Плагины

Агрегация бесплатных моделей для DeepSeek Harness (dsh). Регистрирует provider freeroute на пуле бесплатных upstream-квот (встроены OpenCode Zen / B.AI / OpenRouter / SenseNova, а также удалённые каталоги и пользовательские шлюзы) с прозрачным failover.

Самостоятельный плагин DSH с 21 инструментом управления жизненным циклом только для чтения: распределение задач по уровням, проверка состояния/плана/доказательств, предварительная проверка и сводка ворот, аудит выпуска и установки, анализ контекста и прогресса, критический путь, согласование при возобновлении и предпросмотр изменений, всегда запрещающий выполнение. Устанавливается из npm как `@240xu/dsh-tech-lead`.

Панель статистики Composer для DSH Web UI: официальные цены в CNY с автоматической синхронизацией пиковых и непиковых периодов, учёт по моделям, таймеры, объединение дерева субагентов, баланс DeepSeek, предупреждения о бюджете и оценка стоимости при потоковой передаче.

Адаптивное обнаружение моделей, оценка, распределение по уровням и маршрутизация субагентов для DeepSeek Harness.

Маршрутизация бесплатных моделей для DeepSeek Harness (dsh) — обнаруживайте бесплатные модели OpenRouter, применяйте лучшую бесплатную модель как агентскую по умолчанию, автоматически ротируйте при ограничениях скорости; платная конфигурация не затрагивается, пока не попросят.

Навык исследования продукта: анализ рынка, технологий и цепочки поставок с выводом предложений спецификаций продукта трёх уровней.

Отслеживание баланса учётной записи DeepSeek и стоимости моделей с официальными тарифами пик/внепик, трёхуровневый биллинг токенов (промах кэша, попадание кэша, вывод), разбивка по моделям и сессиям, сводная панель в поле ввода с деталями при наведении, экспорт в CSV и панель настроек.

Многоуровневая маршрутизация моделей для DeepSeek Harness: уровни think/build, делегирование зрения (визуальная модель только описывает изображения, рабочая модель действует), генерация изображений и защита от высокого воздействия.

Страж разрешений с автоодобрением: промежуточный уровень между workspace-write и danger-full-access — автоматически разрешает безопасные операции в доверенных каталогах и всегда запрашивает подтверждение человека для деструктивных, с 11 переключателями по категориям и журналом аудита.

Шлюз записи по обязательствам: правила, заданные оператором, применяются до вызова инструмента — детерминированный уровень защиты плюс уровень LLM-судьи, по умолчанию fail-closed, каждый блок записывается в журнал противоречий.

Упомяните сервер через @ в сессии DeepSeek Harness и выполняйте на нём команды по SSH — за двухуровневым шлюзом одобрения, который отказывает безопасно (fail closed).

Расширенный список плагинов для настроек DeepSeek Harness Web — уровни доверия, сворачиваемые группы и полные сведения о каждом плагине

Независимый от проекта протокол мультиагентного взаимодействия для DeepSeek Harness: стражники циклов, останавливающие вышедшие из-под контроля циклы агентов, формат передачи из шести полей, маршрутизация ревью по уровню риска и фиксированная последовательность verify→commit→push→review→close. Один навык вместо одинаковых правил, скопированных в инструкции каждого агента.

Собирает сигналы arXiv, лабораторий первого уровня, официальных артефактов, производителей оборудования и согласившихся пользователей X в версионированные наборы доказательств выпуска и привязывает воспроизведение на уровне утверждений к командам, артефактам, метрикам и верификаторам.

Двухуровневый маршрутизатор моделей для DeepSeek Harness — маршрутизация через LLM-судью, цепочки резервных моделей, отказоустойчивость с экспоненциальной задержкой и оркестрация на уровне задач (адаптация pi-shift-router для DSH)

Промежуточный уровень разрешений для DeepSeek Harness между workspace-write и danger-full-access: автоматически подтверждает безобидные команды и операции, нацеленные на настроенные доверенные области за пределами текущего рабочего пространства.

Scheduled daily toast popups summarizing yesterday's conversations and managing two-tier pending TODOs.

Keep conclusions alive across context compaction: the model writes a task checkpoint and the plugin re-injects it into the system prompt's first node — the span compaction never touches, so it survives any number of compactions. Four-tier injection (0/95/175/≤12000 chars) scales with session relatedness; checkpoints live in the plugin's own folder, never in your workspace.

Drives the OpenCode client already installed on your machine through its loopback opencode serve API, so its free-tier models work in DSH — the child process starts on first use, and OpenCode executes no tools of its own: a call it proposes is handed to the DSH tool of the same name and run there, or refused when there is no equivalent. No API key is needed.

An Auto toggle next to the model selector that schedules reasoning_effort per request: complexity is scored by a MiniMax/OpenAI-compatible model with a zero-dependency heuristic fallback (fallbacks not cached), effort ladders adapt to each model real effort list (low/high/max, low/high/highx/max/ultra, ...), heavy tool calls upgrade the tier within the same session, the lit button and reply badges show the effort actually used, and every decision plus observed token usage lands in a JSONL ledger. A standalone-button fork of imkingjh999/dsh-adaptive-effort; do not install it and the original in the same profile.

Switch OpenAI models between Codex-style Responses WebSocket transport and SSE from the composer, inheriting DSH provider settings with an optional priority-tier toggle.

Five-tier reasoning protocol injected into the system prompt — off / light / standard / deep / multi-agent, 0 / 3 / 9 / 17 / 19 rules — with the tokens each tier adds per request shown beside it. Alongside it: a claim ledger that marks a load-bearing claim with no evidence or check as unsupported, read-only analyst briefs, JSON-declared custom tools that work in the same turn, one persistent PowerShell session, and re-injection of host context after a configurable message gap. Tier 0 injects nothing and mounts no tools. A derivative of husongan/dsh-deepseek-2027 (MIT); do not install both — each injects its own reasoning-protocol section into the system prompt.

Runs an approved OpenSpec change to completion while the model stays a mechanical forwarder: a bundled Python CLI computes the ticket DAG frontier, claims tasks atomically, prepares one git worktree per assignment, and returns exact actions. The session delegates each action with the DSH subagent tool and reconciles the completion notice against a hash-bound receipt produced by re-running verification commands on a clean, advanced HEAD, so free-text "done" never counts. Runtime scope changes are plain tasks.md edits. Requires Python 3.10+ on PATH and a git project that uses OpenSpec.

Measures one university department's research output: matches author affiliation strings against a college's known name variants (detecting same-named departments at other universities), backfills papers that only name the university by faculty author IDs, classifies each paper by journal tier (CAS partition with Top flag, JCR quartile, CCF, Chinese core via a CNKI export merger), splits staff from student first authors, and writes a workbook with a dashboard sheet, a filterable paper list, a teacher-by-direction matrix and per-teacher statistics. Student authorship is inferred from affiliation and staff lists, not verified against enrolment records. Requires Python 3.9+ with pandas and openpyxl (pip install -r requirements.txt); papers come from the OpenAlex API, whose free per-IP quota is limited, and Chinese-journal coverage needs a manual CNKI export.