Плагины

Автоматическая маршрутизация усилия мышления для dsh: локально дообученный классификатор на 7 вопросов (ModernBERT, 842 МБ, <1 с на CPU) выбирает low/high/max для сообщений без явного намерения; внутрисессионные повторы повышают уровень (low→high→max) при ограничениях исключения; сервис-judge безопасно откатывается на low при недоступности. Чип уровня в строке ввода показывает текущий уровень и последние 20 решений. Все вычисления локальны — текст задачи никогда не покидает машину.

Добавляет предустановку разрешений `auto` между workspace-write и danger-full-access: классификатор один раз предоставляет рутинные повышения прав песочницы, а опасные или неоднозначные запросы по-прежнему направляются человеку.

Автоподтверждение в стиле CC для DeepSeek Harness: детерминированные правила deny/allow и двухэтапный классификатор allow/reject с circuit breaker и рекомендациями при отказе.

Плагин ИИ-классификации городских данных: автоматически рекомендует категорию по GB/T 47949; поддерживаются структурированные, полуструктурированные и неструктурированные данные.

До заполнения окна вспомогательная модель сжимает диалог в сводки; журнал на диске переживает перезапуск и переякоривается после compaction хоста. Модель выбирается из шести пулов; Auto переключает её классификатором только выше порога, сохраняя кэш prompt. Трёхстрочный watermark запускает передачу из четырёх шагов (fork-бэкап, документ, compaction, пробуждение) без потери субагентов; /ctx-pause, /ctx-resume, /ctx-handover — ручной режим. Есть Agent Teams, /vision для текстовых моделей и проверка больших diff тестером и независимым рецензентом. UI, README и настройки — 11 языков; включены skills MySQL/Redis только для чтения, commit-сообщений и документов требований/дизайна. В одном суточном сеансе 6 свёрток заменили 209 сообщений, контекст остался в десятках тысяч токенов.

Определяет, какая модель беседы обслуживает аккаунт: запускает параллельные одноразовые пробные беседы, оценивает каждый потоковый chain-of-thought по тому, как начинаются его абзацы, и отменяет пробы, читающиеся как старая модель, за секунды. Включает офлайн-самопроверку, прогоняющую 13 размеченных вручную chain-of-thought через тот же классификатор.

Хранит пул моделей и направляет каждый шаг агента в одну из них с заданным уровнем рассуждения; настройка выполняется щелчками в composer, без JSON. Роутер занимает поле модели composer и показывает там модель/уровень сессии и свои настройки. Три области авторизации (model/effort/full): ручной выбор действует только в своей области; в effort роутер привязан к выбранной модели. Есть профили задач с весами моделей, vision-маршрутизация шагов с изображениями, сигналы сессии (active todo, context pressure, token budget, subagent depth) и необязательный семантический классификатор. thinking всегда включён: DeepSeek отклоняет запросы с thinking, если в истории есть вызов инструмента, выполненный без thinking.

Подключает бесплатные и платные модели WorkBuddy (внутренние и международные) к DSH без настольного приложения. Поддерживаемый форк Faide-cyber/dsh-workbuddy, опубликованный как @bushizhanghan/dsh-workmate; upstream уже есть в каталоге. Не устанавливайте оба: они регистрируют один provider id «workbuddy-ai» и конфликтуют. В v1.2.7 длинные системные промпты перенесены за классификатор риска канала внутреннего шлюза, изменена строка бренда DSH и добавлен отладочный дамп. Поддерживается dsh 0.2.0-rc.2–0.2.1, включая предварительные версии.

Защита разрешений DSH: четыре области с битами read/write/execute в штатном меню разрешений и необязательный семантический классификатор Jev для команд bash.

Снижает расходы на LLM: классификатор Jev (System One) оценивает ход по декларативной политике и рекомендует маршрут модели субагента. Рутинные задачи идут по тарифам flash, сложные остаются главной модели. Есть триггер /route, проверка возможности делегирования во время выполнения, скрытие учетных данных и офлайн-повтор по журналу решений.

Гибридный маршрутизатор моделей для DeepSeek Harness: декларативные правила, настраиваемое пользователем управление затратами (cost-first / quality-first / balanced), опциональный LLM-классификатор задач и цепочки отката при сбоях.

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

Восстанавливает сессию, отклонённую host из-за превышения контекстного окна: повторно проверяет сообщение gateway, пропущенное встроенным классификатором, извлекает реальный размер окна и сворачивает самый старый фрагмент в один checkpoint без вызова модели (очистка результатов инструментов, compaction engine host, если она уменьшает проекцию, либо механический digest fold). Затем повторяет неудачный шаг. Инструмент `context_rescue` и команды `/rescue`, `/rescue-status` предоставляют тот же ручной путь.

Гибридный маршрутизатор моделей DeepSeek Harness: декларативные правила, настраиваемое пользователем управление стоимостью (cost-first/quality-first/balanced), необязательный классификатор задач LLM и цепочки fallback при сбое.

Управление моделью субагента: Jev classifier присваивает метку каждому ходу, а hook agent/request переписывает запрос на соответствующие provider, model и reasoning effort. Есть выбор inherit/auto/manual на сессию, prompt для каждой роли перед задачей и офлайн-повтор прошлых решений.

Автоматическая маршрутизация моделей по уровню для DeepSeek Harness: виртуальная модель `smart` определяет сложность каждого запроса (hard/normal/easy) и необходимость зрения, затем передаёт его уже настроенным моделям. Без дополнительной настройки.