Плагины

Интеграция Wallpaper Engine для dsh web GUI: сканирует локальную библиотеку WE (Steam workshop 431960 + локальные проекты) и использует её обои как фон страницы — изображения/видео/web рендерятся нативно, сценические обои показываются как смягчённые статичные превью — с панелью wallpaper-design (непрозрачность, область, размытие, виньетка, fps, параллакс, карусель, привязка к теме) и агентскими инструментами wallpaper_scan/list/set/config.

Агент глубокого совместного письма для DSH: обучение стилю письма для каждого пользователя по парам правок, поток clarify→outline→section-writing→red-team→reader-gallery, синтез «проект — отчёт» (лабораторный отчёт / описание продукта / обзор / README), 41 инструмент MCP и веб-интерфейс выбора-улучшения с предпросмотром файлов в приложении.

Интеграция Wallpaper Engine для dsh web GUI: сканирует локальную библиотеку WE (Steam workshop 431960 + локальные проекты) и использует её обои как фон страницы — изображения/видео/web рендерятся нативно, сценические обои показываются как смягчённые статичные превью — с панелью дизайна обоев (непрозрачность, область, заливка, размытие, виньетка, fps, параллакс, карусель, привязка к теме) и агентскими инструментами wallpaper_scan/list/set/config.

LLM-провайдер, запускающий локально установленный Claude Code CLI в качестве бэкенда модели, чтобы запросы проходили через существующую подписку Claude вместо измеряемого API-ключа; нативные вызовы инструментов передаются через MCP.

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.

Направляет web_search на самостоятельно размещённый экземпляр SearXNG вместо штатного маршрута: разбивает на страницы, пока не будет удовлетворён maxResults, и сообщает о сниженном покрытии при сбое движков, чтобы тонкий набор результатов не читался как тонкий веб.

Прогрессивное раскрытие инструментов: отложенная группа инструментов занимает одну строку каталога вместо своих полных схем, пока модель не загрузит её с помощью tool_search, с одним переключателем на группу в Settings, и каждая группа измеряется относительно активного registry.

Параллельность генерации на провайдера/модель, с карточкой настроек: ограничение на количество одновременно стримящих сессий, применяемое на стриме и снова при порождении подагента, где расхождение сверх лимита ожидает в FIFO-очереди вместо сбоя.

Набор расширений среды выполнения для DeepSeek Harness: межсессионный почтовый ящик с пробуждением холодного старта, команды агентов (капитан + участники + доска задач с зависимостями + team_wait), политика порождения подагентов с подтверждением эскалации, предустановка маршрутизации с учётом задач, рынок плагинов, менеджер навыков и инжектор среды выполнения.

Предустановка агента виртуальной продуктовой команды: беседа под руководством пользователя проведет вас через полный 12-шаговый конвейер от идеи до выпущенного, продвигаемого и эксплуатируемого продукта, с поэтапными контрольными точками и навыками для каждого этапа.

Глубокие ссылки на сессии, полный экспорт сессии (markdown/JSON), одобренный обмен сообщениями между сессиями с сопряжением, а также инструменты реестра команды, ротации и восстановления для работы с несколькими сессиями.

Умная доска задач DeepSeek Harness: карточки задач + разовая отправка Worker/Verifier + планирование с учётом зависимостей + ярусность конвейера + режим Team (неоднозначности передаются на решение в главное окно)

Ленивый шлюз MCP для DeepSeek Harness: один стабильный прокси-инструмент вместо N схем инструментов, серверы подключаются при первом использовании и отключаются при простое, метаданные кэшируются на диск.

Постоянные межсессионные комнаты мультиагентной команды для DeepSeek Harness — участники, шина сообщений, общая доска задач и общая лента, переживающие перезапуски.

Движок оркестрации жизненного цикла команд ИИ-агентов с изоляцией через Git worktree в рамках задачи, переходами поставки, управляемыми состояниями, и памятью вне контекста.

Умные заголовки сессий для DSH: после каждого хода беседы независимый вспомогательный вызов LLM суммирует полную расшифровку пользователя+ассистента в заголовок, отражающий реальную тему сессии, а не повторяющий первое сообщение; первое сообщение озаглавливается сразу, неудачные встроенные заголовки повторяются на следующих ходах, ручные переименования никогда не перезаписываются, а сессии субагентов/форков пропускаются.

AgentDuel — это кодовая битва. Этот плагин позволяет пройти весь игровой цикл внутри DSH: управлять персонажами deathmatch и командами capture-the-flag, отправлять код агента, начинать сражения, смотреть повторы и использовать диалоги DSH для постоянного улучшения агентов на основе результатов сражений.

Набор плагинов Git и управления исходным кодом для DeepSeek Harness: локальные git-операции плюс адаптеры GitHub, GitLab, Bitbucket, Azure DevOps и Gitea, с самоэволюционирующей памятью.

Рендерит обои-сцены Wallpaper Engine в реальном времени в браузере (плеер three.js плюс симуляция частиц на CPU через Rust/WASM) и воспроизводит видео- и веб-обои с откатом к превью-изображению, без наличия рантайма Wallpaper Engine. Сканирует локальную библиотеку Steam workshop (431960) автоматически или по вручному пути и предлагает панель настроек для выбора обоев, каталогов библиотеки и движка, свечения, паузы и качества.

Ограничители, обеспечиваемые движком, для роёв агентов DeepSeek Harness: контроль качества отклоняет незавершённую работу, отказоустойчивые контрольные точки возобновляют на месте — ИИ-команды не просто работают, а не ломаются.

Навыки workflow в стиле OMX для DeepSeek Harness: deep-interview, ralplan, ralph, autopilot, team, code-review и ещё 19, переписанные на нативных инструментах DSH, без навыков vision.

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

Координирует независимые Session DSH и участников на базе провайдеров без объединения их истории, используя постоянные нативные Rooms с привязанными к идентичности упоминаниями `@`, прямой доставкой, рассылками и элементами управления, доступными только лидеру.

11 переносимых навыков рабочего процесса (handoff, triage, to-spec, to-tickets, wayfinder, teach, wait-what, dsh-mode-routing, ask-matt, overnight-execution, full-throttle) в виде устанавливаемого пакета навыков.