Плагины

Дышащая рамка по краям, показывающая часы пик/непик DeepSeek, с текущим светом и запланированными пушами-напоминаниями.

Плагин DeepSeek Harness, агрессивно экономящий токены без ущерба качеству: без потерь обрезает начало и конец результатов инструментов (по умолчанию), сворачивает результаты grep, делегирует в dsh-compaction-basic по триггеру давления и использует подкласс CompactionEngine с LLM-сводкой для агрессивного режима. Экономит 97,6 % входных токенов на синтетическом наборе из 8 сценариев, и все сокращения идут через поток событий dsh, так что «видно модели = записано» сохраняется.

Финансовый количественный воркбенч и биржевой тикер: плавающий шар и панель-ящик, котировки рынков A/HK/US/глобального рынка в реальном времени, свечи K за несколько периодов и внутридневные графики на 5 дней, биржевой стакан глубины, поток капитала, тепловая карта секторов и инвестиционные исследования с ИИ.

Четыре навыка рабочих процессов GitHub для триажа PR, обратной связи по рецензированию, диагностики GitHub Actions и безопасной публикации черновиков PR, с повторным использованием существующих возможностей DSH и резервными вариантами gh/git.

Подключение через GitHub Device Flow плюс рабочий процесс PR прямо в диалоге: строка состояния над полем ввода для создания/ИИ-ревью/слияния, а также инструменты github_* для поиска, чтения и записи issue и PR.

Пресет агента инженерного рабочего процесса для dsh: пять этапов с шлюзами (уточнение требований, утверждение плана, TDD, параллельные субагенты, проверенное завершение) с шестью навыками рабочего процесса, адаптированными из obra/superpowers.

Добавляет артефакты спецификаций, навыки, команды, реализацию на основе целей и контекст прогресса задач.

Движок оркестрации жизненного цикла команд ИИ-агентов с изоляцией через Git worktree в рамках задачи, переходами поставки, управляемыми состояниями, и памятью вне контекста.

Мост задач TickTick (Dida365): панель задач в заголовке сессии и курируемые инструменты агента через официальный MCP-эндпоинт TickTick.

Шестиэтапный рабочий процесс публикации контента для официального аккаунта WeChat с инструментами контроля качества и встроенным навыком.

Независимые от хоста долговечные DAG-workflow для агентов с CLI, MCP, Skills по запросу, триггерами, воспроизведением и визуальным Canvas.

Визуальный конструктор рабочих процессов с перетаскиванием для DSH — оркестрация вызовов инструментов, субагентов и условных ветвей на холсте React Flow.

Запуск Stata через DeepSeek Harness: нативная служба Stata AI Skill автоматически стартует вместе с DSH (бинарные файлы для macOS/Windows включены), позволяя выполнять регрессии, do-файлы и эконометрические процессы без ручной настройки.

Регистрирует набор навыков SpecWorkflow для уточнения требований, спецификаций реализации, выполнения, проверки сдачи, планирования исправлений, диагностики ошибок и исследований с опорой на исходники.

Навыки workflow в стиле OMX для DeepSeek Harness: deep-interview, ralplan, ralph, autopilot, team, code-review и ещё 19, переписанные на нативных инструментах DSH, без навыков vision.

Архив между сессиями: workbench, свернутая timeline, родословная subagents, полнотекстовый поиск, сводки rule+LLM, экспорт ZIP и live tracking. На странице сессии есть turn rail, закреплённая правая панель (live mode, при переключении закрепляется за исходной сессией), официальное переименование, итоговое summary и постоянный статус-чип (idle / active / tool-wait / stalled). В dsh v0.1.2+ это сливается с TurnNavigatorRail: векторные info chips для duration, tool calls, errors и thinking, плюс отложенная выдача tool в preview card. Правый клик открывает workbench; piano-key strip включена по умолчанию, передаёт прыжки к не загруженным turns официальному auto-load и rail можно полностью скрыть. Диалог с 10 настройками поведения.

11 переносимых навыков рабочего процесса (handoff, triage, to-spec, to-tickets, wayfinder, teach, wait-what, dsh-mode-routing, ask-matt, overnight-execution, full-throttle) в виде устанавливаемого пакета навыков.

Уведомления DSH Desktop: системный toast, сигнал для типа события и метка заголовка вкладки при ожидании одобрения, проверки плана или ответа, а также при завершении фонового ответа. Уведомляет об ошибках, прерываниях, лимитах и ходе мультиагентной работы. Хост-часть добавляет доставку SSE, webhook (WeCom/Feishu/DingTalk/общий), статистику token/cache/TPS за ход и три формата сообщений (краткий, подробный, пользовательский); настройки сохраняются автоматически.

Переносит инженерные плейбуки pstack от poteto в DSH: планирование, проверка, верификация и выпуск.

Чип ветки в строке инструментов поля ввода: переключение, создание и обновление веток workspace, коммит выбранного подмножества изменённых файлов с сообщением, которое модель самой сессии пишет по diff, и push текущей ветки.

femo (Flow Emerges Mag Opus) — оркестрация мира мультиагентов так, как пишут сценарий. Версия плагина для dsh: движок, мост и визуальный редактор — всё в одной папке, самодостаточно, переносится вместе с папкой и сразу готово к работе.

Набор для конвертации единиц, охватывающий 20 категорий — длина, масса, температура, площадь, объём (включая кухонные единицы США), скорость, время, размеры данных (десятичные MB и двоичные MiB), скорости передачи (Mbps и MB/s), ускорение включая перегрузку, освещённость (lux / foot-candle), давление, энергия, угол, частота, мощность включая три определения лошадиной силы, сила, момент, типографика (px/pt/em/rem) и расход топлива (mpg ↔ L/100km). Два инструмента — convert_unit и list_units — без зависимостей в рантайме, чистая арифметика; каждый результат содержит применённую формулу.

Добавляет системный промпт для каждой модели DeepSeek Harness: заданный текст дописывается в КОНЕЦ промпта локальных моделей по точному маршруту provider/model или правилу provider/*; правила объединяются по порядку. В Settings перечислены провайдеры и модели для мгновенной настройки; правила хранятся в DSH_HOME и действуют в основных сессиях, субагентах и дочерних workflow.

Отслеживает трассировки выполнения агента и при срабатывании сигналов запускает проверку LLM в конце каждого успешного хода, кристаллизуя многократно используемые процессы в зарегистрированные навыки, которые прогрессивно улучшаются с последующими запусками.