Плагины

Менеджер пула skills в боковой панели настроек: включение/отключение, пакетный импорт папок с подсказками при конфликте имён, проверка соответствия спецификации DSH и автоисправление в один клик на основе состояния, метки области действия system/project.

Локальная observability токенов по четырём категориям: постоянные панели по сессии/провайдеру/модели/дню, тренды, сигналы бюджета и аномалий, оценки публичных тарифов, безопасный агрегированный экспорт и анализ использования или траектории сессии с явным согласием.

Переключатель шрифтов для веб-интерфейса DSH: 99 шрифтов интерфейса и 31 шрифт для кода с парными стеками CJK-Latin, мгновенное применение и сохранение в localStorage.

Позволяет ссылаться в DSH на уже открытые вкладки Chrome и Edge через @-упоминания; повторно использует состояние входа для чтения страниц, пакетных действий и снимков экрана, а на поддерживаемых страницах вызывает инструменты WebMCP через сопряжённое расширение браузера.

Это не очередной плагин памяти: ODR — цикл самоулучшения в развивающихся мирах (Dream-RSI). Попытки записываются в Discovery Tree, а между запусками тысячи вариантов стратегий воспроизводятся в этой зафиксированной среде. Стратегия, рецепт или урок повышается только после успешного контрфактического воспроизведения, а не на слово модели; Sentinel проверяет вызовы инструментов до расхода бюджета. LLM остаётся неизменной. Установка из npm: dsh-open-dream-rsi.

Официальная документация DSH доступна на странице Plugins. Creator mode ищет по документации и проверяет npm-метаданные плагина встроенными инструментами.

Объединяет модели WorkBuddy (личные мультиаккаунты, корпоративная версия и международная WorkBuddy AI), Qoder CN и Trae CN в одном селекторе. Общая история диалогов, текущие множители кредитов и reasoning effort для каждой модели; используется наибольшее окно контекста, заявленное международной версией, а ежедневный check-in доступен, если его поддерживает канал.

Плагин DeepSeek Harness для управления WPS на китайском. Только Windows x64 / COM; включает MCP server, COM-хост и навыки, без надстройки WPS и переменных окружения.

Регистрирует bootstrap-навык RainSkills в DeepSeek Harness для развёртывания, диагностики и проверки приложений на Rainbond.

Git-панель в стиле IDE в веб-интерфейсе DSH: резидентная вкладка с трёхколоночным обзором (список веток/тегов, граф истории коммитов с поиском, детали коммита с деревом изменённых файлов и сообщением) и страница изменений (панель статистики, список несохранённых файлов с пофайловым stage/unstage/discard, поле коммита с amend); параллельные диффы с ленивой подсветкой highlight.js, раскрытие контекста между хунками по запросу и внутристрочное выделение на уровне слов, файлы изображений показываются панелями до/после; плюс маркер ветки в стиле zsh во входной панели. Каждая команда git выполняется как массив argv через сервис подпроцессов хоста, cwd заблокирован на корне репозитория.

Единый анкерный пресет агента для DeepSeek V4 Pro/Flash на официальном API и opencode-go: минимально-точный бутстрап первого запроса с двумя инструментами, зависящие от модели пути Pro/Flash и управление каталогом с учётом эпох для стабильности долгих сессий.

Более быстрый, эффективный и точный пресет агента-программиста. На 100 сложных задачах SWE-bench Pro, отобранных по многомерным критериям сложности, среднее затраченное время снизилось на 36%, среднее число входных токенов на задачу — на 17%, а точность выросла на 5 процентных пунктов.

Ролевая команда Multi-Agent для DeepSeek Harness: продукт, архитектура, frontend, backend, ревью и QA проходят девять этапов с проверками; доступна постоянная команда. Нет runtime-зависимостей и сборки.

Мастерская расширений Noname (игра в стиле Sanguosha). ИИ пишет расширения навыков и карт после подтверждения, со статической проверкой и безопасной поблочной записью.

Прикрепляет стабильный заголовок x-opencode-session для каждой беседы к запросам поставщика OpenCode / OpenCode Go, исправляя ошибки 400 MissingSessionID и сохраняя сродство сессий и маршрутизацию кэша подсказок нетронутыми.

Локальная RAG-база знаний по литературе для DSH: гибридный поиск BM25 + векторный по индексу SQLite, переранжирование кросс-энкодером, ответы со ссылками и происхождением на уровне раздела и страницы, обновление только метаданных и фоновая загрузка с опросом прогресса.

Внедряет один раздел системного промпта, чтобы цепочка рассуждений агента, планирование и обоснование вызовов инструментов оставались на упрощённом китайском. Без внешних зависимостей — клонируйте и ставьте линком из любого локального каталога, без сборки и публикации в npm.

Зашифрованный локальный сейф учётных данных для Harness: веб-страница настроек и инструменты vault_* для хранения, поиска и копирования паролей, API-ключей, TOTP-секретов и данных карт, с аудитом состояния, ротацией срока действия, импортом/экспортом и режимами доступа read-only/ask.

Автоматически разворачивает новые карточки tool-call в DSH Web UI; есть переключатель в боковой панели, циклически переключающий no-op/expand/collapse, а состояние сохраняется в localStorage.

Перерисовка на стороне клиента карточек инструментов edit/write с почти линейным diff на уровне строк, который убирает дублирующиеся неизмененные строки и подчеркивает фактически измененные символы внутри замененных строк.

Визуальный холст рабочих процессов на основе узлов для DSH с вызовами субагентов, выполнением кода, ветвлениями, циклами, планированием и импортом/экспортом процессов.

Визуальные round-table встречи для DeepSeek Harness — узлы экспертов на кольце с направленными рёбрами, агрегирующий шлюз, proxy thinking для black-box worker models и adversarial review (red-team) утверждённых планов с endorse/reject по каждому взгляду.

Локальная рабочая среда в стиле VS Code для DSH с проводником файлов, редактором Monaco, полнотекстовым поиском и панелью Git.

Навык исследовательского рабочего процесса AI-for-Science для DeepSeek Harness, для исследователей и аспирантов, использующих агентский ИИ: многоугольный обзор литературы с файлами по углам, дизайн экспериментов со списком оговорок, чтение рисунков и статей; каждое задание возвращает файлы плюс бриф кросс-проверки для второй модели. Ноль зависимостей, MIT.