Плагины

Плагин анализа безопасности для DeepSeek Harness: 33 инструмента в шести областях безопасности, для работы с доказательствами, отчётами и утилитами, а также с жизненным циклом дел, маршрутизацией и журналом инструментов. Включает привязанный к сессии процесс ведения дела, цепочку доказательств, проверку E-id и воспроизводимые находки; 362 справочных материала по запросу; три переключаемых профиля персонажа; и рабочую область с четырьмя вкладками (armor / case / intercept / about), восстанавливающую состояние дела после сжатия контекста.

Оптимизирует токены DeepSeek Harness: поиск MCP-инструментов и их отложенная загрузка, настраиваемое управление сжатием и отображение состояния, сокращение вывода инструментов, визуальное обобщение длинного текста и необязательный архив бесед с постраничным поиском.

Используйте подписку ChatGPT/Codex в DeepSeek Harness с моделями GPT, генерацией изображений, веб-поиском, отчётом о квоте подписки, управлением моделями и функциями, а также входом через OAuth в браузере или по коду устройства.

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.

Kanban-доска задач для сессий DeepSeek Harness: главный агент назначает задачи одноразовым субагентам worker/verifier; есть планирование зависимостей, эксклюзивные блокировки файлов, удержание/заморозка для арбитража, отчеты по этапам и статистика токенов по задачам.

Плагин проверки целей на основе доказательств для DeepSeek Harness. Фиксирует цели через /ultragoal и проверяет выполнение по кодам завершения команд и сгенерированным артефактам, не позволяя модели ложно сообщать о завершении задачи.

Плагин DeepSeek Harness: считает страницу dsh за обратным прокси (не loopback) доверенным хостом, чтобы настройки открывались вместо сообщения "settings are unavailable in this browser".

Используйте локальные изображения и видео как фон окна DSH Desktop: смена по таймеру с переходом 0,7 с, первый кадр готовится до появления, светлый/тёмный текст выбирается для читаемости, настраиваются размытие и прозрачность панелей/боковой панели; есть миниатюры видео и probe endpoint состояния загрузки, слоёв и selector. Читает только указанные локальные файлы.

Отслеживает в WakaTime чтения файлов, просмотры изображений и правки кода DSH, включая точные подсчёты строк, добавленных и удалённых ИИ. Поддерживает отслеживание активности во время ответов DSH, пакетирует обновления между файлами и координирует лимиты отчётности по проектам между параллельными процессами DSH. Автоматически устанавливает и обновляет wakatime-cli.

Регистрирует provider-обертку, назначающую делегированным субагентам собственный маршрут LLM: разовые запуски через provider.start, участники Agent Teams — через hook на startActivation; главная модель агента сохраняется. Есть выбор маршрута в Settings, файл переопределений для каждого эксперта, capability-флаг обнаруженных точек перехвата и запись готовности при монтировании.

Добавляет Delete session в контекстное меню боковой панели; после подтверждения с размером логов и текущей активностью корректно отвязывает log files, projection checkpoints и регистрации памяти host.

Подключает несколько OpenAI-совместимых шлюзов. Каждый — отдельная группа в выборе модели; его можно скрыть без потери настроек и запросить публичные сведения по адресу. Есть управление/проверка моделей для каждого шлюза и необязательный отчет квот.

Диагностирует сторонние конечные точки API LLM из боковой панели в четыре этапа: DNS/TCP/TLS, ключ и модель, реальный потоковый диалог, затем повторные запуски по таймеру. Показывает time-to-first-token, скорость вывода и долю успеха; связывает сбой с этапом остановки и указывает число байтов, реально отправленных с компьютера. 37 готовых профилей провайдеров; названия моделей не зашиты в код.

Ассистент для эконометрических исследований: 6 инструментов для выбора метода, подготовки данных, спецификации модели, эмпирического анализа с шаблонами кода Python/R/Stata, проверок устойчивости и представления результатов.

Упорядочивает сессии workspace DeepSeek Harness, переименовывая их как «категория｜тема» и выдавая рекомендации по архивации, переименованию и проверке.

Registers one tool, report_health, that answers whether a scheduled report job actually ran. It judges by side effects rather than exit codes: how old the newest report folder is, how many documents it holds, whether more than one report category is present, whether the audit ledger was synced recently, and how long ago the last log was written. Exits nothing, calls no model, and reads only local paths you can override by config or environment variable.

Панель только для чтения показывает пакеты плагинов, вставки патчей, навыки, состояние обновлений и развязки экземпляра.

Позволяет модели запускать сжатие в безопасный момент через compact_now (в том числе посреди хода). context_status показывает фактическое число использованных токенов относительно реального окна контекста сессии.

Сохраняет видимость незавершённого списка задач между ходами. В начале каждого хода DSH очищает проекцию todos и ожидает повторной записи всего списка; при прерывании план остаётся в журнале сессии, но исчезает из UI. `todo_write` доступен только на запись. Один обычный session/event listener запоминает последний список для каждой сессии и добавляет его снова при `turn/start`, если остались незавершённые задачи. Без форка tool-todo и waterfall: проекцию нельзя заменить из-за несовпадения `stateVersion`, поэтому добавляется событие, обрабатываемое fold. Ограниченный охват: только незавершённые списки, максимум одно событие на старт хода, fail-open. Проверено контролируемым A/B на реальных сессиях через настоящую проекцию. Без зависимостей.

Плагин DeepSeek-Harness для оркестрации нескольких моделей: рекурсивное разбиение задач, динамическая маршрутизация, контроль качества, восстановление после сбоев и отчёты KPI.

Deterministic review of synthetic AI-agent claims in DeepSeek Harness, reporting bounded verdicts, reasons, and evidence references.

One-step local model onboarding plus a light harness for DSH. On load it probes loopback and private-network inference endpoints (llama.cpp, Ollama, vLLM, LM Studio), reads each model's context window and output budget from the backend, and registers the provider through settings, so a local model becomes selectable without hand-writing config. It then trims only that provider: masks the tool list through tools.restrict, drops named system-prompt sections and memory contexts, swaps the injected instruction block for a short one while preserving its first 80 and last 96 characters, and truncates tool-schema descriptions without touching structure or required fields. Cloud providers are returned as the same assembly object, untouched. The injected block is re-read from disk on every assembly, so editing the file takes effect on the next request with no reload. The panel in the plugin detail page is a live operations view: it shows whether the takeover is active and by which hook, how many characters the last assembly was trimmed from and to, and which providers are online (probed concurrently, with a real one-shot completion reporting latency and reply text per provider). If a local backend is not running, the panel offers a one-click launch: it probes the port first (never starting a duplicate), then starts the matching server (ollama serve, or a custom command you supply) detached and polls until the endpoint answers, clamping the wait to 3-600 seconds, reaping the child it just spawned if it never answers, and naming the paths it searched when it cannot find the binary. A stop button kills backends this plugin started (SIGTERM, then SIGKILL) and refuses to touch a server somebody else launched. When a model has just been downloaded and no backend exists yet, the panel can also scan the machine for .gguf files with hard caps (300 models, 20000 directory entries, Downloads only one level deep), start llama-server on the chosen one (skipping the .mmproj. vision projection and reusing a server that already answers), register the provider under the model id the backend reports, and run one real completion to prove it works. Before spawning anything it compares the model file size against available memory and refuses a model that cannot fit (or that exceeds 80% of the budget) until you confirm, switching to --no-mmap in that case; the honest limit is that this reads OS-visible RAM only, not GPU-side memory.

При запуске ищет новые версии включенных плагинов, перечисляет их в угловой карточке и обновляет все одним нажатием, сообщая успех/сбой каждого. Находит встроенный dsh CLI для macOS, Windows и Linux, не предполагая Windows executable.

Пошаговая карта рабочего процесса DeepSeek Harness: сворачивает сессию в список этапов, указывает источник каждого процента вместо голого числа и ставит в очередь запрос для следующего шага. Его можно отозвать, пока его не приняли.