Плагины

Автоматическая генерация модульных тестов: команда /testgen и инструмент generate_tests, которые создают, запускают и исправляют тесты до прохождения (LLM + офлайн-генераторы шаблонов; vitest/jest/mocha/node:test).

Планирование задач с «мышечной памятью» опыта: условно-рефлекторное воспроизведение прошлых решений, сопоставление возможностей LLM и автоматически сохраняемые уроки.

Мост ShiGuang Memory Engine (SGME): общая долговременная память для нескольких агентов через HTTP — дистилляция L0/L1/L1.5/L2, внедрение по сценарию, единый поиск и проактивные сигналы заботы (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), устанавливается как `dsh-sgme`.

Task-driven plugin equip engine: dual retrieval (curated rules + LLM semantic), combo scoring (synergy/conflict/cost/trust), conflict detection and install-command export.

Durable citation-thread learning companion for DeepSeek Harness conversations

LLM auto-approval for sandbox escalation requests, with presets and a fail-closed fallback.

Unified LLM request/response inspector: reasoning-effort tuning, external-think export, traffic & bundle analysis.

Multi-agent math problem-solving & verification framework: brainstorm → solver iteration → multi-verifier debate → Verified knowledge base, with checkpoint resume and manual/auto intervention (also ships as an agent preset).

Per-subagent LLM provider/model selection with role templates.

LLM provider that runs the locally installed Claude Code CLI as the model backend, so requests go through an existing Claude subscription instead of a metered API key; native tool calls are bridged over MCP.

После хода модели LLM генерирует 3 критических предложения для продолжения, отображаемых как чипы для отправки одним кликом

Автоматические цепочки фолбэка провайдера/модели для агентов DeepSeek Harness при постоянных сбоях запросов LLM (исчерпаны повторы, ошибка авторизации, квота, лимит частоты запросов)

Перетаскиваемая плавающая карточка с балансом/квотой недавно использованных провайдеров (DeepSeek/Moonshot/Kimi For Coding): автообнаружение, цветовая маркировка уровней, обновление в реальном времени.

Переключатель моделей для DSH: направьте его на любой совместимый с OpenAI эндпоинт, с подобранными бесплатными/дешёвыми пресетами провайдера DeepSeek и автоматическим резервным вариантом, если бесплатный уровень ограничивает частоту запросов.

Нативный vision-мост провайдера LLM: изображения, вставленные в чат, описываются vision-моделью (Qwen3-VL через pi-ai/llama.cpp), а текстовое описание передаётся текстовой модели DeepSeek для ответа — приём изображений, маршрутизация и сжатие идут через нативные механизмы harness, с LRU-кэшем описаний и повтором при 503.

DSH 插件：把网页大模型接入 Agent 工作流——真实浏览器驱动，支持代码审查、翻译、红队等多种角色。

OpenCode Zen free models provider for dsh

Contract regression harness for plugin authors: a scripted LLM adapter drives the real pipeline in isolated child processes with session-event assertions (load/contract/behavior/fault layers); zero API key, CI-ready.

Enhanced ACP server for DeepSeek Harness: block & reasoning streaming, usage telemetry, model/effort switching, permission presets, session resume/archive, per-session MCP servers, and Zed file/terminal forwarding.

Surveys local code and GitHub/npm for reusable implementations before development, evaluates reuse versus rewrite, and checks architecture coupling.

GPT plans dependency DAGs, DeepSeek workers execute tasks with adaptive parallelism, and an optional GPT reviewer audits incremental Git diffs and drives repair rounds.

Adds persistent execution contracts, recursive work graphs, critical clarification, and evidence gates for long or underspecified Harness tasks.

Vision-augmented DeepSeek adapter: a vision-capable model describes image input, then a text-only DeepSeek model reasons over the description.

Faithful port of the hermes-agent MEMORY.md / USER.md mechanism for DSH: bounded dual-bank memory (2200/1375 chars), a single `memory` tool (add/replace/remove/batch), frozen-snapshot injection per session, nudge reminders, DSH-native JSON storage — zero external dependencies, zero LLM cost.