Плагины

Десктопный питомец для DSH Web UI с 25 прозрачными анимациями, блужданием по экрану, реакцией на клики и перетаскиванием, плюс воспроизводимый пайплайн генерации ассетов.

Исследование архитектуры AGI с белым ящиком: метакогниция (петля самопознания), непрерывное обучение (маховик знаний), модель мира (пространство условий, пространственно-временной граф памяти), самосовершенствование (дисциплина начальной загрузки), конвейер белого ящика без LLM и проверяемые ограничители доверия.

Мультиустройственный удалённый доступ к DeepSeek Harness: продолжение активной сессии с телефона, планшета, браузера или другого компьютера по сквозному шифрованному каналу (Noise IK + адаптивный relay/WebRTC-транспорт), с авторизацией устройств, удалёнными возможностями только через ApiProxy и просмотром файлов в режиме чтения через dsh-file-viewer — без shell, удалённого рабочего стола или доступа на запись.

Мультиустройственный удалённый доступ для DeepSeek Harness: продолжайте активный сеанс со смартфона, планшета, браузера или другого компьютера по сквозному зашифрованному каналу (Noise IK + адаптивный транспорт relay/WebRTC), с авторизацией устройств, удалёнными возможностями только через ApiProxy и просмотром файлов только для чтения через dsh-file-viewer — без оболочки, удалённого рабочего стола или доступа на запись.

Каузальная память для dsh: MCP-мост stdio без зависимостей, монтирующий 17 инструментов сервера causal-memory под чистыми именами (без префикса mcp__) — связи решение → результат с типизированными отношениями (caused / enabled / prevented) в локальном хранилище SQLite, сохраняющемся после compaction, — а также закреплённая секция системного промпта. Требуется бинарный файл сервера causal-memory в PATH (pip install causal-memory или готовый релиз).

Переносит все 38 тем opencode (33 TUI, 4 desktop 2.0 и system) в DeepSeek Harness. Конвейер JSON → разрешение цветов → переопределение DSH, хранение настроек для каждого браузера, выбор моноширинного/пропорционального шрифта и пять шрифтов кода; резервный system сохраняет только типографику.

Проверка качества данных для DeepSeek Harness — профилирование, очистка и верификация в конвейерах со структурированными отчётами.

Квантовый R&D-набор инструментов для DeepSeek Harness — 59 инструментов в шести доменах: рыночные данные, индикаторы, оценка факторов, walk-forward ML validation, риск (VaR/CVaR/просадка/Beta с Kupiec POF), опционы, облигации, FICC и моделирование фондов, с end-to-end конвейером исследований PDAT→PET.

QA-конвейер в виде 10 навыков агента: анализ требований, тестовая стратегия, написание и ревью кейсов, E2E (Playwright) и автоматизация API, исследовательское тестирование, область регрессии и анализ багов на основе общей базы знаний с правилами формата, моделью рисков и валидаторами схем.

lowtide: конвейер пакетных задач в непиковое время с участием человека-арбитра для dsh (с учётом пиковых/внепиковых цен)

Управляет языком рассуждений DeepSeek Harness. Default English лишь заставляет ответы следовать языку вопроса; Simplified Chinese также фиксирует рассуждения на китайском. Добавляет раздел системного промпта, который выводится первым благодаря минимальному order, и защищает перестановку assemble pipeline от плагинов с более ранним/меньшим order. По желанию добавляет перед сообщением пользователя каждого хода текст с маркером идемпотентности. Настройка в Settings → General, применяется без перезапуска на хостах с schemastery >= 3.18.3.

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.

Глубокое чтение и резюмирование для DSH: книги, статьи, видео и веб преобразуются в структурированные заметки Obsidian через парсеры плагинов, параллельные подагенты глубокого чтения MapReduce, вывод JSON Schema и идемпотентный кэш.

Генерация изображений и видео с ИИ для веб-интерфейса DSH. Каталоги моделей по каналам и настройка запросов по семействам (gpt-image, Grok Imagine, Nano Banana, Seedream, GLM-Image, Qwen-Image, MiniMax image-01, DALL-E 3), боковая студия, бесконечное полотно узлов, предпросмотр файлов, навыки полотна и шаблоны промптов. Видео: текст/изображение в видео, первый/последний ключевой кадр, несколько референсов, асинхронные отправка/опрос/загрузка, инструменты видео на хосте, видеоузлы и локальная склейка двух и более узлов в MP4 через ffmpeg.

Мобильная веб-оболочка для DSH Web GUI: выдвижные панели-оверлеи, перетаскиваемая FAB, исправления мобильного composer и плавающая кнопка загрузки изображений, закрепленная над composer (нативная галерея/камера, интеграция с проверенным pipeline add-images), без регрессий на desktop. Опубликовано на npm как dsh-webui-mobile.

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.

Порт из плагина ARS Claude Code (44k+ звёзд на GitHub): академические исследовательские скиллы для DeepSeek Harness — команда агентов глубокого исследования, конвейер написания статей, мульти-перспективная панель рецензирования и сквозной оркестратор, плюс шестнадцать команд /ars-*.

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.

Мультиплатформенный конвейер исследований и глубокого поиска: harvest_scout для параллельного обнаружения по GitHub, Web, Twitter, Reddit, Xiaohongshu, Bilibili и YouTube; harvest_deep_research для автоматических подробных исследовательских отчётов; а также извлечение, перекрёстная проверка источников и аудит достоверности.

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.

Ролевая команда Multi-Agent для DeepSeek Harness: продукт, архитектура, frontend, backend, ревью и QA проходят девять этапов с проверками; доступна постоянная команда. Нет runtime-зависимостей и сборки.

Преобразует требование в одну строку в проверенную поставку. TeamFlow выполняет этапы: разбор, PRD, дизайн, технический план, параллельная разработка, QA с исправлением дефектов и приёмка. Включает 12 инструментов `teamflow_*` и рабочую панель с графом конвейера в реальном времени и канбаном бэклога. Для каждого требования создаётся папка с PRD, дизайном, планом, отчётом QA и записью приёмки.

Плагин «одноядерного письма» для DeepSeek Harness: инструменты тщательно упрощены, а вывод усилен для квантованных малых моделей; подходит для локального запуска пайплайнов длинных романов на локальных моделях.