Плагины

Развивайте навыки, агентов, промпты, код и плагины прямо внутри DeepSeek Harness вместе с AgentDescent.

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

Oh My DSH (OMD) добавляет сводки контекста с возвратом к исходникам, проверку, привязанную к задачам, оптимизацию промптов, навигацию по коду CodeGraph, управление компьютером OpenCU и четыре темы, охватывающие компоновку, боковые панели и настройки.

Оптимизация сырой инструкции в профессиональный промпт в один клик: три стиля вывода, ситуативно-осведомлённое профилирование роли/задачи/цели, самоитеративное обучение (память сессии + умные значения по умолчанию + пользовательские переопределения), /template для 22 подсцен с нулевыми вызовами модели, ✨ оптимизация/отмена в один клик в поле ввода, инструмент prompt_optimize, хук автооптимизации и автоопределяемые документы zh/en.

Конвейер экономии токенов для DeepSeek Harness: слоистое сжатие с учётом давления контекста (проекция без потерь при давлении ниже 40%, выше — суммаризация LLM), allowlist инструментов на агента, преобразование длинного текста в изображение с vision-суммаризацией и команда /token-status, отслеживающая давление, уровни и сэкономленные токены.

Подключает DeepSeek Harness к Multisim MCP для генерации схем, симуляции, диагностики, оптимизации конструкции и экспорта отчётов об экспериментах.

Оптимизатор reasoning_effort по раундам для dsh — автоматически снижает уровень рассуждений для простых вызовов инструментов и повышает его для тяжёлых задач, сокращая время размышлений между вызовами инструментов.

Обратимое облегчение контекста для DeepSeek Harness: без потерь TOON-стиля повторное табличное кодирование однородных массивов JSON, окна таблиц с выборкой по шагу и номерами строк, а также дедупликация между ходами для повторяющегося вывода инструментов; каждая замена проходит через байт- и токен-ограничение (≤72% байт, строго меньше оценочных токенов), а оригинал сбрасывается на диск за уведомлением `[save-token #id]`, которое можно получить одной командой через инструмент `save_token_expand`, с учетом списанных и сэкономленных токенов на панели настроек.

Многоуровневый конвейер оптимизации токенов для DeepSeek Harness: лестница вывода, ленивая загрузка MCP, драйвер компакции, отчёт о попаданиях в кэш. Построен на реальных API плагинов DSH; в долгих сессиях экономит ~40–60% входа.

MCP-шлюз с постепенным раскрытием: ищет по большим удалённым каталогам через `mcp_search`, затем вызывает точные схемы через `mcp_call`, используя отложенные соединения и ограниченные кэши.

Оборачивает работу в именованные задачи и при закрытии задачи сворачивает весь диапазон её сообщений в одно резюме на следующей границе шага; исходное содержимое можно восстановить по запросу.

Улучшение промптов для компоновщика: кнопка «✨ Enhance» переписывает черновик в более ясную и структурированную версию с использованием мышления от первых принципов, опираясь на контекст сессии, память и недавний разговор; при нехватке ключевой информации задаёт уточняющие вопросы в карточке и показывает результат перед применением к полю ввода.

Оптимизация сети для веб-UI DSH: уменьшает объём передачи за счёт кеширования и сжатия, сильно ускоряя загрузку страниц, плюс индикатор обрыва соединения и автоматическое переподключение. Идеально для пользователей, стремящихся к максимальной производительности или работающих в нестабильных сетях.

Экономичный по токенам runtime для персонажа DeepSeek Harness с локальным рендерингом catgirl и поэтапным раскрытием схемы инструментов.

Спутник сессии из четырёх модулей: умный экспорт беседы (Markdown/PDF/JSON/длинное изображение PNG с редактированием конфиденциальных данных и пакетным ZIP), сводки передачи контекста с сохранением/импортом шаблонов, оптимизация стоимости API (актуальные официальные цены, планирование по пиковым/непиковым часам, дневные/месячные бюджеты, маршрутизация моделей) и глобальный поиск по беседам со встроенным поиском в чате (Ctrl+F, CSS Custom Highlight API).

Направляет каждую задачу одной модели, а её проверку — другой, с подтверждением квалификации, отказоустойчивым переключением и надёжным журналом.

Логика сжатия контекста по принципу человеческого мозга, резко снижающая занятость контекста и расход токенов в долгих задачах.

Набор навыков GEO-аудита бренда: видимость в ИИ-поиске, рекомендации, цитирования, присутствие конкурентов и диагностика контентных пробелов в более чем 17 ИИ-движках (ChatGPT/Perplexity/Claude/豆包/DeepSeek/Kimi/文心一言).

Adds prompt optimization, cancellation, and undo controls to the DeepSeek Harness composer.

Allows deepseek harness to think dynamically like human,automatically judge the difficulty of tasks with suitable thinking chain.

Fronts stdio MCP servers with three router tools (list_capabilities, describe_tool, call_tool) so schemas load on demand instead of riding every request; shapes every tool result through a deterministic output ladder that archives the original first (retrieve_spill reads it back); prices tool groups in tokens and can hide built-in groups per agent. Bridges to a standard-library Python router, so Python 3.9+ is required.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

DeepSeek Harness 输入栏「提示词精炼」插件：✨ 一键把模糊草稿改写为目标/背景/步骤/要求/[假设] 结构化提示词；成本可路由（默认模型可换成便宜的优化模型）、结果缓存、token 用量统计落盘。静态版为功能主体，动态版免安装尝鲜。

One MCP tool instead of every schema you own — a lazy capability broker that cuts resident tool context by a measured 94.4%. Search, inspect, enable and call MCP servers and skills on demand.