Плагины

Регистрирует разделы system prompt для рассуждений на упрощённом/традиционном китайском, режимы strict/prefer и необязательную политику языка ответа. /thinking-zh переключает сессию. Без runtime-зависимостей.

Sync профиля DSH/WebDAV. 5 частей: models (cordis.patch.yml:llm-pi-ai), defaults (agent-default-model), patch (остальной loader), plugins (зависимости package.json/dsh.profile.bundles), dirs (выбранные абсолютные пути, восстановление туда же, add-only; макс. 5 dirs, каждая ≤2000 files/8 MiB). Локально passphrase: AES-256-GCM/PBKDF2-SHA256 600000; отправляется только ciphertext в <address>/dsh-webdav/dsh-profile.prop. Merge 3-way vs baseline: новая копия остаётся, другая архивируется в sync/ (5/tag), запечатывается перед overwrite. Удаления кроме plugins/первой sync/dirs; исключение dir останавливает sync, файлы не удаляет. ETag If-Match/If-None-Match блокирует конкурентную перезапись. Вручную/3/15/30/60 мин. sync.json в <profileDir>/.dsh-webdav-sync/ (0600) хранит пароль WebDAV/passphrase.

Проверяет I/O, shapes, opset, операторы и размер ONNX; benchmark ONNX Runtime локально или по SSH. Выводит среднюю/P50/P95/P99 задержку, FPS, реальный provider и PASS/FAIL по FPS/P95/размеру. Нужны Python 3.10+, numpy, onnx, onnxruntime, psutil; удалённо — python3/numpy/onnxruntime.

Моделирует и проверяет утверждения дизайна/плана/документа: визуализирует и review UML, проверяет автоматы, протоколы, модели данных, покрытие/симметрию rollback миграций; направляет concurrency claims подходящему checker, аудирует зависимости и сравнивает отчёты.

Добавляет третью строку Context window в меню выбора модели композера: готовые емкости (64K–2M), пользовательский ввод, синхронизация на всех провайдерах и адаптивный guard сжатия.

Универсальный monitor-плагин для DSH Desktop: механизм правил с HTTP polling. Проверяет endpoint по расписанию (несколько шагов, извлечение переменных, JS-условия); при совпадении будит видимую сессию агента для действия, иначе model call отсутствуют. Боковая GUI-панель для создания, изменения, паузы, тестирования, немедленного запуска и истории — UX как у встроенного scheduler.

Предоставляет работающий экземпляр DeepSeek Harness внешнему агенту через MCP: тот может просматривать, создавать и продолжать сессии самого экземпляра, делегировать ход и получать результат, отвечать на вопросы DSH-агента и задавать правила обработки будущих запросов на подтверждение.

Показывает стоимость каждой skill в контексте модели и скрывает ее из каталога без удаления. Перечисляет все skills на диске с точной строкой каталога для модели (нормализованное и обрезанное по лимиту description), размером тела и оценкой tokens. Показывает байт-в-байт сообщение каталога для агента, сравнивает с опубликованной копией в текущей сессии и сообщает о skills, не попавших в каталог из-за неверного frontmatter или shadowing более приоритетным root. Скрытие добавляет disable-model-invocation во frontmatter, сохраняя файл и вызов через `/name`. Также импортирует из ClawHub, Skills.sh и GitHub URL и удаляет skills пользователя.

Страница управления skills для dsh: задает для каждого режима агента on, manual only, model only или off; считает загрузки skill по режимам из истории сессий; ищет на skills.sh и устанавливает с GitHub; импортирует из Codex, Claude Code или папки; создает, редактирует, версионирует skills и удаляет их в корзину. Режимы работают и после удаления skill.

OCR сканированных PDF, состоящих из изображений, с выводом в Markdown. Поскольку обработка книги занимает около часа, для каждой страницы создается checkpoint и прерванный запуск можно продолжить; журнал показывает прогресс, отчет о качестве отмечает пустые страницы и строки с низкой уверенностью. Нужны Python 3.10+ и `pip install -r requirements`; при первом запуске загружается OCR-модель.

Распределяет все загруженные skills по пользовательским workspaces во вкладке правой боковой панели. У каждого workspace свои категории и размещение skills; категории можно создавать, переименовывать, менять местами и удалять, а skills перемещать перетаскиванием или выбором. При первом запуске профильная модель может создать первичную классификацию либо разместить skills в созданных пользователем категориях. Щелчок копирует `/skill-name`, наведение раскрывает описание из skill.

Фильтрация skills по tag: назначьте их навыкам и передавайте каждому workspace или диалогу только подмножество, выбранное булевым выражением (например, `pdf + docx` или `aegis * plugin`). Исключенные skills блокируются из каталога модели через deny-shadow, а не просто скрываются в настройках; навыки вне выражения можно добавить вручную или принудительно отключить. Встроенный `tagging-skills` учит агента выводить набор tag по используемой машине.

База знаний и конвертер DocChain: поиск по имени файла, содержимому и metadata; поиск по doc_id/имени с чтением; список тем; пакетная загрузка; конвертация в Markdown; поиск похожих изображений и описания изображений по документам в sidecar Markdown; глубокое исследование. Каждая функция скрипта также доступна как нативный DSH tool in-process: doc search/content search/filename search/topic info/metadata search/upload/image search/image describe/doc2markdown. Настройки поддерживают несколько сред с отдельными адресами/учетными данными, переключение в один клик и выбор тем для каждой среды. Нужны URL сервиса docchain и API key, кроме doc2markdown. Описания изображений требуют также OpenAI-совместимый мультимодальный endpoint (настраиваемая внутренняя gateway-модель по умолчанию).

Переводчик для Windows x64 с отдельным пунктом боковой панели и интерфейсами Workbench/Chat, параллельным переводом текста и документов, переводом области экрана, историей, выбором host model, голосовым вводом и предпросмотром. OCR документов использует CUDA с переходом на CPU; OCR экрана работает на CPU. Не включайте CPU- и CUDA-пакеты одновременно.

Переводчик для Windows x64 с отдельным пунктом боковой панели, интерфейсами Workbench/Chat, параллельным переводом текста и документов, переводом области экрана, историей, выбором host model, голосовым вводом и предпросмотром. OCR на CPU без зависимостей NVIDIA. Не включайте CPU- и CUDA-пакеты одновременно.

Двусторонний голос для веб-приложения DSH: диктовка через общий композер, прослушивание ответов кнопкой динамика или автоозвучиванием на любом устройстве. Требуются DSH 0.1.7+, Node 22+, Python 3 с numpy и requests, TTS-модель и микрофон.

Заметки о встречах для dsh: одна встреча на диалог, локальная расшифровка с разделением говорящих, пункты, задачи, рукописные заметки, ревью и месячные оценки на одной панели. Экспорт SRT/Markdown/Word и переносимый zip для импорта в другой dsh. Подтвержденные задачи одним нажатием отправляются в DingTalk/WeCom согласно настройкам робота. Модели распознавания сменные; усиленную локальную модель можно импортировать из файла. Облачное распознавание по умолчанию выключено и не делает запросов без согласия. Для Word нужны Python и python-docx; при первом запуске загружается модель на 28 или 77 МБ.

Ищет произведения общественного достояния в Project Gutenberg, Wikisource, Internet Archive и Standard Ebooks по названию, автору, персонажу или смутно запомнившемуся сюжету либо импортирует EPUB/PDF/TXT/DOCX/Markdown для прослушивания в боковой панели. Голоса Microsoft Edge neural, offline Kokoro или голоса устройства; сохраняет позицию, добавляет голосовые заметки к только что прослушанному фрагменту и обсуждает книгу с моделью DSH.

Структурированное распознавание изображений: локальные измерения sharp и облачная vision-модель за один вызов возвращают описание, OCR с координатами, расположение объектов и подробные атрибуты. Кэш отпечатков возвращает повторные изображения за миллисекунды без расхода квоты модели.

Мультимедийные инструменты Cloudflare Workers AI для dsh: text-to-image, text-to-speech и speech-to-text. Метки цены для каждой модели, native-карточка настроек, повторное использование существующего аккаунта Cloudflare, имена выходных файлов по создавшей их модели.

Позволяет модели действительно видеть видео: локальный ffmpeg берет кадры с временными метками, а faster-whisper расшифровывает аудиодорожку, поэтому агент читает реальные пиксели покадрово, а не доверяет текстовому резюме. Полностью локально, без загрузки; честно сообщает, если в аудио нет речи. Только Windows; нужны Python 3.10+ и ffmpeg. Первый video_eyes_setup загружает около 700 МБ (faster-whisper и его модель).

Провайдер Tencent Yuanbao Search для расширения ctx.web: один прямой запрос Search API на каждый поиск возвращает переносимые title, URL, snippet и дату ISO-8601. Учетные данные проверяются при каждом поиске, дополнительного хода модели нет. Нужен Tencent Cloud WSA API key.

Среда принятия решений System One для dsh. Быстрые негенеративные инструменты (choice, score, screen, gate) через локальный или hosted gateway; без необходимости вызова со стороны модели автоматически сегментирует слишком большой вывод инструментов, запрещает повторы одинаковых вызовов после подтверждения застоя System One, сверяет заявления о завершении с фактами инструментов и исправляет неудачные повторы. npm: dsh-harness-reflex (plugin) и harness-reflex (core, также stdio MCP-сервер).

Gate для каждого workspace: скрывает от модели схемы инструментов и разделы системного промпта выбранных плагинов в каталогах, где они не нужны.