Плагины

Страж инженерной дисциплины: проверка требований перед первым редактированием, ворота тестовых доказательств красный/зелёный, ветвлённый adversary-обзор и отчёт о поставке с рабочим процессом верификации по измерениям.

Рабочая среда QA-проектов для dsh: управление тестовыми проектами, требованиями, тест-кейсами, дефектами, вехами, отчётами и этапами согласования через браузерный интерфейс и 18 инструментов QA-домена.

Страж отклонения требований во время выполнения, удерживающий долго работающих агентов DSH в соответствии с одобренной пользователем целью, ограничениями и решениями.

Терминальный агент кодинга для DeepSeek Harness с полноэкранным альтернативным UI, навигацией по сессиям с учётом ходов и защищённым рабочим процессом /ship, который ведёт однострочные требования через спецификацию, TDD и повторные приёмочные проверки.

Улучшение промпта в один клик в поле ввода: переписывает черновик в структурированный промпт (роль и цель, исполнимые шаги, формат вывода, критерии приёмки, крайние случаи) с предпросмотром до/после, вставкой обратно и отменой. Никогда не меняет намерение и не выдумывает требования.

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.

Плагин для DSH Desktop: проверяемые факты. Ограничения внедряются лишь по релевантности — простой чат не тратит токенов; внедрение слоистое (стабильное — в системном промпте, изменчивое — хвостовым снапшотом), кэш промпта валиден. Ход классифицируется (вопрос/исследование/обсуждение/диагностика/выполнение): без правок файлов на вопросах, без незапрошенных исправлений на диагностике; ловятся ссылки на не открытые строки кода и «я не проверял» под видом «жду решения». Память: предупреждения о 75%/90% контекста, экспорт резюме, знания проекта между сессиями, удаление по id. Артефакты: контракт задачи, журналы изменений и гипотез. Дашборд: маршрутизация и сборка блоков → lume-metrics.jsonl (через lume_metrics); персонажи — из логов, романов и карточек, с постоянной и временной памятью.

Пресет агента инженерного рабочего процесса для dsh: пять этапов с шлюзами (уточнение требований, утверждение плана, TDD, параллельные субагенты, проверенное завершение) с шестью навыками рабочего процесса, адаптированными из obra/superpowers.

Внедряет в модель в начале разговора постоянные установленные пользователем требования «делать» и «не делать».

Зелёная interrupt button рядом с полем отправки: молча останавливает работающего агента, который затем резюмирует свой прогресс и запрашивает новые требования, с настраиваемым interrupt prompt.

Screenshot-review skill for DeepSeek Harness: the agent opens a frontend page, screenshots it, views the screenshot itself, revises the code, then re-screenshots — iterating until the page visually matches the user's requirements. Ships as a dsh.bundle, so it installs with `dsh plugin add`.

Context curation for DeepSeek Harness: content-aware tool-output slimming, dead-log sweep, pinned user requirements and in-flight work, archive-then-compact with an audit trail.

DSH Web 任务面板插件：把需求、队列、子 agent 执行、自动复核、验收返工和定时执行做成一个可视化闭环。

A DSH plugin that automates shipping a local project: create a GitHub repository and publish it (git init/commit/push + topics + tag + release), sync requirements/progress to Linear, publish to npm, and announce in the community Discussions — to join the

An agent preset that turns a one-line idea into requirements, tech plan and maintenance baseline — every step is restated and confirmed by you before proceeding. No scenario presets: 73 atomic skills (6 master skills + a verify dispatcher + 66 sub-skills) load by context.

Keeps DSH agents from forgetting your requirements during long tasks. It saves important conditions and completion evidence locally, brings them back after context compaction or session resume, and stops partial work from being reported as the whole task done.