插件
浏览、筛选并安装 DeepSeek-Harness 插件。
共 1764 个插件
deepseek-kanban-plugin
callmesoul/deepseek-kanban-plugin
DSH 任务看板:任务状态机 + git 分支隔离,agent 自动执行、审核后自动合并回基础分支。
dsh-plugin-heartbeat
littleblacktong/dsh-plugin-heartbeat
给每个根 agent 装一套自主神经心跳:静默拍会 diff 会话的待办 / 团队任务板 / 目标,只有出现信号才开口(L1 汇报 / L2 提问 / L4 升级),只问不做。每条消息带 why-now 行、可选的一行生理签名(距你上次说话多久、今天第几次找你)与紧凑任务快照(800 字符上限);去重窗口、静默时段、每日预算、不应期 / 重启冷却与持久化生命体征共同限流,忙碌时 followup 注入排队不打断。它与 dsh-plugin-memory 共享一个建议性发言权(~/.dsh/proactive-cooldown.json,默认 180 秒)互不抢话,子 agent / teammate 仍在运行时保持静默,并在会话头部显示「子智能体执行中 · N」胶囊(标签页隐藏时暂停轮询)。v0.8 新增诊断面板(解释最近几次为何没开口并显示当前发言权持有者)与面板内可调的仲裁窗口 / 在场抑制 / 生理签名开关;设置区块带专属描边爱心标记(16×16 / stroke 1.3,与 dsh-plugin-memory 规格一致)。v0.8.1 兼容 DSH 0.2.2-rc.2:agent 注册表优先 agents.roots()、缺失时回退 agents.list(),所有 agent/created 监听器都做了异常保护——rc.2 下未保护的抛错会让 agent 注册被拒、无法新建会话,因此 rc.2 用户必须升级到 0.8.1 或更新版本。
dsh-skillopt
wode25500/dsh-skillopt
为 DeepSeek Harness agent 提供夜间自我进化:离线复盘过往会话,在你的 API 预算内重放高频任务,并把学到的技能凝练成经得起门禁验证的技能。把 microsoft/SkillOpt 的 SkillOpt-Sleep 引擎带进 dsh,作为原生工具加内置技能——无需模型训练。需 Python 3.10+ 并安装 SkillOpt-Sleep 引擎(pip install skillopt)。
dsh-web-icon-indicator
waknow/dsh-web-icon-indicator
浏览器标签页 favicon 实时反映 DSH 会话状态(待机 / 运行中 / 提问 / 完成):单个 base.svg 在浏览器端上色与动画,颜色与特效均可在设置页配置。
dsh-sleep-send
awu12277/dsh-sleep-send
在输入框右侧提供「定时发送」按钮与配置面板,支持智能时段、自定义日期时间、多个定时任务并行,任务经 localStorage 持久化,刷新页面后自动恢复。
dsh-plugin-notify-sound
ldchaowin/dsh-plugin-notify-sound
按工作区定制的任务完成铃声,以及审批、提问、计划评审、目标受阻、任务失败等需要人介入事件的注意提示音,支持内置合成音、语音播报与自定义音频。
spine-plugin (dsh)
ghabix/spine-plugin
DSH 子任务树上下文管理插件(@spinejit/dsh-spinejit):提供 spine_open、spine_close、spine_next 与 spine_spawn 工具维护持久化 SpineTree,在保留当前活跃步骤与前序前缀不变的同时将已闭合子任务折叠为提交结论,并在 Web/Desktop 输入栏与 dsh-tui 状态行实时展示任务树。
dsh-mini-superagent (dsh-mini-superagent)
wychmod/dsh-mini-superagent
给 DeepSeek Harness 加任务派发与一个工作台:主会话把任务派给独立的后台子会话、立即返回,子会话的报告自动回流成本会话的一条消息;侧边栏「派发工作台」显示并发位、排队、批次进度与失败原因,每条任务可取消、重试、归档。新增 10 个 dispatch_* 工具。
dsh-molecular-viewer
lonelycrab888/dsh-molecular-viewer
让 DeepSeek Harness 的 Agent 能独立查看、对齐和测量蛋白质结构。你也可以在对话中的 Mol* 三维视图里旋转结构、点选残基,并针对选中的部位继续提问。
dsh-workspace-status-board
cyf736222347/dsh-workspace-status-board
把 DSH 侧边栏工作区改成按「需要介入 → 执行中 → 已完成」排序的状态看板:提供工作区/任务搜索、同状态内拖拽排序、任务归档与恢复,并用三种醒目状态标识实时更新。
dsh-connect-doubao-plus
chsw-cc/dsh-connect-doubao-plus
Wahwayhale/dsh-connect-doubao 的 fork,扫码登录一次即可把豆包账号接入 DeepSeek Harness。保留上游的菜单式模型发现、对话框计费倍率、逐模型思考档位、走会员额度的任务模型、思考链透传、Seedream 生图与只读额度看板,并加入每日签到(可手动领取,也可定时自动补领)、按月与活动两档展示额度(不再是固定的五小时与周额度)、模型选择器只提供设置卡片里勾选的模型、Windows / macOS / Linux 跨平台会话密封,以及流式加固:被拒会话不再复用、同 turn 回退改发新会话、连续三次失败触发本地熔断阀、流中断时停掉服务端生成。
dsh-root-bridge
xiaohuangbo/dsh-root-bridge
DeepSeek Harness 会话级 root 权限桥:申请制(逐次网页审批)、完整 root(网页内 polkit 密码输入)与 fakeroot 三种模式,支持 sudo 或 run0 --empower 提权,子代理 sudo 策略可配置。它用 sudo 或 run0 提升真实命令的权限:申请制下每次请求都等你批准;完全 root 模式下,在网页里输一次密码后整个会话的每条 bash 命令都以提权方式运行。委托的子代理默认逐次审批(subagentPolicy: request)。
dsh-chapter-whale
thus-zhou/dsh-chapter-whale
码章鲸:Windows x64 无人值守小说写作与番茄发布工作台,可自定义日更任务,接入部分免费模型并支持部分厂商账号授权。首次启动会从 GitHub 下载固定版本的 Python 与浏览器运行时(约 280 MB)到 %LOCALAPPDATA%\ChapterWhale;发布需要登录你的番茄作家账号。
dsh-agent-team-auto-orchestrator
loyalchiiina/dsh-agent-team-auto-orchestrator
DSH 智能体团队的宿主端编排器。每轮把 11 节编排方法论注入系统提示,并配一层按真实派活次数计数的工具层硬门,让并行派活、任务板追踪、跨会话交接、员工池复用与预设路由在任何预设、任何会话里都是默认行为,而不是每次都要你特意要求。硬门只数真的派出去了几次(subagent / subagent_fork / spawn_teammate),不看你嘴上怎么说:todo 里列 N 条但没有并行标记时只要求基础门槛,明确标了并行的条目必须在同一批里一次派满(上限可配),真·单步任务写一个标记即可免派。只读工具(read、glob、grep 及上下文管理类工具)永不被拦。先唤醒并复用已有团队成员,不够才新增,subagent 只留给必须在某个专用预设下执行的任务。本机专属配置(预设路由表、业务域关键词、profile 名、当前挡位)外置在 <DSH_HOME>/team-orchestrator.local.json,从不随包发布。状态只在本机回环 HTTP 路由上暴露。零遥测、无托管服务、无需账号。适配 DSH 内核 0.2.2-rc.1。
dsh-mesh
fishexploi/dsh-mesh
局域网内的 DSH 多机任务委派:上级把任务派给子级主机,子级在自己的会话与工作区里执行,结果与文件回到上级收件箱,敏感动作等待上级审批,完成的任务还能在子级原会话里接着追问一轮。0.4.0 起,新装默认只监听本机且监听开关关闭;六位配对码单次可用,失败会自动换码并锁定来源;令牌放在 Authorization 头里传输、本地只存哈希;没有授权或权限不足的任务会在派发前被直接拒绝、不消耗对方的 token。传输仍是明文 HTTP、没有 TLS,请在可信局域网使用。
dsh-plugin-tomato-todo (plugin)
anthealaffy/dsh-plugin-tomato-todo
在 DSH 中管理番茄钟、任务与学习计划;对话中的学习助手可读写与界面相同的本地记录。需另行安装并运行项目发行包里的 tomato-runtime 本地服务(Linux 发行包,监听 127.0.0.1:43987)。
dsh-maestro-codex
gaohu1997/dsh-maestro-codex
在 dsh 中管理 Claude Code / Codex / Grok CLI,并把任务派发给它们作为子智能体执行:dsh 的模型、技能与工具随任务桥接,CLI 子会话可回放续聊,右侧栏提供分层任务看板(看板 tab 需另装 DSH-better-sidebar 插件,未安装时不会注册)。
dsh-chat-sessions
zsqbfan/dsh-chat-sessions
一键新建自带独立工作区的会话,让日常问答和小型任务无需手动选择项目目录即可开始。
dsh-document-redactor
rainbowzhu22-eng/dsh-document-redactor
基于 whatcccup/cece_legal_skills(MIT)适配的 DeepSeek Harness 文书脱敏工作台。在本机处理 DOCX、PDF、TXT 和 Markdown,提供人工复核、PDF 框选遮盖与 OCR 行核对、同案占位符、Word 还原、历史记录及可选 Agent 规则预览与回退。需 Python 3.9+,首次准备依赖需要联网;仅规则生成需要模型。1.4.0 为预发布,已在 macOS Web 与 DSH 桌面验证;新增 Windows 安装与 OCR 路径待实机复验。上游是独立离线工具/SkillHub 技能,不是 DSH 插件,无法在 DSH 内与本插件同装。
dsh-todo-time-log
fantasystarry/dsh-todo-time-log
待办插件:自动记录每条待办的创建与完成时间,表格 / 看板 / 甘特图 / 日历四视图共用同一份数据与筛选,支持分类、优先级、类型、@工作区文件、JSON/CSV 导入导出,以及 todo_time_log 智能体工具与 /todo 命令。
dsh-agent-teams
chenxu233/dsh-agent-teams
DeepSeek Harness 的 AgentTeams 多智能体团队协作插件,NanmiCoder/dsh-agent-teams 的独立设计分支;不要与上游同装:两者注册同一个 `agent-teams` 行。提供队长与成员、带依赖的任务与消息传递,全部由自然语言驱动,Web 界面提供树状实时监视。
dsh-local-trim
leonlee114514/dsh-local-trim
给小本地模型的一步到位接入 + 轻量 harness。装载时自动探测回环与私有网段上的推理端点(llama.cpp、Ollama、vLLM、LM Studio),从后端读出每个模型的窗口与输出预算,再经 settings 注册 provider —— 不用手写配置就能在模型选择器里选到本地模型。随后只对这一个 provider 裁剪:用 tools.restrict 收缩工具面、按段名丢弃系统提示词段落与记忆 context、把注入的指令块换成一页纸同时保留其首 80 与末 96 字符、截断工具 schema 的 description 而不动结构与 required。云端 provider 原样返回同一个 assembly 对象,不做任何改动。注入正文每次装配都重新读盘,改文件下一次请求就生效,不用重载。插件详情页的面板是一块实时运行视图:显示接管是否生效、走的是哪个钩子,最近一次装配的字符进→出与省下的比例,以及各 provider 的在线灯(多路并发点灯,每个本地 provider 还能发一次真实的最小请求,把延迟与回复原文报出来)。本地后端没起来时,面板能一键拉起:先探测端口(已在应答就不重复启动),再按端口拉起对应后端(ollama serve,或你自己填的启动命令),进程独立于宿主存活,随后轮询到端口应答为止,等待上限夹在 3–600 秒,超时会把刚起的那个进程回收掉不留孤儿,找不到可执行文件时会把搜过的路径写清楚。面板上还有停止按钮,只肯停本插件自己起的后端(先 SIGTERM,1.5 秒不退再 SIGKILL),别人的服务一概不动。模型刚下好、后端还不存在时,面板能扫描本机 .gguf(跳过 .mmproj. 视觉投影、按大小降序,并带 300 个模型 / 20000 个目录项 / Downloads 只扫一层这三道上限),选一个就用它拉起 llama-server(端口上已有服务就复用),按后端自报的模型 id 注册 provider,再发一条真实请求证明能用。真正起之前会做一次装得下算账:只算显存装不下的那部分(hostBytes = 文件体积 − 显存),拿它比 max(总内存 − 2GB, 空闲内存)。文件比「显存 + 内存」还大直接拦;落到宿主的内存太多时先不替你起,要你确认;同样的情况若走 mmap 只给警告,因为权重落在可回收的页缓存里。加载方式下拉(auto / mmap / none / mlock / mmap+mlock)对应 llama.cpp 的 --load-mode,默认交给引擎自己决定。0.4.2 起上面每一条都改成按平台推导,而不是假设本机长什么样:家目录与数据目录走 os.homedir() 和各系统惯例(Windows 用 LOCALAPPDATA,macOS 用 ~/Library/Application Support,其它用 XDG_DATA_HOME);后端二进制按各系统官方安装位置找,也可以用 OLLAMA_BIN / LLAMA_SERVER_BIN / VLLM_BIN / LMSTUDIO_BIN 钉死;找模型依次走 DSH_LOCAL_MODELS_DIR、~/models、~/llama.cpp/models、~/.cache/llama.cpp 与 LM Studio 数据目录,WorkBuddy 的布局降级成其中一个候选。显存先问 nvidia-smi,再问 rocm-smi,Apple Silicon 上问 sysctl hw.memsize 并标成统一内存(同一块字节不重复扣两次)。拼命令行之前会跑一次 llama-server --help,只保留这个 build 真有的参数 —— 老引擎给 --n-gpu-layers 99 且不下发 KV 量化,新引擎给 auto 加 q8_0;探测不出来的参数一律照传,不因为探不到就丢掉。LM Studio 用 lms server start --port N 起,不再和「必须先给模型参数」的引擎混在一起;vLLM 单独给 --model 的示例,不再套 llama.cpp 的写法。Windows、macOS、Linux 三套都在 CI 里跑,另加 windows-latest 与 macos-latest 两个 job —— 只在一个系统上跑过的「跨平台」不算跨平台。其中两套专门用来抓这台开发机的盲区:一套把 process.platform 改掉、整套测试按各系统重跑;另一套把开发机的所有有利条件全删掉(没有 nvidia-smi、没有 rocm-smi、没有 sysctl、PATH 是空的、家目录里没有模型),要求优雅退化而不是崩。后一套抓到过真实的一类 bug:好几处断言写死了 lms.exe,在可执行文件不带后缀的系统上根本不可能过。参考机实测:16.9GB 的 27.2B MoE 配 14.5GB 显存,进程工作集只有 285–691MB,预热 1000–2000 token 后稳定 76 tok/s —— 光看文件大小判断装不装得下是错的。0.4.3 起扫出来的模型是一张表而不是下拉框(每个 gguf 一行,带体积和偏大提示),选之前能看清磁盘上到底有什么。0.4.4 起 provider 表上的删除键删的是这条 provider 配置,不是磁盘上的权重文件。这个区别很重要:真正想清掉的是那种僵尸条目 —— 指向一个从没应答过的端口、同一个端口注册了两遍、或者模型文件早就删了还留着的那几条,而不是一个 15.8GB 的 gguf。删配置随时可以重新导入,删 gguf 不行。删除走settings.mutate 的 unset,路径是 \['providers', id]:不能用 update,因为 update 是合并层,往那儿写null 只会留下一个 null 的 provider 键,loader 会当成配置坏了而不是「没有这一条」;只有 mutate 的unset 内部是 Reflect.deleteProperty。删完会回读一次,因为对「来自下层(profile 的 cordis.patch.yml或 home patch)的键」做 unset 不是删除而是恢复继承值 —— 调用成功但条目还在。条目还在时面板会直说,并把该改哪个文件指出来,不谎报成功;settings 服务太老没有 mutate() 的版本也会明说,而不是默默忽略。删除要点两次,点别的行就撤回确认;删成功会清掉在线缓存与 baseURL 缓存并重算工具面,因为 provider列表变了。gguf 本身插件一个字节都不动 —— 扫描出来的那张表只用来展示和选中。且显存能不能读到取决于驱动。0.4.5 起模型扫描也读 Ollama 自己的存储:它的 blob 叫 sha256-… 、没有后缀,光按扩展名永远列不出来。现在认权重看后缀或文件头 GGUF 魔数(只开「无点号且 ≥8MB」的文件,一趟最多读 600 次魔数;.json/.md/.safetensors/.part 这类明显不是权重的后缀一次都不开)。Ollama 的模型从 manifest 还原:只取 mediaType 为 application/vnd.ollama.image.model 的层(mmproj/adapter 层不算主模型),人话名从 manifest 路径还原(…/qwen3/8b → qwen3:8b,latest 不加冒号),同一份 blob 被多个 tag 引用时合并成一行,metadata 的 kv 给出名称、量化和 context 上限。对 Ollama 的模型点「一键配置」不会再拿同一份权重重复起一份 llama-server:它确认 11434 上的 ollama 在应答(不在就 ollama serve),并按端点自己报的 tag 注册 provider —— 11434 上报的是 qwen3:14b,拿 blob 的 sha256 名永远匹配不上。顺带修掉两个只有真机才暴露的坑:Windows 上 existsSync('<文件>/') 返回 true,manifest 与目录的分岔改成按内容判定,不再依赖尾斜杠语义;量化标签表照搬了旧一代 ggml 枚举,把 ggml_type 15 标成 Q5_K_S,而 ollama show 实测报 Q4_K_M,整表按真实序号重写。同一份文件的去重按 (dev,ino),谁有名字留谁。参考机实测:扫描从 1 行变 4 行 —— qwen3:14b(8.64G)与 qwen3:8b(4.87G)带着 Q4_K_M 徽标出现 —— 耗时 4ms;npm run verify 退出码 0(launcher 57 项、portable 35 项、panel-host 含 linux/darwin 模拟平台两套全绿);panel-host 新增的用法在 tmpdir 里现造一份迷你 Ollama 存储再把 OLLAMA_MODELS 指过去,测试结果不再取决于跑测试的机器装没装 ollama。0.4.6 起面板显示的是模型自己的真名,不再是文件名:有些下载工具会把任何权重都落成同一个通用文件名,真名只写在 GGUF 头部里。扫描会读每个文件的 GGUF KV 区 —— 不是先读一段固定大小的头部,因为 tokenizer.ggml.tokens(大 MoE 模型动辄几十万条字符串)和 chat_template 会把 general.file_type 挤出任何窗口;而且 GGUF 的字符串数组是交错存储(每条 u64 长度加载荷),把它当长度表读会让游标跑偏、算出天文数字的读取量。读与走位分开记账:键名与类型必读,超过 256KB 的字符串值和字符串数组只走位不复制,非字符串数组超过 64 个元素直接跳过,游标越过文件末尾立刻停 —— 越界说明游标错了,不是该把上限调大。显示名依次取 Ollama 的 tag、general.basename 加 size_label、general.name、文件名,整串留在悬停里因为常带内部编号;视觉投影文件现在也靠 general.type 认,不只看文件名。短读(文件被截断)不再把半截字节喂给解析器。参考机实测:读一个文件的头部解析出 44 个键耗时约 16ms,整趟扫描约 31ms。0.4.7 起「试跑」不再出现「第一次失败、第二次成功」。老代码让两轮请求共用一个 AbortController 和一个 30 秒定时器,也就是两轮加起来只有 30 秒:大模型的冷加载第一轮就烧完它,abort 之后 signal 永久处于已中止状态,第二轮(换成 Ollama 认的 reasoning_effort: none 再试一次)连请求都发不出去 —— 这正是第一次点报 This operation was aborted、第二次却能成功的原因。现在每轮各自一个 controller 和定时器;超时自动再来一轮(retryOnTimeout 默认开),因为第一次请求超时几乎总是「权重还在读盘」;非超时错误(连不上、HTTP 报错)完全不重试。超时也会自己说清楚:文案里写明超过了多少秒、是否已自动重试,并指向新增的「试跑超时(秒)」配置项(默认 60,可设 5-600)—— 端口通了不等于能出字,它和「拉起后等端口(秒)」是两个不同的旋钮。顺带:面板提示里那句绑定某一个具体模型的举例去掉了,不是每台机器都下了那个模型,说明改成讲机制。0.4.8 起「一键配置」一个普通 .gguf 不再注册出不相干的 Ollama 模型。端口这一栏原来跟着上一次点击走而不是跟着文件走:选中 Ollama 的条目会把端口挪到 11434,选中普通 .gguf 时却不挪回来,于是一次先前点击留下的 11434 就一直留着。服务端照单全收,去探那个端口,发现 Ollama 在应答就直接借了它(日志里那句「端口本来就在应答,跳过拉起」就是这条路径),接着按文件名拼出来的模型 id 在 Ollama 的 /v1/models 里对不上,而兜底是抓列表里的第一个 —— embedding 模型往往排在第一位,于是注册出了一个用户从没点过的模型。现在端口跟着文件走:普通 .gguf 落在别的引擎的端口上(ollama 11434、vLLM 8000、LM Studio 1234)就改到 8090 并在面板里说明一句;只改「已知引擎的端口」,自己手填 9999 指向另一台 llama-server 的情况一概不动。模型 id 的兜底也不再瞎猜:只有一个条目时才取它(单模型后端报的 id 本来就可能和文件名不同),有多个而对不上就报错并列出实际看到的 id,而不是注册出一个错的 provider。0.4.9 起面板不会再整块消失。以前插件详情页里那一块可能凭空不见,而宿主照常运行、HTTP bridge 照常应答、连崩溃日志都不留一条。原因是一个作用域错误:某个辅助函数声明在一个组件里面,却被另一个组件引用 —— 这是合法 JavaScript,语法检查完全通过,于是它只在渲染期炸,也就是用户按下扫描按钮、React 执行状态更新函数的那一瞬间。宿主给每个插槽条目都包了一层错误边界,兜底渲染是一个空的锚点,所以异常被就地吞掉:插件没有被卸载、进程也没有崩,面板只是被换成了一个空 div。现在这两个辅助函数放在两个组件共享的模块作用域里。客户端这一半也有了专门的用例 —— 一个最小 React 替身载入真正的面板模块,真调用组件、真在渲染期执行状态更新函数、真去按扫描按钮,这类错误不会再走到发布版里。
dsh-ikunchick-pet
stitchmaps/dsh-ikunchick-pet
DSH 右下角的「鸡你太美」篮球小鸡桌面宠物:像素帧动画、拖拽吸附、点击音效、会话等待回答或授权时弹提醒、每轮消耗气泡、账单明细与 DeepSeek 余额角标。
dsh-gpt-image-playground
southcul/dsh-gpt-image-playground
支持 GPT Image、Gemini(Nano Banana)和 Grok 的图片生成与编辑工具,支持官方接口、OpenAI 兼容接口、api.toolify-ai.com 与自定义 HTTP 供应商。支持文本生图、参考图编辑、画板标注、遮罩编辑与 Agent 多轮对话,图片和历史记录保存在本地。界面为上游 CookSleep/gpt_image_playground 的 MIT 构建 v0.9.0,原样打包;上游是独立网页应用而非 DSH 插件。