Плагины

Режим red team: указать целевую организацию; сессия запускает пять ролей (разведка, сортировка активов, поиск уязвимостей, эксплуатация, внутренний pivot) с настраиваемой параллельностью. Предварительная проверка навыков/ресурсов. Оценка в четыре этапа (разведка, Интернет, граница, внутренняя сеть), серверные ограничения и дедупликация в пользу высших привилегий. Находки в локальной SQLite. Постоянная боковая консоль: девять страниц — карта активов, агенты, сессии/туннели, находки, цели оценки, отчёты, база POC, библиотека навыков. v0.15.2 добавляет журналы HTTP-доказательств/действий, пакетный импорт, проверку области, пробу туннельного pivot, подтверждение данных, журнал очистки и допуск активов T0-T3 против выхода за рамки. 59 redteam_* инструментов; 38 навыков.

Защитник академического письма (двуязычный EN/ZH): убирает характерную для ИИ защитную формулировку, сохраняет научную доказательность (цифры, цитаты, силу утверждений, незначимые результаты, границы применимости) при редактировании и настраивает текст под целевой журнал (Journal Profile + Journal Fit). Детерминированные локальные регулярные выражения/статистика, без сети и LLM; включает writing_rules / writing_audit / writing_style_profile / writing_journal_profile с автоматической проверкой при написании статьи.

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.

Ограничители написания романов: 20 инструментов novel_* обеспечивают согласованность книги фактов, шлюзы фаз и глав, машинную проверку с детерминированными метриками и редакции исключительно в виде предложений; рабочая панель правой боковой панели охватывает чтение, воспроизведение TTS, полировку, корректуру, проверки непрерывности и пакетное составление черновиков, а механизм обхода выполняет внутренние шаги вне основного диалога.

Движок для написания веб-новелл для DeepSeek Harness: параллельное черновое написание, составление плана и мозговой штурм с отдельным ключом DeepSeek, управление лором и предвестиями сюжета, семантический векторный поиск, библиотека корпуса, журнал использования, механическая корректура и локальный план сериализации.

Живой маяк безопасности для DSH, отслеживающий активность инструментов. Нажмите, чтобы просмотреть статистику вызовов, цепочки происхождения рисков и заблокированные действия, с ограничениями задач только для чтения и обнаружением изменений метаданных инструментов.

Math Agent Framework для DeepSeek Harness: движок символьного вывода (CES / квадратичные формы / ODE / PDE), проверка SymPy, формальные доказательства, верифицированные компилятором Lean 4, и многоагентная состязательная верификация в стиле QED, предоставляемые как нативные DSH-инструменты через TS-оболочку, связывающую движок Python. Требуется клонировать репозиторий math-agent-framework и выполнить `pip install -r requirements.txt`, при этом MATH_AGENT_HOME должен указывать на корень репозитория. Каждый результат содержит информацию о происхождении (версии движка, seed, допуски) и помечается как недоверенные данные.

Multilingual writing, chunked long-form collaboration and continuity review, with on-demand DSH delegation discovery. Requires Python 3.9+ on PATH.

Команда и инструмент `/backstory`, аннотирующие каждую строку git-коммитом, который последним её затронул, и ходом агента + промптом, который её написал, на основе постоянного построчного журнала (защита от дрейфа по хешу содержимого), трейлеров коммитов DSH-* или живого журнала сессии.

Врата проверки на реальных вычислениях: упрощение математических выражений, логические доказательства, проверка regex, FOL через E-prover, проверки конечных автоматов и исправление кода на основе бинарников, скомпилированных на Go, с готовыми исполняемыми файлами для Windows.

Pins the first prompt you sent in the current session in a scroll-proof bar above the conversation, with one-click copy, a collapsible panel listing every prompt you sent, and eight switchable looks you can pick from inside the panel.

Безопасность выполнения с учётом происхождения данных для DeepSeek Harness. Отслеживайте конфиденциальные данные между вызовами инструментов и предотвращайте рискованные побочные эффекты до выполнения.

Инструмент image_describe (识图) для модели поверх OpenAI-совместимого API DashScope (qwen3.7-flash) плюс мост вставки: в текстовых сессиях вставленные изображения автоматически превращаются в пути к файлам при отправке и отрисовываются обратно в транскрипте, так что никогда не спотыкаются о допуск изображений. Свой DASHSCOPE_API_KEY; эндпоинт/модель/бюджеты настраиваются, HTTP-клиент устойчив к редиректам, работает во всех agent preset.

Независимый слой приёмки только для чтения: запускает верификатор только для чтения перед закрытием каждого верхнеуровневого хода и возвращает агенту непройденные проверки.

Auditable mathematical proving for DeepSeek Harness: a local stdio MCP server with 23 machine-checking tools, a bundled workflow skill, and the /prove and /audit-proof commands. proven, refuted and inconclusive are never conflated, and unproven steps are reported instead of hidden. Needs Python 3.10+ with pip install -r requirements.txt on first run; the 23 tools are unavailable until then.

Session-scoped research evidence ledger with sources, linked claims, open questions, and explicit user review; provides a tool, slash command, and conversation panel, with selected-claim Markdown export that omits excerpts, review notes, and local paths by default; does not fetch sources or verify their truth.

Session-scoped delivery receipts for local artifacts: compare current file hashes with a recorded baseline, keep agent claims separate from explicit user acceptance, flag changed or unavailable files, and export a Markdown receipt through a tool, slash command, and conversation panel.

Prove that a local image edit left every pixel outside its mask untouched. Original, generated and mask PNGs go in; a greppable `MASK_PIXEL_LOCK=PASS|FAIL|EMPTY` verdict, a difference heatmap, per-channel statistics, a bounding box and the largest changed pixels come out, plus a self-contained HTML report and `report.json` with a SHA-256 file hash, a canonical protected-pixel digest and a proof digest binding both to the policy. Supports edit and lock mask polarities, a mask threshold, tolerance and alpha-ignoring; PNG color types 0/2/3/4/6, bit depths 1-16, all five filters and Adam7. Zero dependencies, local only — no model call, no network, no upload.

Turn English audiobooks (MP3) and documents into listening lessons: transcribe every sentence locally with the speech model DSH voice input already downloaded (about 241 MB, fetched on first use if missing; ffmpeg required), proofread and explain each sentence with your DSH model, then drill with blind listening, intensive listening and spaced repetition, with Chinese-dubbing export and offline Kokoro voices; ships a sidebar panel and four AI tools.

Session-scoped research evidence ledger with sources, linked claims, open questions, and explicit user review; provides a tool, slash command, and conversation panel, with selected-claim Markdown export that omits excerpts, review notes, and local paths by default; does not fetch sources or verify their truth.

Session-scoped delivery receipts for local artifacts: compare current file hashes with a recorded baseline, keep agent claims separate from explicit user acceptance, flag changed or unavailable files, and export a Markdown receipt through a tool, slash command, and conversation panel.

DSH plugin: cross-session call center for agents. session_message delivers messages between DSH sessions (idle: visible full-text wake; busy: mid-turn-safe notice; plus runtime-context notes) and resolves targets by registered contact name (stale-id-proof

Multi-instance ComfyUI orchestration: probes every configured ComfyUI endpoint for its GPU, free VRAM and queue depth, then dispatches a generation job to the idlest eligible instance. Ships three tools (comfyui_farm_status, comfyui_farm_pick, comfyui_farm_run). An instance is eligible only if it is reachable, has at least the requested free VRAM, and its queue is no deeper than the configured ceiling; eligible instances are ranked by free VRAM minus queue depth times a weight, so an idle shallow queue wins over a busy large one. Zero runtime dependencies. Optional retry on probe failure, because a single timeout across an SSH tunnel is not proof that an instance is down.

Verifiable authorization, execution evidence, and offline delivery verification for DeepSeek Harness