Плагины

Облегчённый порт Headroom: сжимает вывод инструментов, сокращает до 20% контекста, не влияя на кэш контекста модели или производительность агента.

Профилирование производительности и диагностика кэша LLM для DeepSeek Harness — инженерия контекста, профилирование задержек и отчеты о поведении кэша.

Экспортирует события DSH (только метаданные) — ходы, модели, инструменты, подтверждения, повторы и ошибки — в Tuning Engines для контролируемых трасс, оценки политик, анализа затрат и обзора Work Session, с очередью повторов на диске.

Китайская локализация для DeepSeek Harness: переводит во время выполнения все системные промпты, описания инструментов и контексты выполнения на китайский через водопад system-prompt/assemble (1788 записей, без модификации исходного кода, удаление восстанавливает английский).

Мост памяти Honcho: автоматически синхронизирует каждый ход разговора с самостоятельно размещённым сервисом Honcho, с инструментами recall/search/remember/context/status, внедрением контекста при начале сеанса и визуальной панелью настроек.

Провайдер LLM NewAPI (шлюз, совместимый с OpenAI): регистрирует маршрут `newapi` с обнаружением моделей только для чата, автоматически заполняет параметры модели (контекстное окно, уровень рассуждений) из models.dev и добавляет раздел веб-настроек для базового URL и ключа API.

Плагин управления MCP-серверами для DeepSeek Harness: страница Settings → MCP, авторизация через OAuth (PKCE + динамическая регистрация клиента) или статический токен, инструменты регистрируются как mcp__<name>__*

Установщик и верификатор MCP-серверов для DeepSeek Harness: интерактивный init записывает настоящие патч-записи в профиль, list и validate их проверяют, а верификатор, обязательный в CI, подключается к каждому отобранному серверу.

Заменяет встроенный суммаризатор компакции DSH сводкой-передачей из пяти разделов и сохраняет каждое вытесненное сообщение читаемым в каталоге сегментов.

Канбан-доска задач для сессий DeepSeek Harness: главный агент раздаёт задачи по кодингу одноразовым субагентам worker/verifier, с планированием зависимостей, уровнями конвейера, обработкой эскалаций и внедрением контекста файлов/заметок.

Улучшение промптов для компоновщика: кнопка «✨ Enhance» переписывает черновик в более ясную и структурированную версию с использованием мышления от первых принципов, опираясь на контекст сессии, память и недавний разговор; при нехватке ключевой информации задаёт уточняющие вопросы в карточке и показывает результат перед применением к полю ввода.

Интерактивный настольный питомец «кит-девушка» для DeepSeek Harness: баланс/использование/заполненность контекста в реальном времени, бросок из рогатки, пасхальные пузырьки, эко-режим. Пакет 346 КБ, без лишних процессов.

Правая панель виджетов для DeepSeek Harness Web UI: статистика сеанса в реальном времени, виджеты задач/контекста/тепловой карты/цитат, квота OpenCode Go, многоколоночные сеточные макеты (1/2/4 колонки) с длинными плитками 2x4, непрерывная волна увеличения и размер под каждый экземпляр; виджеты можно устанавливать, переупорядочивать и изменять их размер в Настройки > Компоненты.

Управляемые конфигурацией хуки жизненного цикла, включая инъекцию контекста: объявите event, handler и outcome в YAML, где handler — это in-harness инструмент (включая MCP), команда shell или HTTP-эндпоинт, а outcome — это model-visible context, denied tool call или fire-and-forget.

Локально-ориентированный счетчик использования и стоимости для веб-интерфейса DSH: кнопка composer с живыми значениями стоимости сеанса и баланса; панель со stacked-графиком по моделям за день/7 дней, тарифицируемым по эффективным интервалам прайс-листа (официальная страница цен синхронизируется ежедневно), месячными уровнями использования с canvas-картой для шаринга, предупреждениями о давлении контекста на 30/50/85% с /compact в один клик, уведомлениями о бюджете и проверкой обновления npm прямо в панели с обновлением в один клик.

Супер-упрощённый плагин памяти LLM-wiki: один индексный документ (автозагрузка) + один markdown-файл на тему (читается только при необходимости) — без сброса всего в контекст и сжигания токенов. Простой и лёгкий, безболезненная установка/удаление, свободно редактируемый как угодно.

Нативные инструменты для Obsidian wiki-хранилища: wiki_query, wiki_write, wiki_rename, wiki_scaffold, wiki_archive и wiki_lint покрывают поиск BM25 с контекстом графа ссылок, учётные записи с отслеживанием источников через sha256, переименования по всему хранилищу, скаффолды режимов, архивирование источников и проверки целостности — с межпроцессными блокировками и опциональным git auto-commit.

Нативный чат-адаптер Ollama Cloud: прямая NDJSON-трансляция формата обмена /api/chat Ollama, обнаружение моделей с окнами контекста и возможностями, а также провайдеры веб-поиска/извлечения под идентификатором ollama-cloud, плюс веб-карточка настроек.

Совместимый с Grok веб-поиск с сохранённой разбивкой источников по страницам, поиском по документации Context7 и Exa, ограниченным извлечением страниц, картой сайта, офлайн-планированием исследования и диагностикой только для чтения.

TypeSafe Jev как полноценный сервис Cordis и три инструмента, видимые модели, для DeepSeek Harness — по умолчанию офлайн, исходящий трафик раскрывается, никогда не включён по умолчанию.

Контекст бизнес-сети знаний для DeepSeek Harness: привязывает сессию к сети знаний OpenBKN, запрашивает её объекты и метрики через управляемые инструменты MCP и открывает подтверждённое источниками происхождение (факты выполнения и бизнес-граф) для каждого ответа. Поставляется с OpenBKN Runtime; для представлений происхождения нужна корпоративная лицензия OpenBKN.

Показывает, какой индекс graft обслуживает сессия dsh и совпадает ли он всё ещё с кодом, а также даёт модели graft_ask, graft_grep, graft_callers, graft_skeleton и graft_map как нативные инструменты.

Контролирует локальный процесс шлюза workbuddy2api и предоставляет его модели как LLM-провайдера, считывая окна контекста и уровни усилий рассуждения из собственного эндпоинта моделей шлюза.

Слой адаптации dsh-ecolink для DSH: прямое чтение локального пула памяти, инъекция на этапе pre-step (оценка + бюджет + дедупликация в рамках сессии), фильтрация по #имя_памяти — связывает экосистему памяти веб-клиента.