插件
浏览、筛选并安装 DeepSeek-Harness 插件。
共 846 个插件
my-dsh-plugins (dsh-think-zh-expand)
baosfeng/my-dsh-plugins
思考增强:system-prompt 注入让思考与回复强制中文;思考内容默认展开显示、可交互折叠;界面英文标签中文化(npm: `dsh-think-zh-expand`)。
dsh-zen-remote
kyomio/dsh-zen-remote
手机优先的移动端界面重排 + 配对码网关:经自建反代或 Cloudflare Tunnel 把 DSH 变成可安装、带推送的 PWA。
dsh-budget
perrylink/dsh-budget
在 llm/stream 瀑布上做按插件粒度的用量预算与费用上限:按模型用量记账、会话与月度预算的预警/阻断、延迟窗口与碳足迹估算。
dsh-permgate
mrweicodes/dsh-permgate
细粒度权限网关:按分类(工作区外目录/命令/读写文件/子代理/重复操作)逐项审查工具调用,全局/项目双级白黑名单、快捷工具默认值、自定义规则,中英文审批弹窗(内联 diff 详情、自定义拒绝意见)与底层沙箱升级流程。
dsh-plugin-integration
mutalucem/dsh-plugin-integration
动态发现已装插件并打标分类,检测功能重叠与兼容冲突,一键启停切换、失效诊断与更新检测。
dsh-science-workbench
poplarity/dsh-science-workbench
可复现科学分析工作台:agent 驱动的 cell、内联图形与反馈重画、manifest 溯源、环境快照与出版级出图技能(9 个 bio_* 工具 + 工作台界面)。
dsh-acp-for-bitfun
bobleer/dsh-acp-for-bitfun
BitFun 与 DSH 的 ACP 交互对接。
Copree (dsh-copree)
coprexist/copree
把 Copree(前身 AIsChat)以原生侧边栏形式嵌入 DSH Web 界面。Copree 是一个开源的「AI 群聊 + 可编程世界」框架——AI 不是工具,而是群里的「居民」:每个都有自己的记忆、状态与性格,它们会自己聊起来,你可以旁观也可以插话;「群视界」再进一步,让每个群聊绑定一个「活的世界」(专属网页 + 世界 AI + 代码 + 时间),世界 AI 能通过 DSH 工作区工具直接改这个世界。本插件提供:原生侧边栏板块(联系人 / 置顶私信与群聊)、经同源 HTTP/WS 代理的实时聊天、Markdown/LaTeX 渲染、群邀请卡片与图片消息、沉浸式整屏页面,以及把世界一键镜像成 DSH 工作区(目录 + DSH 会话 + world_* 工具集)。插件只是前端,它代理到你自己运行的 Copree 后端(默认 127.0.0.1:5228,后端在同一仓库内)。
deepddw (ddw-teams-panel)
ccch713/deepddw
为 DSH Web 客户端增加多用户设置面板:使用模式选择、成员管理与在线状态、一人多设备绑定,以及各成员记忆体和知识库的切换与共享。
dsh-tasks
weibaohui/dsh-tasks
定时任务:用 cron 表达式定时执行提示词,到点自动开一个新 agent 会话替你干活,支持绑定工作区、手动立即执行与会话自动命名。
dsh-otel
tma1-ai/dsh-otel
把 agent loop 以 OpenTelemetry traces、metrics、logs 导出到 GreptimeDB,附七个 Grafana dashboard,覆盖 token 用量、成本、会话结果和每轮耗时。
dsh-evolve
chenzheshushi-commits/dsh-evolve
跨会话记忆,零 token 确定性召回(bigram-Jaccard 与 FTS5 BM25 经 RRF 融合,中文分词精确);重复观察会强化已有理解而非堆叠重复;过程性知识结晶为 SKILL.md,就地精炼升级,走 active-stale-archived 生命周期治理,归档可逆、可回滚。摄入与处置各有一档用户可选的自治程度,冲突与高重要写入始终交人工复核,任何档位都不会自动删除。需要 Node 22.5+。
dsh-all-usage
particlelight/dsh-all-usage
支持跨多个模型、供应商、工作区与时间范围进行统一分析,并可在全部保留历史中自定义起止日期;实时呈现缓存命中率,并可分别查看模型和供应商的分类数据;单日趋势按小时、跨日趋势按日,提供 53 周 GitHub 风格热力图、连续使用、模型与工作区 Token 占比环图及 Token、成本、占比明细,以及可独立自由组合的筛选;支持查询 DeepSeek 账户余额、管理工作区别名及导出 CSV 数据;独立账本在会话删除前持久化用量,工作区被删除时同样保留并把用量汇总为一行「已删除」,增量重建只处理新增事件;重启时未变化会话不回读日志、直接复用账本(以每会话日志 revision 为变更信号);工作区注册表通过 DSH 的 domain/changed 事件自动探针同步——只对新增/删除的工作区增量重扫,未变化的已有工作区直接复用已计算账本、零全量重扫,统计严格限定已注册工作区(未登记目录一律忽略),扫描完成后通过轻量 revision 状态判断,只有 Host/统计状态变化才获取完整历史,并显示 revision 复用、实际读取、账本恢复和失败等非敏感同步健康信息;全 0 用量的重放不会覆盖已记录的真实用量,Token 口径显式声明(输入不含缓存命中,缓存读写与推理独立成桶)。中文使用本地时区,英文统一使用 UTC;API 仅限本机访问。
dsh-Remote
blank-not-black/dsh-remote
移动远程控制套件:原生侧边栏入口 + 管理抽屉的 bundle 插件,自带 Bearer 令牌网关自愈(局域网/Tailscale);Android App 覆盖会话/审批/提问/goal;/fs/* 文件端点(Range 断点续传、2GB 上传);多服务器测速自动切换;聊天记录离线缓存。
dsh-plugins (dsh-session-manager)
wsxwj123/dsh-plugins
会话删除(5 秒可撤销 + 回收站)与归档视图(查看、取消归档)。npm 包名 `@wsxwj123/dsh-session-manager`。
dsh-usage-billing
940842546/dsh-usage-billing
用量与消费统计:8/17 调价前后峰谷计费,主界面汇总面板、按会话明细与日/周/月/年/累计用量热力图。
dsh-bilibili
czx2244/dsh-bilibili
B站视频分析工具:提取元数据、字幕文稿(必剪/本地 ASR 兜底)、评论与弹幕,抓取清晰关键帧并可选本地视觉描述。
dsh-web-mobile-fix
acidgr/dsh-web-mobile-fix
Web UI 移动端布局修复:窄屏下设置面板全屏化、插件导航单行排满、侧边栏全屏、弹层居中、会话日志按钮图标化。
dsh-capability-panel
pure-craft/dsh-capability-panel
一站式管理 MCP 服务器、技能与工具——真实的在上下文状态(已加载/已截断/已挤出),并按会话开关。
dsh-thinking-levels
drscrewdriver/dsh-thinking-levels
DSH 逐轮思考级别(reasoning_effort)控制:选择 Auto 即按近期工具调用历史自动调度 low/high/max,或手动固定线路档位(off/on/minimal/low/medium/high/xhigh/max),支持自定义线路映射、模型能力护栏与上下文窗口预设(64K–1M);其逐模型能力卡片与另一独立插件 [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions)(可在 dsh-market 安装)联动,让自定义 OpenAI 兼容网关(vLLM / LM Studio / 自托管)也能试用推理——卡片写入 llm-pi-ai 能力,适配器接管线路(compat.thinkingFormat),本插件自动维护接管列表。
dsh-ui-ux-pro-max
chenyiming-aaa/dsh-ui-ux-pro-max
为 DeepSeek Harness 提供离线可用的 UI/UX 设计智能库:内置 84 种设计风格、192 个配色、74 组字体、99 条 UX 规范、25 种图表与 22 个技术栈,提供 design_recommend / design_review / design_search 三个工具,中文优先、零运行依赖。
bigA
kobenfang/biga
A股智能选股技能:实时行情、技术面择时分、买卖信号与动态股票池。
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。
DSH-Subagent-Model-Router
cyphernaught-0x/dsh-subagent-model-router
借助别名、能力标签和使用说明,将每项委派任务自动智能路由到最合适的已配置模型——常规工作更快、更省,复杂任务则交给更强的专用模型。可通过 Web 设置页或引导流程组建模型团队,让多个专家并行工作并可靠汇总结果;所选模型会显示在子代理视图中,并以内联标签无缝融入 Better Sidebar 的 Tasks 任务树。