Плагины

Прозрачные рейтинги и рекомендации для экосистемы плагинов DSH: ежедневно автособираемые данные по topic, открытая модель оценки и инструменты ранжирования/поиска/рекомендаций с таблицей лидеров на странице настроек.

Улучшает работу с моделями: разные способы заполнения параметров, совместимость, запоминание усилия рассуждения; субагенты в реальном времени следуют модели и усилию родителя, а ИИ может самостоятельно менять усилие.

Сторонний режим TUI для DeepSeek Harness (dsh --profile pi-tui), построенный на форке pi-tui с вендорингом: охватывает основной цикл сессии, а также подтверждения, команды, переключение сессий и полнотекстовый поиск, а также пресеты, навыки, меню модели/настроек и слэш-команды.

Представляет DSH Web как играбельный полноэкранный воксельный интерфейс от первого лица в стиле Minecraft — не просто цветная оболочка: пользователи ходят по постоянному блочному миру на Three.js и получают доступ к нативным рабочим пространствам, сессиям, беседам, инструментам, выбору моделей, разрешениям, контекстной информации и композеру через объекты мира и верстак.

Музыкальный, аудиокнижный, радио- и новостной плеер для DeepSeek Harness: транслирует вашу локальную папку музыки по HTTP, озвучивает локальные .txt/.epub романы AI-голосами, воспроизводит онлайн-музыку QQ/Kugou/Netease и интернет-радио (HLS поддерживается), а также распространяет ежедневные новостные дайджесты — всё управляется из UI или через указание агенту с помощью инструмента модели music_play.

Долговременная память для DSH: разговоры автоматически дистиллируются в атомарные факты, сводки сцен и профиль персоны, а релевантные воспоминания внедряются перед каждым шагом модели. Работает без настройки — гибридный поиск BM25 + векторный, опциональные офлайн-локальные эмбеддинги, разделение семейств чат/работа.

Наделяет текстовые модели зрением: пересылает изображения пользователя в совместимую с OpenAI модель зрения и показывает описания на правой панели веб-интерфейса.

Подключите вторую модель, которая пассивно проверяет каждый ход и добавляет заметки.

Подключает OAuth-аккаунты Google Antigravity к DeepSeek Harness, разумно распределяет квоты между аккаунтами, маршрутизирует запросы к разным LLM и генерирует изображения с Nano Banana 2.

Рабочий язык для каждой модели: упорядоченные regex-правила связывают ID моделей с кодами BCP 47. Перед отправкой DeepSeek Flash переводит запрос на язык модели, а после каждого хода переводит ответ обратно. Исходный ответ и фактически отправленный текст можно отображать отдельно в самом чате; системный промпт требует от подключённых моделей сохранять рабочий язык. При сбое под сообщением появляется предупреждение. При совпадении языков перевода и затрат нет.

Убирает вырожденные циклы рассуждений из видимой модели истории, чтобы они не повторялись вверх по цепочке в следующем ходе. Находит два шаблона — многократный повтор одной фразы и чередование коротких фраз — и заменяет совпавший фрагмент на месте; дополнительный аварийный выход прерывает ход, который сам не останавливается.

Автосжатие сначала создаёт заметку передачи: когда сессия приближается к порогу токенов, просит модель сохранить checkpoint проекта в workspace, а затем может запустить новую сессию с инструкцией продолжить и отложить старую. Заметка должна быть записана в текущем цикле сжатия, а раздел conclusions — действительно измениться, чтобы не прошёл устаревший или лишь затронутый файл.

Заменяет кнопку модели в композере DSH двухуровневой панелью (список провайдеров, затем поиск моделей) и непрерывным перетаскиваемым ползунком усилия рассуждения: сине-фиолетовая заливка, туманности и звёзды на высоких уровнях, отдельный цвет каждого уровня. Выбор модели оставляет панель открытой и ставит ползунок на средний уровень модели. Основа — Microqian2th/dsh-codex-effort-slider 1.0.0 (указан в README); панель, захват слота, офлайн-тесты и документация новые.

Преобразует требование в одну строку в проверенную поставку. TeamFlow выполняет этапы: разбор, PRD, дизайн, технический план, параллельная разработка, QA с исправлением дефектов и приёмка. Включает 12 инструментов `teamflow_*` и рабочую панель с графом конвейера в реальном времени и канбаном бэклога. Для каждого требования создаётся папка с PRD, дизайном, планом, отчётом QA и записью приёмки.

Локальный RAG по базе знаний литературы: 10 инструментов (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), гибридный поиск BM25 + вектор + реранкер, ответы на вопросы со ссылками и кликабельными DOI, полностью локальные эмбеддинги bge на однофайловом индексе SQLite. Требуется Python 3.9+ с pymupdf, faiss-cpu и sentence-transformers; установщик `npx dsh-kb-rag-install` всё это настраивает и заранее скачивает модель.

Сопоставляйте модели и token budgets с каждой ролью, а затем позволяйте DSH делегировать специализированные subagents по типу задачи. Охватывает архитектурный анализ, UI/UX, реализацию кода, изучение codebase и исследование документации, с автоматической настройкой плюс reasoning effort и правами на инструменты для каждой роли.

Плагин голосовых объявлений без зависимостей, управляемый событиями: без дополнительной модели, без затрат токенов. Озвучивает встроенным естественным голосом системы, поддерживает Windows и macOS; объявления финальных ответов, оповещения об одобрении и вопросах, необязательные уведомления о событиях (конец хода, завершение команды, изменение цели, ошибки инструментов, обновления задач), воспроизводимые финальные ответы и двуязычная визуальная страница настроек.

Чип стоимости в композере: рассчитывает расходы на API DeepSeek текущей сессии сообщение за сообщением по официальной таблице цен (вкл. политику пиковых/непиковых часов от 2026-08-17); при наведении — разбивка, итог за сегодня (DSH) и баланс аккаунта. Только модели DeepSeek.

Направленный fuzzing под управлением агента LLM. Для целевого репозитория и ошибки (описание CVE, патч, трасса сбоя или file:line) выполняется цикл PLAN, IMPLEMENT, EXECUTE, REFLECT; модель пишет генераторы входов на Python, пока не сработает проверка шаблона stderr кампании или кампания не остановится.

Ядро органов Agent-Body: плагины как единое тело. Каждая команда становится нервным импульсом, который детерминированно активирует нужный орган и называет используемую способность; пульс с переменным интервалом (быстрее при тревоге, медленнее в покое) разносит директивы оператора, проприоцепцию и предупреждения гомеостаза по системе; рефлексы срабатывают без вызова модели; сбои идут через детерминированную атрибуцию (инструмент/аргументы/права/тайм-аут/сеть), предписание и цикл перепроверки, а ошибки аргументов никогда не повторяются сами. Отсутствующий орган компенсирует орган с наибольшим пересечением способностей, а схемы инструментов фильтруются по текущему намерению (измеренное сокращение 84,7 %, воспроизводимо в репозитории). Это ядерный пакет плагинов в репозитории agent-body.

Орган памяти Agent-Body: после 2 минут тишины он переходит в лёгкий сон, а через 5 минут — в глубокий, где детерминированные правила перегоняют реальный опыт в карточки памяти (подводные камни, плейбуки, горячие точки, нерешённые проблемы, факты). Входящие команды находят связанные карточки по ключевым словам и внедряют их в контекст; давно неиспользуемые карточки затухают по периоду полураспада и архивируются, а не удаляются. Также он убирает шум общесистемных предупреждений гомеостаза: повторы внутри окна считаются вместо повторной печати, а предупреждение, которое повторяется и не устраняется, сходится к известному смещению устойчивого состояния и замолкает. Консолидация и вспоминание не делают вызовов модели.

Защита кодировки файлов: побайтово точное чтение/запись/редактирование файлов GBK, Big5, Shift-JIS, EUC-KR, Windows-125x, UTF-16 и UTF-32, так что редактирование старого файла оставляет его в исходной кодировке вместо тихой перезаписи в UTF-8; BOM UTF-8 сохраняется в точности как был, окончания строк (CRLF/LF/CR) сохраняются, символы, которые кодировка не может представить, отклоняются вместо записи как «?», а файлы не в UTF-8 перечисляются с кодировками-кандидатами, чтобы модель могла явно перечитать их.

Надёжность задач: авто-повтор при тайм-аутах/сбоях модели, автопродолжение незавершённых задач, проверка завершения, прерывание циклов размышления, возобновление после сна или перезапуска, режим автопилота и удалённая точка запуска (npm: `dsh-task-reliability`).

Покомпонентная оплата кэша в всплывающем окне счётчика контекста: текущие итоги шага, раунда и сессии с токенами и суммами попаданий / промахов / вывода, автоматические пекинские тарифы для рабочего времени пик / вне пика, ставки по моделям и оплата сторонних ретрансляторов.