Плагины

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

Автосворачивание рабочего процесса в стиле Codex: завершённые ходы сворачиваются в одну строку «обработано за Xs», оставляя только итоговый ответ; вызовы инструментов и блоки размышлений сворачиваются в чипы с живой сводкой, следующие за потоковой передачей; разворачивается по уровням, полностью отменяется при удалении.

DSH Knit сортирует Markdown/код/изображения/видео по диалогу в sidebar; Context Pack через knit_docs. BM25/IDF по умолчанию локально сравнивает недавние сообщения с title/summary/body: без модели/сети, данные не уходят; индекс сохраняется между рестартами/сессиями. Есть evidence/preview; атрибуция фиксируется при чтении, pin/exclude до поиска обратимы. v0.23: опциональный hybrid OFF; нужны embeddings Ollama/OpenAI-compatible, настроенные пользователем. Передаются только query+title/summary (Markdown: первый абзац ≤60 символов; код: относительная папка; медиа: имя), не полный текст/absolute path; loopback = локально. v0.24 связывает незакоммиченные изменения через read-only git status (fixed argv, без shell, env allowlist), OFF. Реального теста нет; улучшение не заявлено.

Панель настроек статистики использования: теплокарта активности за 26 недель, дневной тренд токенов с кривой процента попадания в кэш, кольцевая диаграмма и разбивка по моделям, фильтры временных диапазонов, карточки-сводки, однократное историческое донаполнение и восстановление без потерь.

История ввода в стиле терминала для веб-композера: приоритетное восстановление краёв по стрелкам с точным сохранением черновика/позиции курсора, история, сохраняемая локально в браузере, обратный поиск по Ctrl+R и учёт скользящего контекста; версия 0.5.0 добавляет слой умного ввода — межсессионные сниппеты (/save, /load), шаблоны промптов с переменными, аналитику повторного использования и подсветку сводок сжатия.

Защищённое сжатие контекста для DeepSeek Harness (dsh): LLM предлагает, deterministic стражи решают — упреждающее сжатие по атомам (extract/summary/false под стражами verbatim) + ленивое вытеснение reference-graph (0-LLM) + побайтово точное восстановление из append-only журнала.

Улучшенная панель сворачивания: автоматически сворачивает вызовы инструментов и сегменты Think в пошаговые панели, а завершённый ход схлопывает в один заголовок хода с живыми метриками (длительность, TTFT, токены, tok/s, попадание в кэш) — видна только итоговая сводка; настраиваемые ведущие иконки со встроенной анимацией игральных карт (циклическая анимация мастей во время работы, колода в свёрнутом виде, веер в развёрнутом), строка настроек для официального режима сворачивания, совместимость со старой и новой версиями DSH. Нулевое вмешательство в исходный код DSH.

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.

Выделите часть диалога и задайте по ней вопрос в боковом чате справа; переносите ответы AI обратно в основной чат напрямую или в виде резюме.

Оборачивает работу в именованные задачи и при закрытии задачи сворачивает весь диапазон её сообщений в одно резюме на следующей границе шага; исходное содержимое можно восстановить по запросу.

Статистика использования и затрат с учётом пиковых/непиковых тарифов после изменения тарифов 17.08.2026, плавающая сводная панель, разбивка по сессиям и тепловая карта использования за день/неделю/месяц/год/всё время.

Межсессионная Markdown-память LLM-Wiki/SOUL.md. По умолчанию вводится после первого сообщения лишь в активной сессии. remember/recall/consolidate/forget, skill, миграция pack/unpack, личные воспоминания в простое. Лимит файла защищает индекс от обрезки; last_access обеспечивает спад значимости. Только чтение: размер/свежесть/lint. Индекс summary:, граф страниц/тегов с перетаскиванием и масштабом, фильтры tag/type/salience/hot/stale, рекомендации связей, checkup с приоритетными действиями. Skill по запросу сокращает стартовый payload ~23%. Свой значок и отзыв в репозиторий. Нужен формат DSH v4, официальный DeepSeek Harness 0.1.7+; источник сообщений plugin:memory.

Бейджи inline +N −M в строках инструментов edit/write и сворачиваемая карточка краткого свода изменений файлов по каждому ходу с выровненными diff'ами, review и undo — покрывает нативные edit/write, str_replace_editor и под-вызовы Code Dispatch, без необходимости git.

Заменяет встроенный суммаризатор компакции DSH сводкой-передачей из пяти разделов и сохраняет каждое вытесненное сообщение читаемым в каталоге сегментов.

Сочетает метод скелета кода Headroom (Apache-2.0) и оценщик TokenPilot (arXiv:2606.17016). Опубликованные данные: Headroom сообщает о снижении токенов на 20% для coding-агентов и на 60–95% для JSON при тех же ответах; TokenPilot — об экономии до 60% на длинных сессиях. Это показатели проектов, а не измерения или benchmark этого плагина. В DSH задаются профиль, порог Auto Compact и сжатие скелетом. Точное измерение токенизатором DeepSeek V4, сверка той же ревизии; на неподдерживаемых моделях fail-open сохраняет исходные результаты инструментов. Сжатие скелетом в ходе хода и итоговая сводка намерения внутри официального сжатия JSONL.

Плагин DeepSeek Harness, агрессивно экономящий токены без ущерба качеству: без потерь обрезает начало и конец результатов инструментов (по умолчанию), сворачивает результаты grep, делегирует в dsh-compaction-basic по триггеру давления и использует подкласс CompactionEngine с LLM-сводкой для агрессивного режима. Экономит 97,6 % входных токенов на синтетическом наборе из 8 сценариев, и все сокращения идут через поток событий dsh, так что «видно модели = записано» сохраняется.

Плагин памяти Honcho от Plastic Labs: внедряет профиль пользователя, сводку сессии и релевантные выводы в начале сессии, загружает каждый ход в Honcho в фоне с редактированными секретами и добавляет инструменты honcho_search / honcho_chat / honcho_remember, а также команду статуса /honcho; настраивается через общий с другими интеграциями Honcho файл ~/.honcho/config.json против хостингового honcho.dev или собственного экземпляра.

Turn another computer into a remote Agent teammate: the worker runs its own DSH and a full Agent loop locally, so dispatched tasks keep running when the link drops and its model credentials never leave that machine. The hub dispatches through 8 remote_* tools, receives only a handoff summary plus an artifact manifest, and pulls finished products on demand — intermediate artifacts stay on the worker. Pairing-code onboarding, direct or relay transport for NAT, Web panel on both sides.

Добавляет к завершённым ходам строку-сводку изменённых файлов и откатывает или повторно применяет изменения файлов последнего хода в сессии.

ACP-адаптер, управляющий DeepSeek Harness из Obsidian Agent Client (и других ACP-клиентов): список, возобновление, форк и удаление сессий, смена модели для сессии, превью однострочной сводки, импорт внешних ACP-сессий и перенос диалогов Obsidian Agent Client в нативное хранилище сессий dsh. Требует DSH >= 0.1.5-rc.3.

Покадровое сжатие диалога по кривой забывания для DeepSeek Harness: недавние ходы сохраняются дословно, средние ходы структурно обезвоживаются (без LLM), древние ходы сворачиваются в ограниченную пару резюме — неограниченные диалоги при ограниченном бюджете памяти.

Requirements interview before work starts: judges whether a request is clear, asks focused questions when it is not, in strict mode denies editing tools until the user confirms a four-part summary in chat, and keeps confirmed preferences in two-layer memory.

Рабочее место для чтения статей: библиотека, PDF рядом с заметками Markdown и отдельная ИИ-сессия для каждой статьи. Выделения и снимки областей добавляются в заметки; вопрос по выделенному фрагменту включает страницу. Заметки редактируются на месте и сохраняются автоматически; сессии объединяются в Summary.

Симуляция жизненного контекста для DeepSeek Harness: каждый ход добавляет свёрнутое уведомление о событиях последних 24 часов из .life/ workspace с скользящим окном, устранением дублей и дельта-обновлениями по сессиям и сводкой мира. Инструмент life_react записывает чувства, мысли и действия в журнал для следующего развития мира, создавая ролевого персонажа с постоянной повседневной жизнью.