Плагины

Mebular даёт агентам общую память и совместную работу над задачами. Нативный плагин DSH делится памятью между устройствами и агентами и строит графы задач. Подключается к существующему приложению или CLI Mebular; если его нет, панель устанавливает общий runtime по запросу. Mebular не запускается и не скачивается скрытно.

Каузальная память для dsh: MCP-мост stdio без зависимостей, монтирующий 17 инструментов сервера causal-memory под чистыми именами (без префикса mcp__) — связи решение → результат с типизированными отношениями (caused / enabled / prevented) в локальном хранилище SQLite, сохраняющемся после compaction, — а также закреплённая секция системного промпта. Требуется бинарный файл сервера causal-memory в PATH (pip install causal-memory или готовый релиз).

Запуск кодинга по расписанию в новых сессиях агента с журналом, доступным для аудита.

Вставьте ссылку — агент прочитает её. Xiaohongshu, Douyin, Bilibili, WeChat, статьи, PDF и аудио превращаются в Markdown с цитатами для Wiki/базы знаний. Исследовательский A/B на 60 ходах (разные лимиты времени, точность человеком не проверялась): чтение завершено 22%→92% (+70 п.п.), тайм-ауты 68%→0%, ответы с реальным фактом из источника 23%→82%. Из 123 реальных ссылок пригодны 80% (93% среди ответивших страниц); недоступная ссылка отмечается за 26 с. Поддерживаются Codex, Claude Code, DSH.

Позволяет просматривать и управлять инструментами и skills агента в визуальном меню. Для каждой возможности задаётся Resident, On-demand или Disabled; агент может находить и использовать возможности по запросу, сокращая расход контекста.

Подключает к DSH любого агента с поддержкой ACP и делает DSH единой точкой входа для диалогов и задач. Модели, уровни рассуждений и режимы разрешений задаёт сам агент. Вызовы инструментов видны в основном чате, diff — на отдельной странице NTR, запросы на одобрение — в поле ввода. Требуется локально установленный CLI агента с поддержкой ACP.

База знаний для DeepSeek Harness: собирает при запросе данные ContextWindow с учётом границ заголовков и бюджета токенов, читая дополнительный контекст около найденных фрагментов. Сочетает BM25 и векторный поиск через взвешенный RRF, MMR и необязательное локальное/удалённое ранжирование. Есть автоматическая вставка источников, панель загрузки и проверки локальных моделей эмбеддингов/ранжирования/OCR, поиск по ключевым словам без скачивания моделей и повторное сканирование импортированных каталогов.

Панель управления плагинами: включение/отключение установленных плагинов в один клик плюс магазин GitHub dsh-plugin с подробностями и установкой в один клик.

Лабиринт исполнения для сессий DSH: реальный путь агента — основной прогресс, неудачные или тупиковые обходы, возвраты, повторы запросов и ветви подагентов — на одной временной шкале wall-clock, с тремя дорожками под каждой линией на той же оси (плотность tool-call, pulse токенов, давление контекста) и детерминированной панелью анализа ниже (матрица результатов инструментов, цепочки сбой-восстановление, распределение длительностей); наблюдайте, как он растёт в реальном времени во вкладке сессии, или загрузите до 5 логов сессий для сравнения на той же оси.

Совместимый с OpenAI мост для Midscene, использующий модели, настроенные в DeepSeek Harness. На 127.0.0.1 (порт 8787 по умолчанию, при занятости выбирается свободный) передаёт потоковые и обычные chat completions в модельный слой хоста. Поддерживает официальный роутинг DeepSeek, CodeBuddy, Codex и пользовательские OpenAI/Anthropic endpoint. Учётные данные остаются в provider-плагинах, мост их не затрагивает. /v1/midscene-env создаёт четыре строки MIDSCENE_MODEL_* и определяет семейство модели. Семь навыков: браузер, desktop, Android, iOS, HarmonyOS, E2E Vitest, справка Midscene; npx skills add не нужен. npm: dsh plugin --profile web add @tnnevol/dsh-midscene

Консоль управления активами для самостоятельно размещаемой ИИ-инфраструктуры. Вносит в единый ledger MCP-серверы, skills, agents, ИИ-приложения, каналы моделей, SaaS-коннекторы и NAS-хранилище; включает машину состояний жизненного цикла, точки RBAC для каждого инструмента, распределение затрат отдел × agent × skill, топологию зависимостей и журнал аудита append-only. Самостоятельное размещение, MIT, без облачного тарифа и контракта.

Альтернативы словам и автозаполнение по символу подчёркивания в композере. Завершите строку символом _ — и она будет дополнена; опечатки подсвечиваются по мере ввода. Работает через модель, уже настроенную в dsh, поэтому API-ключ не требуется.

Обратимое облегчение контекста для DeepSeek Harness: без потерь TOON-стиля повторное табличное кодирование однородных массивов JSON, окна таблиц с выборкой по шагу и номерами строк, а также дедупликация между ходами для повторяющегося вывода инструментов; каждая замена проходит через байт- и токен-ограничение (≤72% байт, строго меньше оценочных токенов), а оригинал сбрасывается на диск за уведомлением `[save-token #id]`, которое можно получить одной командой через инструмент `save_token_expand`, с учетом списанных и сэкономленных токенов на панели настроек.

Плагин агента рабочего процесса проектирования harness/loop, управляемый навыками.

Глубокое чтение книг и статей в пяти режимах (быстрый, глубокий, карта знаний, по Фейнману, полная книга) с отчётами «утверждение — доказательство — данные», интеллект-картами Mermaid/XMind, пакетным сравнением, предварительной проверкой бюджета, прозрачным отслеживанием прогресса фоновых задач и экспортом в MD/HTML из URL, файлов или вставленного текста.

Сторонний adapter регистрирует upstream MCP-сервер REA (Reverse Engineer Anything) в DeepSeek Harness как инструменты mcp__rea__*. Версия 2.x включает собственную среду (Node, REA CLI, JDK, Ghidra) в <DSH_HOME>/plugins/rea-bundle и запускает REA через shim, поэтому после первичной настройки работает без ранее установленных компонентов. 1.x (branch v1, npm 1.0.6) содержит только конфигурацию и требует заранее установить REA и Ghidra. Анализ выполняет upstream: нативные бинарники (Hopper/Ghidra/IDA), JavaScript/Electron, .NET, сайты, Android APK и устройства adb, прошивки и дампы процессов.

Конфигурация усилия рассуждения и модальности ввода для каждой модели у сторонних провайдеров: предложения, объединённые из базы знаний моделей и сырых данных эндпоинта /models, с метками уверенности, редактируемые в карточке официальной страницы Models.

Поддерживает доступность локального сервера модели TinyTitan из харнесса: обновляет маршрут llm-pi-ai на основе установленных моделей и подключает бэкенд компакции, работающий без рассуждений.

База знаний по разработке плагинов DSH в качестве навыка агента по требованию: официальные ограничения, рабочие процессы задач, справочник API и подводные камни сообщества, устанавливается вместе с пакетом, чтобы агент мог искать информацию при создании плагина.

Межсессионная долговременная память в локальной SQLite: две области (пользователь и проект по Git origin), гибридный поиск FTS5 и локальных векторов с объединением RRF, проверка доказательств с обязательной явной оценкой их достаточности, цепочки аудита происхождения, интервальное повторение SM-2, дистилляция консолидации и забывание с затуханием, а также боковая панель Memory Palace с девятью видами. 22 инструмента с узкими параметрами, без внешнего сервиса, API key и Docker.

Поддержка рабочих пространств WSL для DeepSeek Harness — бесшовная работа с рабочим пространством WSL без необходимости устанавливать dsh внутри WSL. После установки этого плагина вы можете добавлять рабочее пространство WSL прямо из графического интерфейса.

Хост-страница настройки плагинов kit в DSH Web GUI: регистрирует в Settings раздел «Конфигурация плагинов» — на одном уровне со встроенным разделом General — через официальный слот settings.section и объявляет дочерний слот settings.kit.item, в который плагины dsh-plugin-kit рендерят свои карточки настроек. Если установить только его, страница пуста; карточки появляются по мере установки kit-плагинов, регистрирующих слот.

QA-конвейер в виде 10 навыков агента: анализ требований, тестовая стратегия, написание и ревью кейсов, E2E (Playwright) и автоматизация API, исследовательское тестирование, область регрессии и анализ багов на основе общей базы знаний с правилами формата, моделью рисков и валидаторами схем.

Приводит слой полномочий промптов Harness к проверяемому набору патчей, записывает prompt-inject.md и позволяет задать отдельный промпт по умолчанию для каждой модели. Показывает применённые патчи и то, загружает ли работающий хост app.asar или распакованное дерево; когда процесс десктопа простаивает, заменяет запечатанную установку на дерево с патчами. Включает страницу состояния и CLI dsh-purge.