Плагины

Каталог инструментов для агентов: поиск среди ~2 600 внешних конечных точек (SEO и SERP, обратные ссылки, соцсети, обогащение данных о людях и компаниях, библиотеки рекламы, скрапинг) по нужной задаче, просмотр параметров и цены за вызов каждой, а затем вызов с учётными данными, внедрёнными на стороне сервера. Поставляется вместе с навыком и строкой MCP, которая остаётся отключённой, пока не задан TREG_TOKEN.

Заменяет провайдеры файловой системы и bash на виртуальное рабочее пространство mirage: файловые инструменты и команды оболочки выполняются над подключёнными ресурсами (RAM, S3, Redis, Slack, Gmail, Notion, Postgres) вместо диска хоста, с режимами чтения/записи/выполнения для каждого подключения, маршрутизацией песочницы для каждой команды (monty, pyodide, quickjs — в процессе; docker, e2b, daytona — удалённо), а также установленными CLI (git, gh, slack, linear, ntn, gws или зарегистрированным вами) в качестве начальных слов виртуального терминала.

Зрение для текстовых моделей: вставьте изображение, и модель переключится на вариант Vision Toolkit для вопросов-ответов по изображениям, сравнения нескольких изображений, OCR длинных скриншотов, воспроизведения UI по скриншоту, привязки элементов и пиксельной разницы. По умолчанию ключ API не требуется — изображения обрабатываются бесплатным сервисом автора, 100 на машину в день; можно настроить на собственного провайдера.

Выполняет локальные аудиты безопасности ретрансляторов AI API и прокси LLM из DeepSeek Harness, формируя Markdown-отчёты по внедрению промптов, признакам подмены модели, переписыванию вызовов инструментов, утечке ошибок, целостности потока и рискам Web3, контролируемым профилем.

Писательская рабочая среда для романов в DSH: пресет авторства, управление планом и персонажами, аннотации рукописи, рабочие процессы рецензирования и управляемый локальный Python-бэкенд.

Локальное скачивание счетов IMAP, OCR, архивирование и сводки возмещения расходов в Excel для DeepSeek Harness.

Возможности DeepWatch, устанавливаемые в существующий профиль DeepSeek Harness

Пиксельно-точные клоны любой веб-страницы. Вставьте URL и получите измеренную реплику на Vite + React.

Единый поиск с проверкой доказательств для агентов: более 120 движков с многоязычной маршрутизацией, вертикальными доменами и структурированными карточками модальностей, 10 инструментов MCP плюс оркестрация wide_research и цикл fetch-verify для восполнения оценок доказательств.

Локальная загрузка счетов по IMAP, OCR, архивирование и сводный пакет Excel для DeepSeek Harness

Skills и необязательные MCP-строки для одиннадцати маркетплейсов: сравнение цен по Wildberries, Детскому Миру и Яндекс Маркету, плюс поиск по источникам, карточки товаров и отзывы, включая Ozon, Avito и AliExpress. 14 skills загружаются при установке; обе MCP-строки остаются выключенными, пока RU_MARKETPLACE_MCP_DIR не укажет на локальный клон, которому нужны Python 3.12+ и uv.

Очищает следы ИИ из русскоязычных текстов: находит артефакты копирования из чат-ботов (ChatGPT, Gemini, Grok, Perplexity, DeepSeek), удаляет скрытые текстовые метки (символы нулевой ширины, невидимую разметку; теневой скан ловит метки, разделённые невидимыми символами) и по запросу переписывает текст в естественную прозу; 40 регулярных выражений-маркеров, 38 с полными записями в реестре доказательств; 156 гейтов, 530 тестов; офлайн-текстовый комплект (удаление бинарных метаданных — в scripts/).

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

Навык Smart Charts: превращает файлы данных CSV/TSV/TXT/XLSX/XLS/JSON в автономный интерактивный HTML на ECharts — 32 типа диаграмм, включая офлайн-карты, 3 темы, без CDN. Профиль данных --profile (тип столбца, кардинальность, пропуски, примеры, статистика, гранулярность сущностей, сигналы инсайтов) позволяет агенту самому прочитать данные и выбрать диаграмму; каждая диаграмма содержит лист фактов (plot_stats + data_preview), числа из которого — единственные цитируемые значения. Код преобразования от LLM выполняется в ограниченной песочнице (чёрный список + белый список AST + безопасные встроенные функции); --doctor проверяет окружение Python. Полностью офлайн, ECharts в комплекте.

Локальный RAG по базе знаний литературы: 10 инструментов (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), гибридный поиск BM25 + вектор + реранкер, ответы на вопросы со ссылками и кликабельными DOI, полностью локальные эмбеддинги bge на однофайловом индексе SQLite. Требуется Python 3.9+ с pymupdf, faiss-cpu и sentence-transformers; установщик `npx dsh-kb-rag-install` всё это настраивает и заранее скачивает модель.

Мост ShiGuang Memory Engine (SGME): общая долговременная память для нескольких агентов через HTTP — дистилляция L0/L1/L1.5/L2, внедрение по сценарию, единый поиск и проактивные сигналы заботы (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), устанавливается как `dsh-sgme`.

Интеграционный слой DSH для механизма памяти Minta: компонует официальную строку dsh-mcp-client, регистрирует skill minta-memory-governance плюс предварительный прогрев памяти при старте сессии и поставляет пресет агента Minta; требует отдельно развёрнутый механизм Minta (Python/Docker) для предоставления 19 инструментов MCP — без него непригоден.

FormatForge: куёт 30+ форматов файлов (PDF, DOCX, PPTX, XLSX, EML, EPUB, TOML, архивы) в читаемый для ИИ текст через входящий ящик с перетаскиванием, инструменты ff_translate/ff_formats/ff_result и CLI; отсканированные PDF переключаются на локальный OCR или подсказку улучшения для модели сессии.

Недорогой инструмент понимания видео: video_understand преобразует ссылку Bilibili / BV / локальное видео в информационный слой AVIS (ASR + структура сцен + отслеживание объектов + YOLO-метки) и возвращает summary + Q&A. Есть динамическая маршрутизация между слоями, управляемая вопросами (L0 ASR / L1 отслеживание объектов / L2 VLM по ключевым кадрам), повторное использование семантического слоя для повторяющихся вопросов и лимит бюджета на каждый вопрос. Python-движок: для базового слоя нужны faster-whisper / opencv / yt-dlp (~200-300MB); опциональный семантический слой добавляет ~2GB torch / transformers / ultralytics. Встроенный doctor --fix настраивает venv и устанавливает оба набора.

Привратник для написания патентов в dsh: сначала проверяет идею на соответствие китайскому уровню техники, затем проводит согласительные интервью пяти сторон, составление раскрытия из восьми глав, подготовку чертежей и прогоны симуляций, проверку по семи измерениям и экспорт в docx/PDF. Навыки работают сразу; инструменты поиска, экспорта и экспериментов предоставляет встроенный MCP-сервис на Python, который поставляется отключённым — одна строка в ~/.dsh/patent-services.yaml включает его, а uvx загружает wheel из PyPI.

Плагин долговременной памяти NeatMem для DeepSeek Harness — тонкий REST-клиент к серверу neatmem

Планировщик cron с UI в боковой панели: запуск shell-, Python- или Node-скриптов, навыков или задач агента по расписанию с push-уведомлениями и архивацией сессий.

DSH Director Toolkit — плагин для DeepSeek Harness для 3D-художников, технических дизайнеров и креативных программистов. Вставьте недооформленную идею, заметку-референс или подпись к работе в портфолио — и получите компактный пакет направления для Blender, Three.js, Houdini или C4D.

Одно общее хранилище Obsidian для всех агентов: ядро на Python без зависимостей (search/promote/adjudicate/forget), шаблон хранилища, плагин dsh (memory_search/show/submit/status).