插件
浏览、筛选并安装 DeepSeek-Harness 插件。
共 419 个插件
dsh-dania-voice
xcw520/dsh-dania-voice
用本地 GPT-SoVITS 把 DeepSeek Harness 的助手回复读出来,带可拖动的挂件开关与一键部署。需预装 Python 3.10–3.12(安装器只负责定位,不负责安装);建议约 5 GB 磁盘与 GPU。
dsh-bili-pond
yoyolnfu/dsh-bili-pond
让蓝色大肥鱼替你刷 B 站:帮你评论,把发现的有趣内容私信给你,还会写下日记;它也有记忆,能长期总结。视频按你的口味筛选并生成 Markdown 日报,也能守着评论区替你回话。开启「圈地自萌」后,它只回视频 UP 主本人主动邀请的楼中楼,普通观众喊话不算,绝不自己起新楼;评论、私信、自动运行和守护默认关闭。需 Node 22、DSH 0.1.7-rc.1+、已登录的 B 站账号、模型线路与 Python。
dsh-media-skills
mjorgin/dsh-media-skills
DSH 的生图与读图:侧边栏「图像」页面(英文界面显示 Images;按模型分行、10 种比例、1K–4K 尺寸、联系表 + 详情卡 + 放大 + 复用 + 删除),三个预设提供方外加自定义端点(其中一个完全免 Key),另有 vision-review 读图技能。粘进去的 Key 只写进本机 ~/.dsh/secrets/media-tools.env(权限 600),只发给你选的那家服务商。页面文案跟随 DSH 界面语言(中文 / 英文)。需要 Python 3.9+(生图由 scripts/generate.py 执行);该页面需桌面版 DSH 0.2.1+。
dsh-office-kit
hairyf/dsh-office-kit
通过 `/documents`、`/pdf`、`/presentations`、`/spreadsheets` 创建、读取与编辑 DOCX、PDF、PPTX、XLSX,把页面渲染出来核对排版,并将侧边栏预览中的选区变成发给会话的修改要求。需 Python 3.10–3.13。
dsh-video-coursemap
linner1224/dsh-video-coursemap
仅限 Windows:读取前台窗口标题,识别 B 站视频课程并按学科分类,抓取简介/弹幕/评论,生成 Markdown + Mermaid 知识地图与 Word 学习手册(Word 输出依赖本机 Python)。
dsh-reel
eileenes/dsh-reel
DSH 插件宣传台面板:输入插件名称,匹配案例文件,在本机渲染 28 秒真机界面宣传片与封面。V0.1 真机片用自带的逐帧渲染器在本机 Chrome 上出帧(快门区间多采样得到运动模糊,并对硬切做保护),渲染所需的 comp 素材随包分发,因此 npm 安装后即可出片,不需要 Onetake 运行时。需要 Node.js 22+、Chrome 或 Chromium 与 ffmpeg,音效混音需要 python3。
Paper-Agent-Skills
scodive/paper-agent-skills
面向 DeepSeek Harness 的科研写作技能包:依据提供的实验记录与文献修订论文、准备逐条 rebuttal、生成汇报 storyboard;每个技能内置 Python 工具,用于打包证据并在本地校验修改。
dsh-kb-rag (npm-package)
breeze136/dsh-kb-rag
本地文献知识库 RAG:10 个工具(kb_ingest、kb_search、kb_rag、kb_zotero、kb_dedup、kb_clear、kb_fetch、kb_scope、kb_stats、kb_status),BM25+向量+重排混合检索、DOI 可点击溯源问答,全本地 bge 嵌入 + 单文件 SQLite 索引。需要 Python 3.9+ 及 pymupdf、faiss-cpu、sentence-transformers(`npx dsh-kb-rag-install` 安装器会自动装好并预下载模型)。
dsh-smart-charts
hherosoul/dsh-smart-charts
智能图表 skill:把 CSV/TSV/TXT/XLSX/XLS/JSON 数据文件转为独立交互式 ECharts HTML——32 种图表(含离线地图)、3 套主题、无需 CDN。--profile 数据画像(每列 dtype/基数/缺失/样本/统计、实体粒度、洞察信号)让 agent 自己读懂数据并决定选型;每张图内置事实卡(plot_stats + data_preview),其数值是解读时唯一可引用的数字。LLM 转换代码在受限沙箱(黑名单 + AST 白名单 + 安全 builtins)中执行;--doctor 自检 Python 环境。ECharts 离线打包,完全无需联网。
dsh-live2d-mao (dsh-live2d-mao)
xkk6663/dsh-live2d-mao
连接器,本身不渲染任何东西:订阅 DeepSeek Harness 的会话事件,折叠成 12 态工作状态(规划 / 思考中 / 执行工具 / 回复中 / 聆听中 / 语音播报 / 待确认 / 完成 / 出错 / 暂停 / 待机 / 在线),再逐条 POST 到桌宠后端的 /api/plugin/dsh/ingest。不持有窗口,无需 API Key 或 token。使用前须另行安装并启动 Mao Live2D 桌宠应用(该应用是 Windows Electron 程序,自身要求 PowerShell 7 / Python 3.10+ / Node 18+);没有它,本插件没有可推送的对象。
pbfuzz (dsh-pbfuzz)
sgzeng/pbfuzz
由 LLM 智能体驱动的定向模糊测试:给定目标仓库和一个缺陷(CVE 描述、补丁、崩溃调用栈或 file:line),它运行 PLAN、IMPLEMENT、EXECUTE、REFLECT 循环,由模型编写 Python 输入生成器,直到某个输入触发该 campaign 基于 stderr 模式匹配的 oracle,或 campaign 停止。
dsh-bili-watch
sacredbluedragon/dsh-bili-watch
把 B 站视频解析成模型可消费的结构化内容:元数据、评论、弹幕、字幕、本地 ASR 转写、抽帧 OCR。本地跑不上传、字幕诱饵检测(可疑时抽帧核对)、二次读瞬时、输出 manifest + 摘要。抽帧 OCR 需 ffmpeg;本地 ASR/OCR 需 Python 3.10+ 虚拟环境(Windows 另需 VC++ 运行库);AI 字幕需登录 B 站。
sgme
freehul/sgme
拾光记忆引擎(SGME)桥接:多智能体共享长期记忆(HTTP)—— L0/L1/L1.5/L2 分层提炼、按场景注入、统一检索、主动关怀信号(memory_search / wiki_search / signal_pull / signal_claim / signal_ack),npm 包名 `dsh-sgme`。
agent-web-search
jerryliu369/agent-web-search
DeepSeek Harness 聚合多上游联网搜索插件:无缝替换原生 web_search,支持模型原生检索、免 Key 上游与富文本引用卡片。
rea-gp
matriq/rea-gp
查找 Android 游戏安装包,提供 Google Play 依赖分析与修改工作流。需要 Python 3 和你自选的 Android 工具(JADX/apktool/adb)。
deterministic-pixel-art (dsh)
chenamel/deterministic-pixel-art
在 DSH 对话中说出想画的内容,或提供 PNG 并说明要怎么改。可导出 PNG 和可编辑 JSON,也可按指定区域改色。绘制需要带 Pillow 的 Python 3.10+。
dsh-sw-cad
27painter/dsh-sw-cad
注册两个 MCP 服务器,在 Windows 上通过 COM 驱动本机安装的 AutoCAD 与 SolidWorks,另附两个按需技能。仅 Windows,需要 Python 3.11+;首次加载时自动安装钉死版本的上游服务器,并且只给真正装了的 CAD 应用注册对应的那一行。两者都只广告两个元工具而非完整工具表(SolidWorks 用本仓库的 discovery 垫片,AutoCAD 用上游 DISCOVERY_MODE=search),首次请求前加载的工具定义分别从 23,404 降到 256 token、从 83,732 降到 365 token。
dsh-video-understand
ilps2/dsh-video-understand
低成本视频理解工具:video_understand 把 B站链接/BV号/本地视频转成 AVIS 信息层(ASR+场景结构+对象轨迹+YOLO 标签)并输出摘要+问答。问题驱动动态路由分层(L0 ASR / L1 对象轨迹 / L2 关键帧 VLM)、语义层复用(重复提问直接查层)、单次问题预算上限。Python 引擎:核心层需 faster-whisper / opencv / yt-dlp(约 200-300MB);可选语义层另需约 2GB 的 torch / transformers / ultralytics。内置 doctor --fix 一键建 venv 并装齐两者。
Aurify (bundle-patent)
ai-tools-mtl/aurify
dsh 专利撰写把关人:动笔前先检索中国专利给出三档结论,再走五方对齐访谈、八章交底书、附图与仿真实验、七维审查与 docx/PDF 导出全流程。技能开箱即用;检索、导出与实验工具来自内置的 Python MCP 服务,默认关闭——在 ~/.dsh/patent-services.yaml 里开一行即启用,uvx 会从 PyPI 自动拉取。
minta (dsh-plugin)
xinchen03/minta
Minta 记忆引擎的 DSH 原生接入层:合成官方 dsh-mcp-client 行、注册 minta-memory-governance 技能与 session-start 记忆预热,并提供 Minta agent 预设;19 个 MCP 工具由需单独部署的 Minta 引擎(Python/Docker)提供,未部署引擎则无法使用。
chelate-shell
jiamingshi-jsphys/chelate-shell
19 个科研与工程技能按固定阶段串成一条门控流水线:每个技能占一个阶段,某个门禁失败会阻断它下游的技能,而不是把结果继续往下传。门禁是可证伪的检查而非流程控制——化学方程式的原子守恒、公式的 CAS 与量纲校验、DOI 走 Crossref 核验、ML 数据集的泄漏检测、OBJ 网格的退化面检查——所以失败的运行会说清失败在哪,而不是产出一份看着像样的文档。注册的四个工具直接驱动 CLI:列出技能表、跑单个技能、跑流水线(可 dry run)、审 results/ 里没有 promotion 记录的文件。宿主需装 Python 3.10+。
open-dream-rsi
patrykorwat/open-dream-rsi
让编码 Agent 通过反事实回放验证策略:基于演进世界模型离线改进,不微调,LLM 保持冻结;支持 MCP,包内含 Python 服务端。
dsh-workbench
chengyunlai/dsh-workbench
从 DeepSeek Harness 对话点击源码链接,直接跳到指定行。在右侧工作台查看 Git 差异和断点变量,也可以把讲解保存为可搜索的 Markdown 记忆卡片。支持 Python 类关系图(Beta)。Go 和 Java 跳转需要语言服务器,断点调试需要调试适配器。
dsh-chrome-bridge (plugin)
orderg-x/dsh-chrome-bridge
操作你已经登录的 Chrome:模型在你真实的标签页里点击、打字、填表、读网页、截图、下载文件,同源 iframe 里的内容也能读能点。支持 macOS、Windows、Linux;需要 Chrome 116+ 与 Node 18+。走 native messaging 与 chrome.debugger,不开监听端口。提供 12 个 browser_* 原生工具和一个 cb 命令行,发送真实 CDP 输入事件,绘制会出现在截图里的页内光标,并带一个工具栏面板(连接状态、正在控制的标签页、暂停开关)。browser_download 带着这个网站的登录 Cookie 下载链接、元素指向的文件或网址(跟随跳转、用服务器给的文件名),存进「下载」文件夹或会话的工作目录;跨站 iframe 只在快照里标出来,不进去读。宿主(原生宿主 + MV3 扩展)随本 tarball 一起发:插件首次加载时自己把它们落盘并写好 native messaging 注册,不用 clone 仓库、不用 install.sh、不用 python3——只剩把扩展装进 Chrome:从 Chrome 应用商店装 DSH Bridge(https://chromewebstore.google.com/detail/bippcbbbipppmhjkjomgdnjbooecbimo,不用开发者模式),或者到 chrome://extensions 加载自带的已解压扩展(插件会替你打开那个页面并把文件夹放进剪贴板)。没装好之前,工具会带着这几步明确报错。Windows 上注册写进注册表(Chrome 和 Edge 都写),宿主走命名管道。每天在 GitHub 的 macOS / Windows / Linux 机器上自动跑一遍:装插件、把扩展加载进真 Chrome、用 browser_* 工具读一个网页。