Плагины
Находите, фильтруйте и устанавливайте плагины DeepSeek-Harness.
Найдено плагинов: 419
dsh-search-outline
zhuang-yiqing/dsh-search-outline
Расширяет предпросмотр файлов в правой панели на базе dsh-better-sidebar (обязателен, иначе плагин не работает). Панель поиска Ctrl+F для любого текста: строка или regex, учёт регистра, счётчик, переход далее/назад. Сворачиваемая структура показывает классы, методы и переменные Java/JavaScript/TypeScript/Python, а также HTML-элементы (включая .vue/.svelte); щелчок переходит к строке. Только чтение, отдельной вкладки нет.
readable-diagrams
bingomu/readable-diagrams
Создает девять типов диаграмм по одной спецификации JSON и проверяет заголовок, путь чтения, легенду, контраст и соединители. Для скриптов рендеринга и проверки нужен Python 3.9+.
dsh-paper-translate
ryanzhangk/dsh-paper-translate
Переводит PDF-статьи целиком с предоставленной установкой BabelDOC (Python CLI, API-ключ, совместимый с OpenAI, в config.toml). Создает двуязычный разворот, заранее оценивает стоимость токенов, повторно использует тематический глоссарий и отключает серверные затраты на рассуждение при переводе.
dsh-darkSoulGuide
plankton12138/dsh-darksoulguide
Отвечает по сохранению Dark Souls III на вашем ПК с Windows: уровень, характеристики, область, число костров/колец/заклинаний/заветов, статус 24 боссов и достижения Steam, если он установлен. Путь по умолчанию: %APPDATA%\DarkSoulsIII\*\DS30000.sl2. Есть инструменты для модели, индикатор прогресса и боковая страница с 19 областями и подсказками. Встроенный скрипт Python 3 читает сохранение локально без изменений; нужны Python 3 и cryptography, данные игры включены.
multisim-toolkit
llyy-t/multisim-toolkit
Управляет NI Multisim 14.3 в Windows через девять инструментов msim_*: открывает и сохраняет схемы .ms14, меняет параметры компонентов и схем, запускает DC/AC/переходный анализ, экспортирует схемы, BOM и netlist. Win32 управляет видимым окном и получает изображения схем и графики Multisim; для схем без проб используется SPICE-файл, а офлайн-читатель открывает .ms14 без запуска Multisim. Нужны Windows, NI Multisim 14.3, 32-битный Python 3.11–3.13 и pywin32.
dsh-wayland-use
ganglith/dsh-wayland-use
Управление рабочим столом в сеансах Wayland GNOME/Mutter: снимки экрана, OCR с координатами, щелчок по тексту и пакетные действия ввода. Нужен бэкенд Python 3 с python3-gi и GStreamer; для OCR нужен Tesseract.
dsh-wiki-notes
xyzovo/dsh-wiki-notes
Шлюз знаний только для чтения над локальным Markdown-хранилищем, четыре инструмента. `wiki_recall` возвращает весь подходящий раздел, ссылки по страницам, состояние хранилища и каркас ответа. `wiki_context` даёт выдержки по страницам, оценку подтверждения и явные пробелы; `wiki_verify` проверяет черновик на неподтверждённые утверждения, включая числа; `wiki_observe` считает исправления. Настройки и боковая панель используют тот же путь запросов, что и модель, поэтому ручной поиск совпадает с её контекстом. Трём инструментам (`wiki_context`, `wiki_verify`, `wiki_observe`) нужен локальный мост Python 3: `bridge.python` и `bridge.toolsRoot` с `wiki_bridge.py`, иначе `E_PYTHON_UNAVAILABLE`.
lingshu-skill
q2667671398/lingshu-skill
Lingshu (灵枢) — вдохновлённая мозгом система долговременной памяти, персоны и развития для ИИ-агентов программирования. Только стандартная библиотека Python, без зависимостей, локальная работа по умолчанию; требуется Python 3.9+. Есть слоистая память гиппокамп/кора, кривые забывания, консолидация снов, нечёткое ассоциативное извлечение, система эмоций, защита персоны от дрейфа, база знаний, самостоятельно созданные навыки и локальная веб-панель. Поставляется как встроенный навык DSH. Отдельно устанавливаемый плагин cordis для внедрения при запуске автоматически добавляет сессии только если (Lingshu находится в ~/.dsh/skills/lingshu или настроен brainPy) и доступен Python 3. Необязательная проверка обновлений обращается к GitHub/Gitee.
dwg-reader-plugin-20261029
nidexiang/dwg-reader-plugin-20261029
Плагин DSH для чтения AutoCAD DWG/DXF, PDF и изображений без установки AutoCAD или Tesseract. Для DXF на компьютере нужны Python 3 и ezdxf.
dsh-deep-reading-wl
songfengmanzhu/dsh-deep-reading-wl
Конвейер для сканированных учебников: OCR примерно в 5 раз быстрее ONNXRuntime (нужны Python 3.10+, pymupdf, rapidocr, openvino и numpy), затем отчёт о структуре и план чтения по главам до открытия PDF.
dsh-stock-dividend
wonderjz99/dsh-stock-dividend
Плагин DSH для учета дивидендов по китайским акциям класса A: тонкий адаптер на TypeScript передает всю бизнес-логику ядру dividend_ledger на Python.
dsh-local-devkit
alice0721021-web/dsh-local-devkit
Локальные средства разработки Harness: проверки окружения и выполнения, git status/diff/log/commit, снимки при записи с восстановлением по версиям и проверки проектов Node, Python и Go.
pixiv-skill
elither-gpt/pixiv-skill
Навык Pixiv с CLI на Python: поиск иллюстраций, манги и романов; дневные/недельные/месячные, rookie, original, AI и R-18 рейтинги; поиск работ, серий романов и авторов, загрузка оригиналов. Многостраничные работы объединяются в PDF, ugoira конвертируется в GIF, серии романов — в TXT. Нужны Python 3.9+, requests, img2pdf, Pillow (pip install -r requirements.txt); для R-18 нужны ваши cookie Pixiv.
DSH-Paper-DeepRead
haokuo/dsh-paper-deepread
В комплекте библиотека углублённого чтения статей и skill paper-deepread-html: боковая панель с интерактивными отчётами, загрузка PDF в управляемую библиотеку, анализ агентом или необязательным worker сайта, управление и перестроение библиотеки. Model tools: paper_deepread, paper_deepread_uploads, paper_deepread_reports. Для чтения/импорта/отчётов нужен Python 3; skill при первом использовании готовит PyMuPDF venv, а перестроение индекса при необходимости использует plain python3.
figcraft
harryheyu/figcraft
Создание научных иллюстраций кодом: агенты формируют версионируемый IR рисунка и изменяют его по одному узлу, не перемещая нетронутые объекты. Экспорт настоящих векторных SVG/PDF/PPTX для публикаций. Семь инструментов papercanvas_* (create/get/patch/layout/lint/render/inspect), детерминированный движок, проверки качества FC001–FC008 и подбор CJK-шрифтов. Проверено с DSH 0.1.5-rc.3–0.2.2-alpha.2; автор dsh-sessionflow. PaperCanvas нужно установить отдельно: Python 3.11+ и CLI papercanvas (пока не опубликована в PyPI); установите из этого репозитория, добавьте в PATH или задайте papercanvasBin. Плагин — тонкий адаптер, движок не поставляется.
agents-learning
swenbo1-web/agents-learning
SQLite-память в рамках проекта с постепенным извлечением, ограниченным контекстом, кнопкой в поле ввода и визуальной проверкой. Установите DSH-пакет в корень репозитория и выполните /learning-init с абсолютным путём проекта под локальным Python 3.10+.
dsh-voice-bridge
kinglhy2006/dsh-voice-bridge
Голосовое управление DSH без рук в Windows: локальное wake word, локальное распознавание китайской речи с вставкой и отправкой из composer, голосовые ответы можно прерывать и продолжать. Один раз запустите комплектный install.ps1 (Python-зависимости речи и выбор микрофона); нужен SenseVoice model, уже загруженный голосовым вводом DSH или размещенный в models/sensevoice-onnx.
dsh-memory-with-soul
pzh-xsj/dsh-memory-with-soul
Долгосрочная память в Markdown и git. Каждая сессия начинается с блока memory-context из глобального хранилища и книг проекта (role card, user profile, current focus, routing table, recent logs). Плагин фиксирует прочитанные агентом memory-файлы и напоминает извлечь выводы, пока дневной журнал не разобран. Personas в roles/<role>/SOUL.md. Страница настроек на 7 вкладок, 4 skills; нужен Python 3.10+.
dsh-ctx-budget
lugabeeee/dsh-ctx-budget
Статический аудит контекста DSH home: шесть слоев baseline (rules, memory, skills, tool surface, sessions, KB), битые пути в Markdown-карте возможностей, дубликаты/устаревание/превышение лимита memory, сжатие описаний SKILL.md, оценка tool surface и статического cold-start контекста по журналам сессий. Четыре DSH tools только для чтения; запись только через --apply с предварительным backup. На host нужен Python 3.10+ (stdlib; все инструменты запускают встроенный CLI через shell).
dsh-session-bridge
dylanyeung0929/dsh-session-bridge
Из агента читает локальные сессии DeepSeek Harness, отправляет сообщения и отслеживает их в реальном времени: четыре инструмента (session_list, session_read, session_send, session_chat) и соответствующая CLI на Python через локальный RPC настольного приложения. Транскрипты можно читать и офлайн. Нужны Python 3.10+; для чтения офлайн также требуется CLI zstd.
dsh-pet-desktop-linux
wlaeg/dsh-pet-desktop-linux
Прозрачный питомец поверх всех окон для DSH на Linux (X11/XWayland), реагирующий на состояние сессии. Работает в отдельном окне вне браузера, следует за указателем с ограничениями по расстоянию и каждому дисплею, показывает живое облачко со списком задач и состоянием каждой сессии и запускается вместе с ней. Только Linux (X11/XWayland); нужны Python 3, PyGObject, GTK3, GdkPixbuf и xdotool. Спрайты взяты из @michengai/dsh-codex-pet (в списке — MichengAI/dsh-codex-pet).
dsh-hoi4-modding
a1249070611/dsh-hoi4-modding
Набор DeepSeek Harness skills для моддинга Hearts of Iron IV 1.19.3: 15 skills и 20 локальных MCP-инструментов (Python stdio-сервер) для создания каркаса, статической проверки, установки и отладки модов. Охватывает focus tree, события, решения, идеи, персонажей, технологии, MIO, спецпроекты, scripted GUI/кнопки панели, локализацию, DDS-иконки, компоновки танков на 18 ячеек, 3D-модели, проверку CJK-шрифтов и разбор error.log. Включены обзор 23 модов Workshop и мультиагентное руководство. Нужны DSH >=0.2.0 <0.3.0 и Python 3.9+ в PATH (только стандартная библиотека); игровые ресурсы не входят.
math-rigor
bauerelizabeth07139/math-rigor
Проверяемые математические доказательства для DeepSeek Harness: локальный MCP-сервер stdio с 23 инструментами машинной проверки, встроенный навык процесса и команды /prove и /audit-proof. proven, refuted и inconclusive не смешиваются; недоказанные шаги явно указываются. При первом запуске нужны Python 3.10+ и pip install -r requirements.txt; до установки 23 инструмента недоступны.
dsh-kidlab
baixiaoustc/dsh-kidlab
Плагин для знакомства детей с программированием: один пакет включает карточку 🐵 «Маленький класс · запуск кода» (реально выполняет Python/Turtle) и пять model tools (kid_run / kid_explain / kid_practice / kid_review / kid_steps). Без сторонних зависимостей и этапа сборки.