Плагины

Плагин для DeepSeek Harness, превращающий решения Jev в три автоматических действия — обрезку слишком большого вывода инструментов до фрагментов, релевантных запросу, проверку загруженных страниц на инструкции, адресованные модели, и выбор навыка для следующего шага — плюс инструменты jev_ask и jev_gate, журнал решений, переживаемый перезапуски, и отчёт /jev-status. Требуется ключ TypeSafe API; без него он неактивен и ничего не отправляет.

Подключает DeepSeek Harness к приложениям и сервисам, управляемым OOMOL, с постепенным обнаружением и выполнением Connector Action, а также встроенной панелью для управления подключениями Provider.

Выделенные маршруты моделей, инструменты и системные рекомендации для зрения, уплотнения, обзоров, подагентов, заголовков и генерации изображений.

Слой координации плагинов: плагины объявляют свои возможности, команды маршрутизируются к плагину-владельцу без вызова модели, схемы инструментов загружаются по требованию, экономя токены промпта, история запусков консолидируется в долговременную память в простое, а сбои классифицируются до любого повтора.

Покомпонентная оплата кэша в всплывающем окне счётчика контекста: текущие итоги шага, раунда и сессии с токенами и суммами попаданий / промахов / вывода, автоматические пекинские тарифы для рабочего времени пик / вне пика, ставки по моделям и оплата сторонних ретрансляторов.

Управление компьютером через внешнее USB HID-устройство: назовите цель обычным языком, модель зрения находит её в обрезанном скриншоте окна, а Raspberry Pi Pico 2 перемещает настоящую мышь и набирает текст на настоящей клавиатуре. 7 инструментов. В Windows есть список окон, обрезка по окнам и автоматическое поднятие окон; в macOS требуется pyobjc, и список окон с поднятием отсутствуют; Linux не поддерживается.

Контентно-ориентированный редуктор результатов инструментов: 13 редукторов сокращают избыточный вывод по смыслу на этапе tools/post-execute (неудачные тесты сохраняются, контекст diff удаляется, JSON и CSV семплируются, проблемы lint группируются по правилу, кадры стека зависимостей сворачиваются, переполненные каталоги подсчитываются), а полные оригиналы выгружаются на диск с локатором.

MCP-сервер финансовых данных китайских акций A: 11 инструментов fin_data__* (котировки/свечи/финансы/календарь/специальные данные/объявления/EDB/сверка/фонды/индексы) на бесплатном официальном REST THS (основной) + AKShare (резерв) + Wind (эксклюзивные домены), с наблюдаемой деградацией, сжатием бюджета контекста (-72,2% измерено на стороне результатов) и офлайн-озером рыночных данных за 10 лет. BYOK.

Плавающая панель справа и команда /context для DeepSeek Harness — живая круговая диаграмма использования токенов контекста, распределения и оценочной стоимости.

Многосистемный веб-поиск для агентов-программистов — единое ядро SearchBoost (объединённый поиск, fetch, X) с адаптерами MCP (Cursor, Codex, Claude Code, Grok Build, Antigravity), расширением pi и бандлом DeepSeek Harness

Настоящие мышь и клавиатура для агента DeepSeek Harness: опишите словами, куда нажать, модель компьютерного зрения найдёт это, а USB HID-устройство выполнит клик.

Принудительно сжимает контекст при запуске llama.cpp-моделей с малым контекстом, таких как Qwen3.8-27B, повышая эффективность модели и плавность использования, вместе с хорошо проработанными промптами сжатия.

Одноуровневые папки сессий для боковой панели веб-интерфейса — группируйте сессии по рабочему пространству, перемещайте их перетаскиванием или через контекстное меню, архивируйте и восстанавливайте, серверное сохранение.

Терминальный UI для DeepSeek Harness в духе opencode, запускающийся как плагин приложения профиля dsh: боковая панель сессий, потоковый чат, Markdown-карточки инструментов, списки todo, подсказки slash-команд, телеметрический footer с индикатором контекста и встроенными запросами подтверждения.

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.

Детерминированное сжатие контекста для dsh — ноль вызовов LLM, обрезка по правилам, дословно сохраняющая пути, команды, трассировки ошибок и открытые задачи. Сжимает ~80 тыс. токенов до нескольких сотен.

Защищённое сжатие контекста для DeepSeek Harness (dsh): LLM предлагает, deterministic стражи решают — упреждающее сжатие по атомам (extract/summary/false под стражами verbatim) + ленивое вытеснение reference-graph (0-LLM) + побайтово точное восстановление из append-only журнала.

Покруговой контроль уровня мышления (reasoning_effort) для DeepSeek Harness: Auto планирует low/high/max по недавней истории tool calls, либо позволяет вручную задать wire level (off/on/minimal/low/medium/high/xhigh/max), с пользовательским отображением wire, защитой возможностей с учётом модели и пресетами окна контекста (64K–1M); карточка возможностей модели работает с [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (устанавливается из dsh-market), чтобы OpenAI-совместимые шлюзы (vLLM / LM Studio / self-hosted) могли пробовать reasoning. Card записывает возможности llm-pi-ai, адаптер ведёт wire (compat.thinkingFormat), а плагин поддерживает список takeover.

MCP-сервер финансовых данных A-share Китая для harness: 11 инструментов fin_data__* (котировки/K-линии/финансы/календарь/спецданные/объявления/EDB/сверка/фонды/индексы) поверх бесплатного официального REST THS (основной) + AKShare (резервный) + Wind (эксклюзивные домены), с наблюдаемой деградацией, сжатием бюджета контекста (измерено -72,2% на стороне результата) и оффлайн-озером рыночных данных за 10 лет; BYOK.

MCP-шлюз с постепенным раскрытием: ищет по большим удалённым каталогам через `mcp_search`, затем вызывает точные схемы через `mcp_call`, используя отложенные соединения и ограниченные кэши.

Плагин для DeepSeek Harness, подключающийся к серверу PowerContext по HTTP для воспроизведения, памяти, передачи контекста, опыта и skills.

Плагин долговременной памяти NeatMem для DeepSeek Harness — тонкий REST-клиент к серверу neatmem

Неофициальная интеграция DeepSeek Harness с Unreal MCP для Unreal Engine 5.8

Сжатие контекста без потерь для DeepSeek Harness: самый старый фрагмент заменяется кратким изложением, а оригиналы остаются в журнале сессии.