Плагины

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.

Экспортирует события DSH (только метаданные) — ходы, модели, инструменты, подтверждения, повторы и ошибки — в Tuning Engines для контролируемых трасс, оценки политик, анализа затрат и обзора Work Session, с очередью повторов на диске.

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.

Плагин памяти Honcho от Plastic Labs: внедряет профиль пользователя, сводку сессии и релевантные выводы в начале сессии, загружает каждый ход в Honcho в фоне с редактированными секретами и добавляет инструменты honcho_search / honcho_chat / honcho_remember, а также команду статуса /honcho; настраивается через общий с другими интеграциями Honcho файл ~/.honcho/config.json против хостингового honcho.dev или собственного экземпляра.

Проактивный плагин мультимодельной диспетчеризации: приём мультиисточниковых сигналов с дедупликацией и ранжированием срочности, движок решений из четырёх направлений (выполнить/отложить/отклонить/спросить пользователя), генерация DAG-планов с параллельным выполнением моделей, рефлексия качества с автоматическим повтором и сменой модели, долгосрочная память о паттернах задач и уроках, эволюция стратегии через генетические алгоритмы с песочничной оценкой и канареечным развёртыванием.

Выполняет задания 头歌 (EduCoder) через JSON API платформы без автоматизации браузера. `educoder_sweep` просматривает курсы, но пропускает завершённые задания, не читая их задачи; полный обход аккаунта не расходует токены модели. Тесты с выбором ответа также не требуют токенов: платформа возвращает ключ ответов в любом ответе на отправку. Код для задач генерирует модель, он отправляется с `evaluate:0` и проверяется один раз на задачу; повтор использует полученный отчёт об ошибке. Инструменты: `educoder_sweep`, `educoder_homework`, `educoder_account`.

Нативный чат бок о бок с основной беседой: независимая архивная сессия DSH с полным нативным интерфейсом, получение родительского контекста по требованию, цитирование выделенного и жизненный цикл «оставить или удалить».

Многоуровневая память для DSH с 10 инструментами агента: привилегированная запись (memory_add, memory_delete, memory_import), управление размышлением (memory_ruminate и связанные команды) и граф памяти. Конвейер L0-L3 извлекает и добавляет релевантные воспоминания перед каждым шагом модели.

Память и анализ для агентов DSH: автоматически извлекает возможные уроки после задач и вспоминает проверенные пользователем уроки в последующих релевантных задачах. Поддерживает происхождение источников, поиск по проекту, обработку конфликтов, обратную связь и проверку срока. Сбор и воспроизведение управляются отдельно; запись в AGENTS.md требует предпросмотра и явного применения.

Постоянная пятиуровневая система памяти с внедрением релевантной информации, автоматическим извлечением LLM, ротацией профилей и шестью инструментами агента.

Drives a locally installed Moli headless browser from DeepSeek Harness with two tools: rendered fetch, JavaScript evaluation, Markdown, semantic trees, screenshots and PDFs. Installs Moli when it is missing; verified on Windows and Linux.

Сочетает метод скелета кода Headroom (Apache-2.0) и оценщик TokenPilot (arXiv:2606.17016). Опубликованные данные: Headroom сообщает о снижении токенов на 20% для coding-агентов и на 60–95% для JSON при тех же ответах; TokenPilot — об экономии до 60% на длинных сессиях. Это показатели проектов, а не измерения или benchmark этого плагина. В DSH задаются профиль, порог Auto Compact и сжатие скелетом. Точное измерение токенизатором DeepSeek V4, сверка той же ревизии; на неподдерживаемых моделях fail-open сохраняет исходные результаты инструментов. Сжатие скелетом в ходе хода и итоговая сводка намерения внутри официального сжатия JSONL.

Подключает локальный MATLAB MCP Server к DSH для вычисления кода MATLAB, запуска .m-скриптов и тестов, проверки установленных toolbox через mcp__matlab__*. Требуются MATLAB, бинарный файл MathWorks MATLAB MCP Server и изменение пути после установки. Сам плагин инструменты не регистрирует.

Архив чтения для dsh: после чтения открытого кода делайте быстрые заметки или пишите подробные заметки, группирующиеся в одну карточку на репозиторий / файл / символ и хранящиеся как дополняемый журнал Markdown-заметок, открываемых в Obsidian; запрашивайте историю, просматривайте недавние чтения или ищите в собственном хранилище Obsidian и связывайте заметки с записью о чтении. Девять инструментов, команда /codevault и навык чтения кода.

Запускает 3 или 5 кандидатов кодинг-агентов в отдельных Git worktrees, проверяет их патчи командами проекта, ранжирует только прошедших и требует отдельного одобрения перед применением победителя.

Управляемый задачами движок экипировки плагинов: двойное извлечение (курируемые правила + семантика LLM), комбинированная оценка (синергия/конфликт/стоимость/доверие), обнаружение конфликтов и экспорт команд установки.

Система базы знаний в стиле Cherry Studio для DeepSeek Harness (DSH): базы, документы, чанкинг, эмбеддинги (совместимые с OpenAI / Ollama / локальные / лексический резерв), извлечение, инструменты для моделей и панель управления в браузере.

Проверяемая среда исполнения для зрения и кросс-платформенного Computer Use для DeepSeek Harness с сохраняющими источник доказательствами.

Консультант по оценке и улучшению PR: оценивает вероятность успеха PR на основе исторических анти-паттернов и успешных паттернов, с оценкой в один клик и практическими рекомендациями.

Проактивное планирование: адаптивный heartbeat и value network (срочность, релевантность, цена прерывания) решают, когда агент должен говорить без запроса.

Управляет реальным браузером пользователя через локальный демон Kimi WebBridge: инструменты навигации, поиска вкладок, snapshot, клика, заполнения, оценки, CDP, скриншота, сети, загрузки, экспорта в PDF и управления вкладками, повторно использующие существующие сеансы входа.

Восстановление истории диалогов для DSH: трёхслойное (точное/нечёткое/семантическое) извлечение по исходному тексту каждой прошлой сессии, полностью локально и офлайн — ИИ никогда не забывает то, что ты ему сказал. Установка одной командой через `dsh.bundle.patch`, семантический слой работает в фоновом потоке.

RAG с двойным графом знаний для заметок Markdown с half-life затуханием памяти: графы предпосылок и сходства (обход P/S-Agent), разбиение на абзацы, гибридный поиск n-gram/embedding и явный цикл обратной связи по весам — нативный плагин Cordis, устанавливается через npm как @eqman00003/knowlp-rag.

Вкладка dsh-better-sidebar статически разбирает файлы Qoder Canvas *.canvas.tsx и показывает их структурированными страницами в правой панели DSH. Код никогда не выполняется: без eval, bundler и sandbox iframe. Также заменяет просмотрщик .tsx и включает Skill для создания формата.