插件

通过一条常驻 CDP 连接驱动本机已在运行的 Chromium 内核浏览器——Chrome、Edge、Brave、Vivaldi、Opera、Chromium、Arc、Thorium，远程调试授权只需点一次，而不是每条命令都点。标签页、导航、执行 JS、DOM 快照、点击、输入、截图以及 CSS/DOM/像素断言都走本机回环 HTTP 路由，agent 用已有的 shell 工具发命令，因此不注册新工具；插件自带使用说明 skill，零运行时依赖。

对比已有 DSH 会话，或在两套 Agent Preset 之间运行受控 A/B 试验，展示对齐时间线、配对指标差值、显式验收结果与可导出的报告。

面向 DeepSeek Harness 的自适应模型发现、评估、定级与子代理路由插件。

DSH（DeepSeek Harness）的 Langfuse 可观测性插件：会话轮次映射为 Langfuse trace 树（同会话经 session id 聚合），提供 Prompt 版本管理与评测能力。

回放真实 DSH 回合，对比预设或插件的请求面、轨迹、成本和结果。

检查 DeepSeek Harness 插件是否实际加载，并查询 trapstreet.run 的公开评测榜单。

通过 CDP 连接已运行的 Chrome/Edge：为 DSH 提供截图、像素断言、DOM/CSS 检查与页面 JS 执行，全程 HTTP + WebSocket、零子进程、零 npm 依赖、无需逐次授权。

注册一个 `valuation_service` 工具：读取 01/02/04 JSON 底稿树，输出统一 schema——六大类比率、预测比率、带 missing 标记的 DCF 输入槽、可比 PS/PE 与 IRR。确定性、本机运行：缺 WACC/增长率/资本开支/折旧摊销/营运资本时留空而不猜测，假设差异逐项标出交人工复核。

核对评标因素评分矩阵的内部算术自洽性：各因素分值上限、所记分值与合计之间是否互相一致。只报告发现的差异，不评价评标本身是否正确或公正。

Cross-session memory for your dsh agent: remembered, recalled, and re-verified instead of assumed.

DSH 试金石：给「自改造」补上评测这一环——用一套金标准用例，把改动前 vs 改动后跑一遍、打分、对比，好就留、不好就撤。

回溯式会话评估：从持久化日志生成确定性成绩卡与跨会话回归对比——不跑基准、不用 LLM 裁判。

Measure whether a dsh setup change actually helped: register repeatable cases, run them, and diff the results before and after you change rules, skills, or models.

DSH 有界智能体评测插件：针对提示词或受支持的配置改动，用用户提供的检查比较原版与候选，记录证据和成本，由用户决定是否采用。

在 Trajectory 视图添加 LiveBench 标签页，可选模型、类别、任务、版本和问题范围，评测已配置模型并查看进度。

面向 DSH 插件的成对实验与晋级门禁。

把同一条编码提示词在隔离的 Git worktree 中并行交给多个配置好的模型执行，并排展示工具轨迹与结果，并提交用户采纳候选。

证据优先的多模型编码对比工作台：两三个 Builder 在隔离的 Git worktree 中解同一任务，配可复现门禁与独立 Reviewer。

按 harness 评估准则审计 agent harness，并以机器校验证据

将不含原始内容的 DSH 回合、模型、工具、审批、重试和错误事件导出到 Tuning Engines，用于受治理的追踪、策略评估、成本分析和 Work Session 审阅，并提供磁盘持久化重试队列。

Agent 评测平台：benchmark YAML、无头运行编排、基于轨迹的指标与运行报告。