Плагины

Image Editor separates uploaded images into editable layers through Shenhuo MCP, with confirmed credit quotes, browser editing and local PSD downloads.

Windows multi-drive dashboard that labels cleanable, caution, and system space in green, yellow, and red, audits download folders, and suggests how to split data across drives.

One-step local model onboarding plus a light harness for DSH. On load it probes loopback and private-network inference endpoints (llama.cpp, Ollama, vLLM, LM Studio), reads each model's context window and output budget from the backend, and registers the provider through settings, so a local model becomes selectable without hand-writing config. It then trims only that provider: masks the tool list through tools.restrict, drops named system-prompt sections and memory contexts, swaps the injected instruction block for a short one while preserving its first 80 and last 96 characters, and truncates tool-schema descriptions without touching structure or required fields. Cloud providers are returned as the same assembly object, untouched. The injected block is re-read from disk on every assembly, so editing the file takes effect on the next request with no reload. The panel in the plugin detail page is a live operations view: it shows whether the takeover is active and by which hook, how many characters the last assembly was trimmed from and to, and which providers are online (probed concurrently, with a real one-shot completion reporting latency and reply text per provider). If a local backend is not running, the panel offers a one-click launch: it probes the port first (never starting a duplicate), then starts the matching server (ollama serve, or a custom command you supply) detached and polls until the endpoint answers, clamping the wait to 3-600 seconds, reaping the child it just spawned if it never answers, and naming the paths it searched when it cannot find the binary. A stop button kills backends this plugin started (SIGTERM, then SIGKILL) and refuses to touch a server somebody else launched. When a model has just been downloaded and no backend exists yet, the panel can also scan the machine for .gguf files with hard caps (300 models, 20000 directory entries, Downloads only one level deep), start llama-server on the chosen one (skipping the .mmproj. vision projection and reusing a server that already answers), register the provider under the model id the backend reports, and run one real completion to prove it works. Before spawning anything it does a fit check that counts only the part of the file the GPU cannot hold: hostBytes = fileSize - VRAM, compared against max(total RAM - 2GB, free RAM). A file far larger than RAM is refused outright; a heavy host-side remainder is refused unless you confirm; the same remainder under mmap is only a warning, because the weights land in reclaimable page cache. A load-mode selector (auto / mmap / none / mlock / mmap+mlock) maps to llama.cpp --load-mode, and the default is whatever the engine picks. From 0.4.2 everything above is derived from the platform instead of assumed: home and data directories come from os.homedir() and the OS conventions (LOCALAPPDATA on Windows, ~/Library/Application Support on macOS, XDG_DATA_HOME elsewhere); backend binaries are looked up in the official install locations of each OS and can be pinned with OLLAMA_BIN, LLAMA_SERVER_BIN, VLLM_BIN or LMSTUDIO_BIN; model discovery walks DSH_LOCAL_MODELS_DIR, ~/models, ~/llama.cpp/models, ~/.cache/llama.cpp and the LM Studio data directory, with the WorkBuddy layout demoted to one candidate among them. VRAM is asked from nvidia-smi, then rocm-smi, then sysctl hw.memsize on Apple Silicon (flagged unified, so the same bytes are not charged twice), and any flip to a unified-memory budget is handled explicitly. Before building a command line the plugin runs llama-server --help once and keeps only the flags that build actually has, so older engines get --n-gpu-layers 99 and no KV quantization while newer ones get auto plus q8_0; anything it cannot probe is passed through rather than dropped. LM Studio is started with lms server start --port N rather than being lumped in with the engines that need a model argument, and vLLM gets its own --model example instead of llama.cpp syntax. Windows, macOS and Linux are all exercised in CI, including a windows-latest and a macos-latest job, because a cross-platform claim that has only ever run on one OS is not a claim. Two of those suites exist specifically to catch this machine's blind spots: one replays the whole suite with process.platform rewritten to each OS, and one deletes every advantage this development box has — no nvidia-smi, no rocm-smi, no sysctl, an empty PATH, a home directory with no models — and requires graceful degradation rather than a crash. That last one caught a real class of bug: several assertions hardcoded 'lms.exe', which cannot pass where the executable has no suffix. Measured on the reference machine: a 16.9GB 27.2B MoE with 14.5GB of VRAM holds a 285-691MB working set and sustains 76 tok/s after a 1000-2000 token warm-up, so file size alone is not a fit signal. From 0.4.3 the scanned models are shown as a table rather than a dropdown (one row per gguf, with its size and any fit warning), so you can see what is on disk before choosing. From 0.4.4 the delete button on the provider table removes the provider entry, not the weights file on disk. That distinction matters: what people actually want to clear out is the dead entry - one pointing at a port that never answered, one registered twice for the same port, one whose model file was deleted long ago - not a 15.8GB gguf. Deleting a config is undone by importing again; deleting a gguf is not. The removal goes through settings.mutate with an unset op on \['providers', id], because update merges layers: writing null there leaves a null provider key that the loader reads as a broken config rather than an absent entry, and only mutate/unset is implemented as Reflect.deleteProperty. The result is read back afterwards, because unset on a key that comes from a lower layer (the profile cordis.patch.yml or a home patch) does not delete it - it restores the inherited value, so the call succeeds while the entry stays. When the entry is still there the panel says so and points at the file to edit instead of reporting success, and a DSH whose settings service predates mutate() is told plainly rather than silently ignored. Deleting takes two clicks and clearing the confirmation is as easy as clicking another row; on success the online and baseURL caches are cleared and the tool surface is recomputed, since the provider list changed. The gguf itself is never touched by this plugin - the scanned-model table is display and selection only.VRAM reporting is driver-dependent. From 0.4.5 model discovery also reads Ollama's own storage: its blobs are named sha256-… with no extension, so extension matching could never list them. Weights are now accepted by extension OR by GGUF magic header (only dot-free files of at least 8MB, capped at 600 header reads per scan; obviously-not-weights extensions like .json/.md/.safetensors/.part are never opened). Ollama models are resolved from their manifests: the model layer is picked by mediaType application/vnd.ollama.image.model (never adapter/mmproj layers), the human-readable name is restored from the manifest path (…/qwen3/8b becomes qwen3:8b, …/latest stays bare), tags sharing one blob merge into a single row, and the metadata kv supplies name, quantization and context length. Adopting an Ollama model does not start a duplicate llama-server over the same weights: it confirms ollama serve answers on 11434 (launching it if not) and registers the provider under the tag the endpoint itself reports — the blob's sha256 name would never match anything, since 11434 lists qwen3:14b, not sha256-a8cc…. Two real-machine-only traps fixed on the way: existsSync('<file>/') returns true on Windows, so manifest-vs-directory branching now goes by parseable content instead of trailing-slash semantics; and the quantization label table had been copied from a stale ggml enum generation, labelling ggml_type 15 as Q5_K_S while ollama show reports Q4_K_M. Same-blob dedup is by (dev,ino), keeping whichever entry has a name. Verified on the reference machine: the scan goes from 1 row to 4 — qwen3:14b (8.64G) and qwen3:8b (4.87G) now appear with Q4_K_M badges — in 4ms; npm run verify exits 0 (launcher 57, portable 35, panel-host green including the linux/darwin simulated-platform runs); the new panel-host suite builds a real miniature Ollama store in tmpdir and points OLLAMA_MODELS at it, so results no longer depend on whether the test machine happens to have Ollama installed. From 0.4.6 the panel shows each model its real name instead of its file name, because some download tooling stores every weight under one generic file name, leaving the real name only inside the GGUF header. The scan now reads each file GGUF KV section - not a fixed-size head buffer, because tokenizer.ggml.tokens (hundreds of thousands of strings on a large MoE model) and the chat template push general.file_type past any window; and GGUF string arrays are interleaved (u64 length plus payload per element), so treating them as a length table walks the cursor off the rails and produces astronomically large reads. Reading and skipping are accounted separately: key names and types are always read, string values over 256KB and string arrays are only walked past without copying, non-string arrays over 64 elements are skipped outright, and a cursor past the file size stops the read, because an out-of-range position means the cursor is wrong rather than that a limit should be raised. The displayed name goes Ollama tag, then general.basename plus size_label, then general.name, then the file name, with the full string kept for the hover text since it usually carries internal build numbers; mmproj files are now identified by general.type as well as by name. A short read (truncated file) no longer feeds half a value into the parser. On the reference machine, reading one file header parses 44 keys in about 16ms, and a whole scan takes about 31ms. From 0.4.7 the smoke test no longer fails the first time and passes the second. The old code gave both request attempts one shared AbortController and one shared 30-second timer, so the total budget covered both rounds: a cold load of a large model burned it in round one, the abort left the signal permanently aborted, and the second round (the Ollama-style reasoning_effort: none retry) could not even be sent - which is exactly why the first click returned This operation was aborted and the second succeeded. Now each attempt gets its own controller and timer, a timeout retries once automatically (retryOnTimeout, on by default) because a first-request timeout almost always means the weights are still being read from disk, and non-timeout errors (refused connection, HTTP error) are not retried at all. Timeouts report themselves: the message says the wait exceeded smokeTimeout, whether a retry already happened, and points at the new smokeTimeout setting (seconds, default 60, clamped to 5-600) - port responding is not the same as tokens coming out, so it is a separate knob from launchTimeout. Unrelated: an example naming one specific model was dropped from the panel copy, since not every machine has that model downloaded, and the explanation now describes the mechanism instead.

Turn a logged-in DeepSeek web account into an OpenAI and Anthropic compatible endpoint, with tool calling, image input, an account pool and a local admin console. First use needs a one-time `node scripts/fetch-assets.mjs` in the installed plugin directory to download DeepSeek's PoW runtime from the vendor CDN; without it the proxy starts but every upstream request fails.

Adds a Share to chat action under each reply: converts the answer to WeChat or WeCom text, ordered segments or a long image, editable-table email HTML, or a downloadable Word document.

Устанавливает, обновляет и удаляет плагины DSH на вкладке Plugins. Установка вызывает встроенную службу pluginManager профиля и позволяет добавлять плагины при работающем десктопном приложении, не только через CLI. Обновления делегируются публичному update API v1 сервиса dsh-market (обязательно для этого раздела); прогресс показывает этап, процент и загруженные байты. Откат выполняется только если market сообщил о restorepoint. Если удаление используемого bundle отклонено, плагин отключает bundle, удаляет запись из manifest профиля и ставит оставшиеся файлы в очередь на очистку после следующего запуска.

Встроенная кабина замкнутого цикла разработки для DeepSeek Harness: агент собирает, прошивает, проверяет отладчиком и отслеживает платы STM32 из одной панели. Пользователь видит шаги вживую: этапы прогресса, потоковые журналы, использование RAM/FLASH и декодированные последовательные сигналы. Требуется Python 3.10+ хоста в PATH (плагин не может его установить). Цепочка ARM автоматически загружается при первом использовании (~400 MB, только Windows x64); нужна плата STM32 с отладочным пробником.

Ищет медицинскую и биологическую литературу по теме, ключевому слову или DOI через Europe PMC, PubMed, OpenAlex и Crossref. Проверяет открытый доступ по Unpaywall/OpenAlex/Europe PMC; при наличии OA-маршрута загружает PDF после проверки сигнатуры файла и числа страниц. Иначе создаёт карточку решения с точной причиной отказа и четырьмя ручными альтернативами: AbleSci assistance, Sci-Hub, SciDown и X-MOL. Встроенный инструмент Python использует только стандартную библиотеку.

Image Designer связывает DSH с дизайнерами Shenhuo AI: личная OAuth-авторизация, загрузка материалов, предложения, подтверждение расчёта кредитов и локальная загрузка результатов.

Инструменты агента для локального загрузчика Gopeed: создавать, проверять, приостанавливать, возобновлять и удалять загрузки; диагностировать или запускать процесс Gopeed; получать события завершения через фоновую задачу DSH, которая будит бездействующего агента. Диагностика и запуск процесса доступны только в Windows; инструменты загрузки работают везде, где работает Gopeed.

Добавляет в DSH Web GUI загрузку частями с отображением прогресса и возобновлением, а также штатное скачивание файлов workspace и ZIP с логом сессии, включая сессии через сопряжённую удалённую связь.

Браузер и экспортёр ресурсов Unreal Engine 4/5 (UE4, UE5) для Windows x64: просматривает, показывает предпросмотр и экспортирует cooked-ресурсы из локальных PAK-архивов через CUE4Parse. Есть предпросмотр 3D-сеток, воспроизведение анимаций и поисковый индекс ресурсов. Для архивов Oodle нужна DLL oo2core от Epic: она не включена, но загружается через Settings.

Плагин событийных триггеров (звонок рядом с будильником dsh-proactive): рекурсивные fs watchers с debounce-окнами и glob-фильтрами для каждого правила; доступный только через loopback webhook endpoint с отдельным token; правила пробуждения целевой session через сервис agents хоста (активной отправляется follow-up, неактивная сначала возобновляется) и вставки prompt с переменными paths/count/payload. Перезагружает файл правил без рестарта DSH и добавляет каждый триггер в проверяемую историю JSONL, доступную через trigger_list и trigger_history. Loopback health route показывает состояние установки и работы. Примеры: сортировка Downloads, диагностика локальных CI/monitoring сигналов и наблюдение за ошибками в логах. Чистый JS, без сборки, MIT.

Предварительная проверка прав graph-first для DSH. Модель объявляет граф вычислений с узлами, описывающими смысл операции (что и куда скачать, что записать или удалить). Пользователь одобряет узлы по одному в боковой панели; одно одобрение покрывает одно успешное выполнение. Каждый узел хранит audit trail фактически выполненных действий. Непокрытые операции всё ещё запрашивают одобрение штатной карточкой; узел, заблокированный неотвеченным разрешением, приостанавливается, а независимая работа продолжается.

Добавляет инструмент для снимка рабочего стола Windows в PNG с передачей пути модели, а также кнопку камеры в composer для предпросмотра, скачивания и копирования снимка.

Встроенный браузер для DSH: отдельный Chromium с постоянным профилем сохраняет вход в Feishu или SSO после перезапуска; управление через CDP. Предоставляет 7 инструментов агента (status, open, eval, read, feishu, screenshot, tabs) и показывает страницу в реальном времени в правой боковой панели, которую вызовы инструментов открывают сами. Также преобразует документы Feishu в Markdown, прокручивая виртуальную область. Нужен установленный локально Chrome, Edge, Chromium или сборка Chromium от Playwright (браузер не скачивается); путь к бинарному файлу задаётся через DSH_IAB_CHROME.

Скачивает видео по ссылкам или из локальных клипов и создаёт GIF в Windows x64; ограничение размера можно задать дополнительно.

Рабочее место для устройств HarmonyOS в DSH NEXT Desktop под Windows x64 (проверено с DSH NEXT 2.0.21-next и Better Sidebar 0.28.2). Плавающее зеркало повторно использует Electron из DSH или скачивает около 140 МБ при первом запуске.

Поиск по четырём бесплатным библиотекам из одного окна: Project Gutenberg через каталог OPDS, Shuge через поиск WordPress и короткие ссылки s.shuge.org на страницах книг, NCPSSD через endpoint на Solr. Chinese Text Project доступен только по ссылке, поскольку условия запрещают автоматический доступ. Два инструмента: readbook_search и readbook_open; второй возвращает реальные URL скачивания для Gutenberg и Shuge, а для NCPSSD — только ссылку на страницу.

Локальная библиотека документов для DSH Desktop (только Windows, устанавливается приложенным скриптом PowerShell). Загрузите файлы один раз — в каждой беседе их можно искать и читать четырьмя инструментами: library_list / library_search / library_read / library_save. Загрузка, скачивание и пакетное скачивание доступны в панели Settings. Файлы остаются на компьютере, если не включить необязательную vision model, которая отправляет изображения на настроенный endpoint.

Читает локальную NTQQ (QQ 9.9.x) в Windows/Linux; экспортирует групповые и личные чаты в txt/csv/json/md/html/sqlite. 16 инструментов: qqnt_status, qqnt_doctor, qqnt_extract_key, qqnt_index, qqnt_list_groups, qqnt_list_chats, qqnt_search, qqnt_stats, qqnt_export_group, qqnt_export_chat, qqnt_export_batch, qqnt_jobs, qqnt_media, qqnt_storage, qqnt_ask, qqnt_recall (неоднозначный экспорт отклоняется; очистка только по разрешённому списку). UI 127.0.0.1:46728: индекс SQLite с обновлением, 6 экранов, задачи, узкий экран — 1 колонка, скрытие отправителей, сбор медиа, разделение по дням, шаблоны, ZIP с паролем AES-256. OCR/речь/эмбеддинги по запросу в virtualenv плагина. Нужны python3/sqlcipher3; настройки создают private virtualenv. Ключ БД из запущенного авторизованного QQ-клиента.

Одна установка добавляет анимацию запуска whale-girl, видеофон с кибер-глазом и голографическую тёмную тему. Скин и видео (CC BY-NC-SA) загружаются из upstream-репозитория при первом запуске; анимация устанавливается только если уже есть `@ljwei-stak/dsh-boot-animation`.

Скрывает встроенный бейдж обновления DSH Desktop (pill со стрелкой загрузки «新版本» рядом с аккаунтом): CSS для текущей сборки и сопоставление доступной метки через throttled MutationObserver сохраняют работу после обновления DSH. Проверка обновлений, пункт меню «Check for updates» и индикатор соединения не затрагиваются.

При запуске DeepSeek Harness открывает официальный сайт Genshin Impact и скачивает официальный launcher.