Плагины

Перемотка разговора на месте в том же окне сессии без форка (семантика /rewind Claude Code): кнопка ↶ у каждого сообщения обрезает контекст модели до любого сообщения пользователя, с опциональным восстановлением файлов в стиле Claude Code из сохранённых на диске резервных копий.

Перематывает разговор DeepSeek Harness и его рабочее пространство вместе, не трогая Git: каждый откат — это fork, /redo обращает его вспять, а Rust-движок создаёт снимки за миллисекунды.

Устанавливает четыре многоагентных пресета для математических исследований в DSH: v2 (пайплайн на основе вероятностей с дебатами нескольких проверяющих), v3 (база знаний в стиле статьи на Markdown с агентом-планировщиком и переиспользуемой библиотекой методов), v4 (постоянные самоорганизующиеся резиденты, которые переписываются и встречаются) и v5 (исследовательский институт с академиком, который разбирает и распределяет работу, голосующими исследователями, временными работниками, групповым чатом и таск-бордом compare-and-set); все четыре поддерживают возобновление с чекпоинта, вмешательство человека и необязательный переключатель формальной верификации Lean (off/encourage/require), прошедшее доказательство которого превращает голосование в проверку точности Lean-утверждений.

Визуальный брейнсторминг с ветвлением, создающий изолированную сессию для каждого направления, автоматизирующий передачи (handoffs) родителя, соседа, контрольной точки и возврата, а также предоставляющий полную вкладку дерева с опциональным видом Better Sidebar.

/rewind в стиле Claude Code для DeepSeek Harness: git-ориентированные снимки рабочего пространства перед каждым изменяющим выполнением инструмента, ветвление сессии на границах хода, а также одношаговая команда /rewind, которая восстанавливает файлы и откатывает сессию к контрольной точке.

Переносите устойчивое состояние задачи между DeepSeek Harness, WorkBuddy, Claude Code и Codex с машиночитаемыми контрольными точками и оптимистичной блокировкой.

Бандл DeepSeek Harness регистрирует навык, превращающий длинный формат (академические статьи, отраслевой анализ, бизнес-комментарии) в конвейер из 9 ролей: параллельные скауты T1 литература / T2 данные / T3 кейсы, запускаемые координатором T4 аналитик, T5 писатель, T6 критический компаньон, T7 аудитор, T8 финализатор, T9 рецензент. На 6 фазах с треугольной проверкой доказательств, M-гейтом из 23 проверок, аудитом G0-G14 включая китайский шлюз ИИ-следа, оценкой peer-review с подбором журналов и 4 человеческими контрольными точками. Установка через `dsh plugin add lunheng-article-pipeline` (package.json#dsh.bundle.patch плюс запись lib/index.js регистрирующая навык); карточки ролей T1-T9, шаблоны и 11 скриптов проверки без зависимостей, README на пяти языках.

Просматривает контрольные точки, созданные dsh-checkpoint-rewind, как временную шкалу временных узлов и показывает построчные diff'ы по файлам между любыми двумя из них, с replay трасс из session logs (производитель snapshot не нужен) и откатом рабочего пространства с предварительным просмотром и одношаговым undo, через команды /diff и /rollback, JSON HTTP API и панель GUI.

Ограничители, обеспечиваемые движком, для роёв агентов DeepSeek Harness: контроль качества отклоняет незавершённую работу, отказоустойчивые контрольные точки возобновляют на месте — ИИ-команды не просто работают, а не ломаются.

Запускает конвейеры AItelier из DSH через MCP: 39 инструментов (22 чтения, 17 записи) для генерации, запуска, инспектирования, редактирования, экспорта и импорта многошаговых конвейеров SkillFlow. Шаги выполняются в AItelier, а не в сессии DSH, опрашиваются по run_id, приостанавливаются на принудительных движком контрольных точках, отвечаемых через answer_checkpoint, и оставляют пошаговые трассировки и выходные данные шагов для последующего чтения; add_provider / map_model / edit_role направляют отдельную роль на локальную или более дешёвую конечную точку. Включает навык aitelier-pipelines.

Явное межсессионное рабочее состояние для DeepSeek Harness: цели, решения и следующие шаги, автоматически захватываемые из событий хоста или через видимый модели инструмент work_state, проверяемое с помощью /checkpoint.

Workspace checkpoints per tool call: records every file mutation inside the workspace (excluding .git and node_modules by default), including changes made by shell commands rather than by write/edit, and stores the previous content of each changed path in a content-addressed store kept outside the workspace. Restores have two modes — undo one record, or return to a point in time — with a line-level diff preview, a dry run by default, and a rescue record written before every restore so the restore itself can be undone.

Model-autonomous context compaction for DeepSeek Harness: a mind_map tool surveys the agent context surface (stable seq ids, roles, token weights, clear-boundary markers, the clear-mind playbook), a clear_mind tool replaces a chosen conversation-history span with a model-written checkpoint through the native compaction transaction, call and result pairs self-collapse into one-line tombstones, and a proactive reminder nudges the model when the context grows long or a turn runs too many steps.

Per-project memory for DeepSeek Harness. Three Markdown files per workspace — PROJECT.md, DECISIONS.md and SESSIONS.md — are auto-created on the first step of any session in that workspace, re-read from disk and re-injected only when they change (and re-injected if compaction dropped them), and written back by classification through a memory_checkpoint tool, with a bounded end-of-turn nudge when a turn did work but recorded nothing. memory_read and memory_search read the live log and the archive, the latter over a zero-dependency BM25 index. The session log is capped at 200 entries with the overflow moved to SESSIONS-archive.md — never injected, but visible, readable and searchable, and restorable one entry at a time. Settings page: a workspace list with a path filter, read-only tabs for the three memory files plus the archive, reload, export/import of one workspace's memory as a JSON bundle, a two-step clear, a panel that rewrites or removes the AGENTS.md instruction block, and a PROJECT.md staleness reminder. A composer status chip shows that workspace's sync state and creates the files on click. Zero dependencies — no vector store, no embeddings, and no model calls.

TRAE-style conversation rollback — per-turn checkpoints (10-turn sliding window) roll back touched files and truncate model context in place, keeping the same session id. Human-initiated only: a /rollback command or a per-turn Web button (works on interrupted turns too), with a preview listing each affected file and its action — restore, recover, delete, or skip.

Browser patrol & website inspection plugin for DeepSeek Harness (DSH). Teach once, replay deterministic runbooks with managed Chromium, screenshots, credentials, checkpoints and selector recovery.

Smart checkpoints, workspace safety guards and instant rollback for DeepSeek Harness.

Multi-language subtitle translation workflow for dsh: SRT/VTT parsing, sentence-level LLM translation, bilingual merge, batched with resumable checkpoints.

Автономный классификатор разрешений для пресета auto: правила allow/deny по инструментам, семантический судья на LLM и контрольные точки git для сессий без присмотра.

Инкрементальный diff-ревьюер для DSH: после одобрения пакета показываются только изменения после контрольной точки, с веб-панелью ревью и командой `/review`, возвращающей обратную связь агенту.

Добавляет инструменты Git status, diff, log, commit, branch и опционально checkpoint с обязательным подтверждением.

Creates local, content-addressed workspace checkpoints with diff previews and two-phase restore confirmation.

Tiered compaction hub: replaces the single 80% compaction cliff with a configurable ladder (default 30/50/70/90) whose tiers escalate from gentle to maximum consolidation laws, folds a deterministic keyword index into every checkpoint so facts accumulate across cycles, and summarizes through a model chain — primary plus up to 3 fallbacks, each with its own reasoning effort. Adds a Compaction module sub-tab and a Settings card; toggling off always restores stock compaction.

Session-memory autopilot: watches DSH sessions and extracts OKF entries in-process through the harness LLM (ctx.llm, deepseek-official by default) at idle, commit, compaction and end checkpoints, storing them via the vault MCP server.