插件

诊断 DSH 回合失败层级：测首字节、最长静默与总时长，结合错误定位计时器、崩溃、上下文、队列和压缩问题，给出设置建议；支持 /why 和子代理。

DSH Web 的上下文窗口归因插件：Mini Utility Dock 面板按各自占用的 token 给会话内的用户消息、助手回复、推理块和工具结果排序，一眼看出窗口被哪些条目占住。面板还显示各条目类型的占比、本机各 live session 里最重的条目，并在宿主提供时显示 provider usage 与 system/tools/messages 的估算构成。面板只读：不估算费用、不修改会话、不触发 compaction。

任务拆解模式：主代理把大任务拆成独立子任务，派给子代理（默认本地模型）在全新短上下文中执行并综合结果；并发数与模型可在设置面板图形化配置。

DeepSeek Harness 的上下文压缩/headroom——压缩在线上下文让 prompt 保持小，又不丢关键状态(layer 3)。

DeepSeek Harness 的会话上下文交接——不再每会话重读/重建上下文。单个 skill(layer ①),让下一会话暖启动。

面向 DeepSeek Harness 的项目级本地上下文引擎：对历史、代码、文件、用户偏好和 Agent 轨迹做检索/压缩/优先级排序，为任意 LLM 生成动态上下文窗口。

为 DSH 对话输入框实时估算 token 数，将当前上下文基线与草稿合并计算，并区分精确计数与启发式估算。

把本地模型的上下文控制在 GPU 能顺畅处理的规模：每次请求测量 prefill 速度，按 token 上限提前告警或压缩。

「想法落地」agent preset：一句话想法 → 需求规格 → 技术方案 → 维护基准；每一步先复述、你确认、再继续。无场景预设：73 个原子 skill（6 主 + verify 调度 + 66 子）按上下文加载。

右下角悬浮卡显示 DeepSeek 余额与峰谷档位倒计时，并基于历史平均单任务 Token 消耗与当前上下文估算剩余任务数。

选中助手回答中的文本，在临时右侧面板向侧边栏助手提问：基于主对话 LLM 历史快照回答，支持流式 Markdown、可折叠思考与多轮追问，不打扰主对话。

DSH 的 Agent 指令管理器：编辑与模板化 harness 实际读取的 AGENTS.md（全局 + 按工作区）。

自动折叠 DSH 对话中的系统/上下文消息——将思考块、工具调用和工具结果合并为可展开的分组折叠条。

面向 DeepSeek Harness 的自动、有界类型上下文与编辑诊断。

控制哪些工具 schema 注入 DSH 模型上下文：提供 tool_visibility 工具与设置页 UI，逐工具开关并持久化。

按量化、速度、缓存重度价格、上下文和可用率为当前 DSH 模型推荐 OpenRouter 供应商，并支持一键切换以帮助降低 token 成本。

在 DeepSeek Harness 输入框的工具行实时显示 MCP 服务器连接状态，发送前就知道哪些 MCP 服务器真正连上了。

面向 DeepSeek Harness 的 Sleev 路由可观测插件，用于观察经过外部上下文优化网关的 provider 路由。

乔哈里认知四象限对话梳理工具——在输入框上方添加按钮，弹出 2×2 象限面板（我知道/不知道 × AI知道/不知道），将对话上下文梳理为结构化 Prompt 并写回输入框。

DSH 的 Agent 指令管理器：编辑并模板化 Harness 实际读取的 AGENTS.md（全局与按工作区）。

在 DSH 对话卡片内显示本地图片与短视频并提供原文件一键下载，也可为任意其他本地文件提供下载；本机与远程连接均可用，媒体本身不进入模型的视觉上下文。

DeepSeek Harness 手动上下文压缩：保留最近 N 条、支持停止或分批模式，并提供按会话的压缩存档。

DeepSeek Harness 手动上下文压缩：保留最近 N 条、支持停止或分批模式，并提供按会话的压缩存档。

为无法识图的模型把图片转成文字：由配置的视觉模型生成描述，描述以折叠上下文条目写入会话历史，原始消息保持不变。