Плагины

Превращает явный опыт сессий DSH в проверяемые черновики нативных Skill, сохраняемые только после одобрения пользователем.

Поддержка рабочих пространств WSL для DeepSeek Harness — бесшовная работа с рабочим пространством WSL без необходимости устанавливать dsh внутри WSL. После установки этого плагина вы можете добавлять рабочее пространство WSL прямо из графического интерфейса.

Панель управления таверной для DeepSeek Harness: карточки персонажей, worldbooks и пресеты с изоляцией по сессиям, сводки памяти, сеть отношений персонажей, варианты сюжета в один клик и режим NSFW. Для полного опыта также нужны сопутствующие плагины dsh-muv-engine и dsh-muv-table, которые отрисовывают строку состояния, варианты сюжета и таблицы переменных.

Улучшение ввода: голосовой ввод, ИИ-полировка, защита от перезаписи, оптимизация промптов с предпросмотром diff и автоматическое переключение локали в соответствии с языком интерфейса DSH.

Система инженерных процессов для AI-агентов программирования — обязательное планирование, TDD, верификация, ревью и интеллектуальный графовый анализ кодовой базы.

Находит потенциальные проблемы UX в вашем проекте: автоматически проверяет код React/TypeScript, точно указывает на каждую проблему и даёт конкретные рекомендации.

Память проекта для dsh с нативной интеграцией с task-system: session todos и чтения файлов автоматически сворачиваются в кросс-сессионные записи задач (связи task↔file), так что рабочие процессы можно переключать и возобновлять без повторного контекстуального прогрева. Память на чтении (без предварительного скана): извлекает code symbols, суммирует docs и связывает docs↔symbols; опциональное семантическое усиление TS (включается автоматически при наличии TS). Experience notes автоматически дедуплицируются. Каждый recall содержит отслеживаемую цитату. Pure JS, одна зависимость, работает сразу, тихо, без накладных расходов.

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.

Редактирование в стиле VSCode для DeepSeek Harness: центральный файловый редактор на базе Monaco (вкладки, быстрое открытие Ctrl+P, строка состояния) и интерактивный просмотр diff результатов правок/записей агента с Keep/Undo для каждого изменения, откатом и архивированием, сохраняемый между перезапусками.

Пресет экспертного режима DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): координатор + 17 субагентов-экспертов с автоделегированием. Функции: taskboard (автомат pending/ready/running/done/failed, DAG зависимостей, атомарный захват, повтор, восстановление), контроль качества (конвейер 5 этапов: требования, реализация, проверка, рецензия, интеграция; 2 доработки), Five-Anchor (рецензия/сходимость/анти-дрейф/сотрудничество/ресурсы), Near-distance (шаблон идентичность/задача/вывод), прогрессивное раскрытие (~28% экономии токенов), персистентность, P2P-шина, перекрёстная рецензия, пул опыта, быстрый путь, авто-повтор. 17 экспертов: данные, копирайтинг, юрист, PM, frontend, UI/UX, архитектор, соцсети, growth, квант. финансы, backend, DevOps, БД, QA, безопасность.

Устанавливает среду выполнения browser4-cli и регистрирует навыки Browser4 (browser4-cli, browser4-experience, browser4-plugin, scent-miner) в реестре навыков DSH, предоставляя AI-нативный браузерный движок для автономных агентов, интеллектуального извлечения и масштабной веб-автоматизации.

Плагин для DeepSeek Harness, подключающийся к серверу PowerContext по HTTP для воспроизведения, памяти, передачи контекста, опыта и skills.

Переносит опыт чата deepseek.com (веб/приложение) в DSH: редактируйте промпт и перегенерируйте ответы на месте, с постраничной навигацией версий <i/N> для каждого сообщения (древовидная модель, устойчивая между диалогами).

Автоматическая ретроспектива сессий: после завершения беседы дистиллирует полезный опыт в переиспользуемые навыки в библиотеке навыков, доступные модели для вызова, с триггерами, ускоряемыми сигналами, ручными запусками, режимом одобрения и управлением библиотекой (архивирование/восстановление, никогда не удаляет напрямую).

Набор инструментов дисциплины выполнения для DSH: перехват одинаковых повторных попыток, принудительная рефлексия, контроль todo, дедупликация памяти и превращение опыта в навык (11 плагинов + 6 навыков).

Локальная Agent Experience Network для DeepSeek Harness: дистилляция опыта на уровне задач из трасс и живых манифестов, оценка по доказательствам H0–H4, обнаружение по совместимости и продвижение только после явной проверки.

Позволяет чисто текстовым моделям работать с вставленными в чат изображениями: нативный визуальный режим, пакетный просмотр изображений и встроенный OpenAI-совместимый инструмент analyze_image; модели с поддержкой зрения не затрагиваются.

Ядро суждений для DeepSeek Harness: когнитивный цикл, дающий каждому решению источник и обоснование и доводящий планирование до завершения, гиппокампальная память, сжимающая текущий опыт в переиспользуемое знание, и настраиваемая карточка персоны (имя, характер, стиль общения). Требуется DSH ^0.1.0-rc.7.

Автоматически заполняет поля reasoning effort, окна контекста, лимитов вывода и модальности изображений для моделей неофициальных (пользовательских) провайдеров (данные из models.dev) и добавляет улучшения: повышение совместимости и запоминание reasoning effort.

Добавляет нативный раздел Store в Настройки DSH для каталожного поиска, фильтрации по тегам, сортировки, установки и управления установленными плагинами.

Планирование задач с «мышечной памятью» опыта: условно-рефлекторное воспроизведение прошлых решений, сопоставление возможностей LLM и автоматически сохраняемые уроки.

Cross-session experience memory for DSH. Lessons are evidence-graded, injected when the turn is about the same thing, and shown just before an action only when the record declares which call it applies to. A rule that holds whatever the turn is about — "always answer in Chinese" — can be marked **standing** and is then carried every turn: measured on 24 isolated real-model turns, a standing rule is followed 6/6 against 0/18 for the controls (empty store, same record unmarked, unrelated standing record). A guess still cannot become always-on: a standing record needs a verified passage like any other. What nobody looks up is retired, reversibly. Five tools, seven slash commands, zero runtime dependencies.

Evidence-governed experience memory for DeepSeek Harness

Cipher memory platform as a DSH bundle: four memory types (attention, experience, preference, cognitive) sedimented per turn by four memory agents, cross-session deterministic recall injected via systemPrompt.context, insight review kept out of user-facing output, per-session UNNI/LOOP modes with memory-driven auto-continuation, memory search/ingest tools, plus a settings page (SOUL editor) and an AgentPool panel.