекст только когда модель вызывает один из 12 инструментов memory_*, а данные остаются на локальном диске.

Управляемые человеком пространства памяти между сессиями с независимыми связями источника и потребителя, происхождением данных, версионированием и проверкой внедрения перед отправкой.

Устойчивые DAG-процессы для DeepSeek Harness с инструментами разработки Agent, хранением в SQLite, возобновляемыми запусками и визуальной Canvas Studio.