插件
浏览、筛选并安装 DeepSeek-Harness 插件。
共 324 个插件
dsh-akn-plugin
symmetryseeker/dsh-akn-plugin
DeepSeek Harness 的本地优先 Agent 经验网络:从 trace 与实时 Manifest 蒸馏任务级经验,按 H0-H4 证据分级、按兼容性发现,经显式审阅后才晋升。
dsh-agent-team-ui-testing
bloodarea/dsh-agent-team-ui-testing
面向 DeepSeekHarness 的前端 GUI 调试与测试:36 个 browser_* 工具,覆盖结构化 GUI 操作、视觉比对、动态帧分析与网络调试(Web/Chromium)。
dsh-network
naivg/dsh-network
dsh-native 网页工具套件(CLI + Host 插件),让 DeepSeek Harness 顺畅访问互联网,并参考官方 CSS 风格。
dsh-ATN
ff66ccff/dsh-atn
面向 DeepSeek Harness 的自适应拓扑多智能体预设,提供点对点通信、任务交接和实时网络可视化。
dsh-ui-sound
soh4c4759/dsh-ui-sound
为 DSH Web 界面补上可听的语义反馈:按钮按下按语义分类发声(普通、主要、开关、发送、关闭、危险、链接),当前会话的任务开始、成功结束、失败结束以及出现待处理交互也各有一声,每个情景都能在设置页单独挑音效、单独开关。78 个 cue 与 12 个音色包全部由浏览器用 Web Audio API 实时合成,因此包里不含音频文件、也不发起网络请求。这是 dsh-plugin-uisfx 向 DSH 0.2.0 的社区移植版,改动逐条记录在 PROVENANCE.md。
dsh-model-gateway
leafyezi233/dsh-model-gateway
把 DeepSeek Harness 里已配置好的模型通过 OpenAI 兼容网关中转出去,其他本地项目 用标准 OpenAI 客户端即可调用。多个供应商候选共享一个具名分组,支持顺序、均衡、 随机三种调度;上游在产出任何内容前失败时自动切换下一候选,客户端无感,被限流的 请求按供应商指示的退避时间自动重试。每条候选的调用统计(尝试、应答、失败、 token/TTFT 累计)以徽章形式显示在设置页,按天聚合的数据落盘为本地文件,附 30 天 热力图与趋势视图。在界面创建密钥之前,接口对任何能访问到它的人开放;创建密钥 (仅存 SHA-256 哈希)后开启校验,且删掉最后一个密钥仍保持锁定,需显式关闭鉴权 才会重新开放。若启用可选的局域网监听而未配密钥,该端口对整个局域网开放。支持 DSH 0.1.2-rc.1 至 0.1.7-alpha.1 及以后。
dsh-win-toolkit
edge-echo/dsh-win-toolkit
面向 DSH agent 的 Windows 原生工具:剪贴板读写、系统通知、hosts 文件查看与网络诊断,均返回结构化数据(带 UI 卡片),底层为防注入的 PowerShell。
dsh-web-recorder
kakajun/dsh-web-recorder
网页操作录制器:录制用户引导会话中的真实点击、输入、导航与网络请求,生成 Markdown 操作时间线报告(report.md + events.jsonl),用于沉淀接口级 skill。
dsh-token-pulse
hou-dl/dsh-token-pulse
DSH 设置内的本地 Token 用量热图:GitHub 风格周/月/季度/年视图、每日小时级展开、模型与供应商 Top 5,历史持久化,删除会话不丢数据。零联网、零计费。
dsh-aura-scheduler
ljsysfurryace/dsh-aura-scheduler
主动调度:自适应心跳 + 价值网络(紧迫度、相关性、打断代价)决定 Agent 何时主动开口。
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_Eplan
shangyunqiang1/dsh_eplan
DeepSeek Harness 的 EPLAN Electric P8 自动化插件(仅 Windows):内置 eplan-mcp 通过 EPLAN Remote Client 接口驱动正在运行的 P8 2025,设置页配置 EPLAN 安装根目录,五个技能覆盖连接与安全、C# 脚本、文档查阅、EEC Pro 开发与安装排错。五套离线 SQLite 文档索引(P8 2025 API 参考、P8 2025 平台帮助、P8 2026、P8 2027、EEC Pro 2026)可在断网状态下检索,但索引不随仓库提供:需下载 Release 里的索引压缩包,或用自带脚本自行构建;2026 与 2027 两行默认关闭。需已安装 EPLAN P8 2025 并开启 Remote Client 远程访问,以及带 mcp 与 pythonnet 的 Python 3.12+(先运行一次 scripts\setup.ps1)。版本面板记录发布历史,并可从仓库直接更新到较新版本。
dsh-physics-lab
novick1212/dsh-physics-lab
DSH 侧栏里的高中物理动态仿真实验室:24 个可调参数的互动模型(力学 / 电磁 / 光学 / 热学),按高一高二高三分组;每个模型配知识点讲解与跟随动画的分步解说、出题判分,其中 4 个电磁学模型支持拖动旋转的 3D 视角。纯客户端,解析式本地计算,不调模型、不联网、不上报数据。
dsh-tiaforge
tia-forge/dsh-tiaforge
一次装齐西门子博途(TIA Portal)的五项技能(官方文档检索、梯形图生成、SimaticML 转 PNG 渲染、逐扫描仿真与 PASS/FAIL 验收、操作真实工程的本机网关)并接好五个 MCP 端点。操作真实工程需另装付费的 TiaLink(Windows + 博途 V19/V20 + Openness 用户组);四个云端服务需 API Key(各 100 次免费,之后付费;渲染每次计费且失败也扣),且需 Node 22+ 与联网;程序片段会上传到 tia.hubwiz.com。
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-memory-plugin
2132774831/dsh-memory-plugin
纯本地长期记忆:跨对话、跨项目,数据只存本机一个 JSON 文件,不联网、不调大模型、不需要 API key。提供 memory_save / memory_search / memory_list / memory_forget / memory_review 五个工具;每轮按关键词与标签检索并注入相关记忆,检索权重可调;支持 Markdown 导入(含 Kun 与 Hermes Agent 格式)与导出(原生与 Hermes Agent 格式);设置页可直接浏览与编辑记忆。
dsh-experience
wqx11235/dsh-experience
本地优先的经验库:纯 markdown 条目按报错签名检索;开口前召回按「读回率」自动抬高阈值;失败→修复自动起稿,缺口队列一键认领/归档。自带脱敏起步库,不调模型、不联网。
DSH-PDR-Plugin
kipozannaki/dsh-pdr-plugin
运行时插件防火墙,仅覆盖经其启动器启动的会话(DSH Desktop 桌面应用注入不进去,不在覆盖范围):插件发起的文件、网络、子进程调用会归属到发起它的插件,并用该插件自己声明的需求去衡量——本职范围内的行为零打扰,越出声明才被记录。归因是尽力而为,不是保证:覆盖不到的调用退回 host,不会被记到别的插件头上。附带装前体检卡(能力面、红线组合、PASS/WARN/BLOCK)、越界判定、可选的执行前拦截(含 credential-exfil 规则)、更新 diff 与隔离子进程试装、SARIF/CSV 审计导出与多源汇总。数据只存本机,无遥测;webhook 默认关闭。
dsh-refresh-restart
hulibuld/dsh-refresh-restart
在 DSH 桌面版界面左上角「收起侧边栏」按钮旁加两个按钮,macOS、Windows、Linux 三端都可用。刷新只重载界面层,宿主里正在生成的回合不中断;重启会在确认一次后退出整个应用并自动重新打开,会话与工作区都在。重启是 POST,必须带每次启动随机生成的 token(由插件状态接口提供);插件不联网、不读会话内容、零运行时依赖。
dsh-portable
wjf1/dsh-portable
把整套可用的 DSH 主目录——profile、带 node_modules 的已装插件、技能、hooks 与任务板——打包成单个 .dshpkg,在另一台机器上免联网、免 pnpm 还原;也支持 HTTP 上传与一次性局域网链接。
HwFee-dsh (genui)
hwfee/hwfee-dsh
生成式 UI:模型调用 render_ui 写一段 React,回答就地渲染成可交互卡片。代码跑在 opaque origin 的沙箱 iframe 里,读不到宿主页面、存储与 cookie,帧内 CSP 挡掉网络;卡片要发消息必须由用户确认,卡片出错时显示原因、源码放在开关后面。
dsh-breadboard
noob-stupid/dsh-breadboard
DSH 嵌入式硬件沙盒插件:在 3D 面包板场景里摆放 ESP32 / BME280 / PIR / LED 等器件、按协议与电压校验接线;让真实 Python 项目代码在环运行、经 Python shim 读虚拟 I2C/GPIO 的寄存器级读数,支持故障注入(断线 / NACK / busy / 强制读数);联网设备模拟器可向真实 HTTP 后端周期上报(已在真实"智能选座"系统全链路验证);还可只读观察真机状态,并用数据驱动的型号定义支持新硬件。随插件带 16 个 hw_* 工具与一份 SKILL.md。
dsh-user-memory
xinzeqing/dsh-user-memory
白箱两段记忆:四层用户自写的长期记忆(必须遵守/行为设定/用户画像/可选遵守)注入为系统提示词的一节;另有「临时记忆」(跨对话交接/阶段目标/等待项)独立成节、独立预算(默认 1200 字),条目完结即停止注入。长期记忆是记忆目录里可读可改的 Markdown 文件,AI 只能提议,用户在中文面板点「采纳」才写入;临时记忆只在用户明确要求时写入,存放在 <DSH_HOME>/temp-memory.json(首次写入才创建),不在记忆目录里。不自动采集、不后台回写、不联网。
dsh-system-net
chickmat/dsh-system-net
让 DSH 跟随系统网络设置:走系统代理并信任系统证书库,无需环境变量、无需重启。