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.

Плагин для DeepSeek Harness, превращающий решения Jev в три автоматических действия — обрезку слишком большого вывода инструментов до фрагментов, релевантных запросу, проверку загруженных страниц на инструкции, адресованные модели, и выбор навыка для следующего шага — плюс инструменты jev_ask и jev_gate, журнал решений, переживаемый перезапуски, и отчёт /jev-status. Требуется ключ TypeSafe API; без него он неактивен и ничего не отправляет.

Ядро суждений DeepSeek Harness: цикл познания указывает источник каждого решения и завершает планирование; память hippocampus превращает опыт в знания (журнал, эпизодический архив, снижение низкой уверенности); архитектура закрепляет ответственность и единые критерии; команда A2A управляет памятью через dsh-linghun-assembler. Требуется DSH ^0.1.0-rc.7 (поддерживается rc.2).

Автоматическое одобрение и рецензирование вызовов инструментов, требующих одобрения: сегменты ключевых слов сопоставляют красные линии без контекста, затем судья-модель классифицирует, что было запрошено, и отправляет это в allow, reject или человеку согласно совпавшей строке и уровню риска; решение, которое не выполнилось, всегда идёт человеку, а отказы сообщают модели причину.

Накопленный корпус дизайнерского вкуса для агентов DSH: подавайте хорошие и плохие примеры, дистиллируйте принципы и оценивайте новые дизайны на основе усвоенного суждения, а не фиксированного набора правил.

Project workspaces for multi-session collaboration, conversation handoffs, searchable chat records, and editable shared memory; automatic memory curation and handoff judgment require two background models (memoryModel and sessionManagerModel) configured in the plugin config.

Слой оценки плагинов DeepSeek Harness: определяет, почему плагин незаметно исчез, оценивает кандидатов в точном окружении пользователя и ведёт реестр возможностей. Офлайн, только чтение, приоритет доказательствам.

Слой принятия решений для dsh: типизированные оценки, не зависящие от провайдера (сначала Jev), за защитой инструментов, маршрутизацией модели, оценкой результата и точками подтверждения машиной.

Аудиторское workspace DeepSeek Harness: площадка multi-agent консультаций, где каждое место проверки занимает агент, каждое суждение направляется именованному review face, а весь запуск сохраняется как отслеживаемая запись. Готово к работе: endpoint сервиса встроен, workspace создается при первом запуске, сцены проверки перечисляют места и агентов.

Регистрирует skill TypeSafe/Jev (System One) в глобальном слое skills DeepSeek Harness, чтобы все сеансы классифицировали, маршрутизировали, оценивали, извлекали и применяли порог уверенности с типизированными суждениями вместо prompt-and-parse. API key не входит; пользователь задает `OPENROUTER_API_KEY`.

v0.8.6 исправляет сбой запуска: runtime Host — optional peer, не установленная зависимость. TypeSafe Jev/System One включает 7 инструментов: `jev_decision` (1–25 параллельных типизированных вердиктов, без прозы), `jev_choose` (ранжирует 2–10 вариантов), `jev_batch` (1–20 текстов, 1–5 оценок, реальный вызов для каждого при ограниченной параллельности; сырые ошибки, без догадок), `jev_usage`, `jev_overview`, `jev_guard_status`, `jev_verify` (26/27 в фиксированном тесте из 27 вопросов, параллелизм 6). Ledger по умолчанию сохраняется в `$DSH_HOME/jev-usage.json`. Remaining=`quota.declaredBalanceUsd` минус локальные расходы с `quota.balanceSince`; нет endpoint баланса и выдуманных значений. Нет API key — явная ошибка; сбои изолированы по поверхностям. Клиент: refresh; сервер: перезапуск Host.

Brain-inspired cognitive architecture for DeepSeek Harness: hippocampal episodic memory, cortical semantic memory, spreading-activation recall, appraisal-based emotion, neuromodulator state, Big Five personality and dual-process judgment.

Structural scaffolding for DSH agent continuity: layered memory (hot/index/judgments), judgment cards, handoff packs (compact mode), compaction review. Zero-dependency, pure files, portable — rebuild the 'self' across model changes. Not a memory engine; the skeleton of continuity.

Runs an approved OpenSpec change to completion while the model stays a mechanical forwarder: a bundled Python CLI computes the ticket DAG frontier, claims tasks atomically, prepares one git worktree per assignment, and returns exact actions. The session delegates each action with the DSH subagent tool and reconciles the completion notice against a hash-bound receipt produced by re-running verification commands on a clean, advanced HEAD, so free-text "done" never counts. Runtime scope changes are plain tasks.md edits. Liveness is observable, not guessed: status returns a relay block (elapsed and lease budget, receipt presence, heartbeat and activity age, a suggested action); abandoning a plausibly-still-working attempt is refused with the judgment data unless --force; a late sealed receipt is revived by adopt after full re-verification instead of rebuilding the ticket; dispatched subagents refresh a progress heartbeat outside the worktree. Requires Python 3.10+ on PATH and a git project that uses OpenSpec.

Look up Chinese companies inside the conversation: name a company and get its business registration, shareholders, executives, outbound investments and registration changes, plus judicial and operating-risk records such as enforcement, dishonest judgment debtor, consumption restriction, abnormal operation, serious illegality and administrative penalties (11 dimension groups). Results render as conversation cards with fields and the raw payload on expand, and the API key is saved from the plugin page into the Harness credential store.

Three ledgers for a model that loses context between restarts. Self-note: what I have become — capped at 40 entries, and every eviction first leaves a one-line crease recording which entry was dropped and why. Judgment ledger: record a claim together with how to verify it, come back when it is due, and mark it right or wrong; wrong ones stay in a mistakes book so you stop assuming you were always correct. Handoff: where this run stopped and what the next one should read first — a baton, not a memory. Three tools each taking an action parameter instead of a dozen separate ones (the prompt is paid every turn). Data lives in ~/.dsh/*.jsonl and is shared with the same-named CLI scripts. Zero dependencies.

Игра в социальную дедукцию против собственных конфигураций моделей. За столом N мест (по умолчанию шесть, одно ваше); некоторые остальные занимают агенты с разными настройками provider, model, temperature, system prompt и disguise. Задавайте вопросы и сопоставляйте ответы, чтобы определить нечеловеческие места. Личность места и конфигурация модели агента скрыты в host state до вынесения вердикта; после него раскрываются параметры disguise. Каждый раунд экспортирует JSONL диалога по каждому месту и запись вердикта. Одинаковые seed и script ходов воспроизводятся побайтно идентично, позволяя сравнивать запуски с разными моделями или уровнем disguise.

Выполняет оценки Jev (TypeSafe System One) на этапах цикла агента DeepSeek Harness: pre-step, pre-execute, post-execute и остановка хода. Без зависимостей от UI; подключается к любой композиции Harness.