插件
浏览、筛选并安装 DeepSeek-Harness 插件。
共 3928 个插件
dsh-mcp-center (dsh-plugin)
bai-2008/dsh-mcp-center
在 DeepSeek Harness 内浏览、安装、检查、更新和卸载 MCP 服务器连接,支持在线目录、Streamable HTTP 与 stdio。
dsh-gitlab-panel
caimc21069065-prog/dsh-gitlab-panel
DSH 右侧栏的 GitLab 面板:提交图、分支、变更、合并请求(行内 diff、提交评审、流水线)、议题,以及带审批队列的 Agent 工具用于分诊与批量操作。GitLab 数据需要 Personal Access Token 或已登录的 `glab`;本地 git 数据无需凭据。
dsh-search-proxy
chaos-paradox/dsh-search-proxy
提供 SearXNG 网页搜索,支持托管本地运行环境、连接已有实例、Web 设置及可选的 DSH 进程代理。
dsh-wsl-sidebar
wang1462604987/dsh-wsl-sidebar
用于 Harness 的 WSL 控制台:管理发行版、以表单编辑 .wslconfig 与 wsl.conf,并用自带的 wslx-* 工具在任意发行版内执行命令、读写文件、运行长驻进程。
what-sub-agents-doing-now
realoiyo/what-sub-agents-doing-now
注册一个只读工具,让父代理读到每个子代理实际在做什么,而不只是它有没有在跑:子代理自己写下的进度旁白,时间早的在前,按序号向前翻页,给出距上次查看已过去多少步,并在连续五步以上没有新旁白时给出沉默计数。
dsh-tool-call-leak-fix
irwdone/dsh-tool-call-leak-fix
拦截参数边界损坏的工具调用;某一步静默失败、turn 即将关闭时保持其打开,让模型重新发起调用;fork 之后把模型可见面上损坏的输出替换为说明。零依赖。
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-jupyterlab
nkuhan123/dsh-jupyterlab
DSH 的 JupyterLab 风格 notebook:代码与输出左右分栏并可拖动,长 cell 滚动时输出贴住视口,支持 Jupyter 快捷键(a/b/dd、m/y、Shift+Enter 与 Ctrl+Enter 区分)、左侧剪刀删除 cell、py/md 标签切换代码与 Markdown。基于 @beihaizb/dsh-notebook 的修改版:两者注册同一批 nb_* 工具,不能与上游同装,装前请先卸载原版;所选 Python 内核需安装 ipykernel、jupyter_client 与 nbformat。
dsh-artifacts
lucagiftzek/dsh-artifacts
DSH 侧栏里的 Artifacts 标签页:列出 agent 产出的文件并就地预览、支持实时刷新,另提供 artifact 模板工具。
dsh-mood
sata260/dsh-mood
通过状态面板、更新工具和聊天表情包管理 AI 搭档的情绪与性格。
dsh-rule-guard
yunling-bionic/dsh-rule-guard
在写文件、跑非只读命令、联网、派子代理等有副作用的动作执行前,按项目规则与当前目标复核,超出范围即拒绝(失败即拒,无可配置豁免开关)。
elab-flow (dsh-elab-cockpit)
xkk6663/elab-flow
嵌入式闭环开发驾驶舱(DSH 插件):agent 在面板里闭环开发 STM32——发现、编译、烧录、调试校验、串口监视,开发过程对用户全程可视化(阶梯进度、实时日志、RAM/FLASH 占用、串口波形解码)。需主机自带 PATH 上的 Python 3.10+(插件不能代装);ARM 工具链首次使用时自动下载(约 400 MB,仅 Windows x64),并需自备 STM32 板与调试探针。
dsh-harness-autostart
lolitakawayi/dsh-harness-autostart
在 设置 → 通用 里加一行「开机自启」开关,用于设置 DeepSeek Harness 桌面版的开机自启:写入或删除它的 Windows 登录启动项,并注册 dsh_autostart 工具暴露同一组状态查询、开启与关闭操作。默认只写一条 HKCU Run 值,不需要管理员权限;启动文件夹模式额外支持延迟秒数与启动参数。
cece_legal_skills
rainbowzhu22-eng/cece_legal_skills
在 whatcccup/cece_legal_skills(MIT)基础上适配的 DeepSeek Harness 文书脱敏插件,提供本地识别、人工复核、PDF 框选遮盖、历史记录与可选 Agent 改规则。需 Python 3.9+,首次准备依赖需要联网;仅规则生成需要模型。1.3.0 为开发预发布,Windows 待实机验收;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-lab-assistant
oddeye4649/dsh-lab-assistant
面向高校实验课程的 DSH 桌宠式插件:保存实验档案、按软件累积经验、用真实步骤证据生成 Word/Markdown 实验报告,并提供黄色高框指引与「点一下自动判对错」的教学循环。桌宠与实验助手面板仅在 Windows 桌面端出现,其他环境只有对话工具可用。
dsh-autocad-bridge (bundle-autocad-ui)
cmm00100/dsh-autocad-bridge
通过 COM 驱动本机安装的 AutoCAD,把它暴露成 18 个 mcp__autocad__ 工具:连接与状态、取消当前命令、列出本机注册的 ProgID、列出或新建文档、保存、新建与列出图层、绘制直线/圆/矩形/多段线/圆弧/文字、列出图元、缩放到范围,以及透传任意 AutoCAD 原生命令。侧边栏面板托管驱动它的 Python 桥进程——启动、停止、重启、安装依赖、实时日志与崩溃自动重启——所有路径在运行时解析,同一个 bundle 在 Web 版与桌面版都能用。仅 Windows,Python 3.10-3.12,文档覆盖 AutoCAD 2022-2024(默认 2024;其他版本需把 CAD_PROG_ID 设为对应 ProgID)。
dsh-matlab-runner
seally-web/dsh-matlab-runner
侧栏里的 MATLAB IDE:类 VS Code 的 .m 编辑器,背后是常驻 MATLAB 会话(首次启动约 6–9 秒,默认 session 模式下单次运行 12–84 毫秒,figure 真的会弹窗),可查看并编辑的实时工作区变量、.mlx 预览、多文件夹挂载,以及给 agent 用的 matlab_run 工具。需要本机安装 MATLAB。
dsh-plugins (dsh-presets-zh)
zhiqiangme/dsh-plugins
一个插件提供四种中文 Agent 预设:中文标准、中文 PTC、中文极简、中文创造(standard-zh / ptc-zh / minimal-zh / cordis-zh),沿用对应内置模式的工具组合;标准、PTC 与创造模式将已知宿主说明汉化,工具 ID、schema 与 SDK 声明保持原样;设置页可逐个启停模式并编辑显示名称、描述与系统提示词。
dsh-video-skills
1368546410qq/dsh-video-skills
在 DSH 设置里浏览 awesome-claude-video-skills 目录(373 条),把选中的技能装进 ~/.claude/skills 和/或 ~/.dsh/skills:下载该仓库的 GitHub 归档并复制技能目录,不执行仓库里的任何代码。安装以后台任务运行、显示实时进度(已下载字节与已复制文件数)并可取消;本插件装上的技能可以卸载,没有本插件标记的目录保持不动。列表显示 GitHub 报告的仓库体积近似值。同样的能力也以 video_skill_search、video_skill_install、video_skill_uninstall 三个工具暴露给智能体。
dsh-tool-search
swimmwatch/dsh-tool-search
内置工具、插件工具与 MCP 工具的原生发现与按 agent 加载,支持 BM25 检索,可选 Ollama 或 OpenAI 兼容的向量检索。
dsh-calculator
qqiqiq/dsh-calculator
为 agent 提供 calculate 工具,内置零依赖表达式解析器(不用 eval),支持批量求值与金额精确小数模式。
dsh-unified-desktop
nalikip/dsh-unified-desktop
把两个需自行安装的 Windows 桌面自动化后端(dsh-computer-use-win 插件 + 用 uv 装的 windows-mcp,Python 3.14)合成一个 MCP 工具面:装完还要跑一次随包的 scripts/patch-backend.mjs 改写本机 windows-mcp 源码(不跑则 screenshot/read_webpage/launch_app 会失败),并在 profile 里禁用单独挂载的 wincu。44 个后端工具去重为 29 个(去掉 10 个重复、4 个危险工具 PowerShell/Registry/FileSystem/Process、1 个工具管理入口),并在转发前用按可逆性分级的守卫拦截危险调用。
dsh-mind
wld12314/dsh-mind
给 DeepSeek Harness 加一套心情系统:33 种心情,每 3~6 小时一次周期判定,并随消息小幅增减;另有跨会话记忆、审美品味库、加密日记。心情、记忆、品味、日记四个工具都可由模型调用,五个模块各有独立开关。日记只由模型自己写,不生成系统总结模板。本插件是 JMX-4869/dsh-mood 的精简 fork:二者注册同名的心情 / 日记 / 品味 / 记忆工具,不能同时安装,只能二选一。
dsh-bioviewer
shuuul/dsh-bioviewer
向 dsh-better-sidebar 注册 Mol* 文件预览器,支持 PDB、mmCIF、MRC 密度图、小分子和 Chimera .cmm 标记(含 .gz),并提供 BioViewer 工作区标签以及 bio_open / bio_add 工具。