跳过主要内容

插件

浏览、筛选并安装 DeepSeek-Harness 插件。

共 100 个插件

O

dsh-deepcanary

oscar-williams/dsh-deepcanary

面向 DeepSeek Harness 的证据优先注意力监督,提供 C0–C3 策略、去重 Inbox 提醒、静默时段和脱敏结果记录。

18215天前集成与远程MIT
Z

dsh-context-doctor

zhenyu98/dsh-context-doctor

上下文注入审计:统计指令链/技能目录/工具 schema 的 token 成本,检测重复与冲突。

712个月前开发与插件工具BSD-3-Clause
Q

dsh-memoir

qinling-melon-farmers/dsh-memoir

仅本地运行、零捆绑运行时依赖(仅使用 DSH 宿主 peer)且不调用外部服务的项目记忆:以 JSON 为单一事实源并自动生成 PROJECT_MEMORY.md、按 token 有界且按会话冻结的 Hot Memory 以保持 prompt-prefix cache 稳定、带查询缓存的跨项目 BM25 召回、可信 session/turn 溯源、可解释的写前重复/冲突治理、可编辑的重要度/置顶/标签/supersede/归档生命周期、可配置的顶层回合自动蒸馏,以及支持搜索、检查、诊断和实时设置的中英双语 Web GUI。

3912天前记忆Apache-2.0
B

dsh-edit-diff

better-er/dsh-edit-diff

接管浏览器端 edit/write 工具卡片,用近线性行级 diff 只显示真正变化行,并对替换对做行内字符下划线高亮,消除内置 diff 对未变化相同行的重复渲染。

144天前UI 增强MIT
A

dsh-localtts

abbccdd/dsh-localtts

用已有的本地语音合成为 Harness 逐句朗读:内置 IndexTTS 与 GPT-SoVITS 启动器、基于协议的本地 HTTP/JSONL 接入,以及 Kokoro、F5-TTS、VoxCPM、Qwen3-TTS、CosyVoice 的 SDK 环境模型文件夹加载;不附带任何模型。衍生自 1624318455/dsh-plugin-tts;已隔离行 id 与设置,可与原插件同装,重复功能会自动停用。

1120天前视觉、语音与多模态MIT
X

dsh-win-pwsh7

xinspark/dsh-win-pwsh7

报告 DSH 的 pwsh 执行器实际运行的 PowerShell(只认启用中的行,带版本号的商店路径不会被推荐为 pin),并通过脚本点击商店页面或手动商店路径安装由商店管理的 PowerShell 7。只有实际执行器解析到 PowerShell 7+ 时才放行 pwsh 工具;检测到 dsh-ops 时启用其 Compatibility 模式,保留原生 pwsh 与 ops_bash 并存,并隐藏重复的官方工具。Web 界面提供原生状态卡片和配置开关;仅 Windows,零运行时依赖。

74天前开发与插件工具MIT
N

dsh-skills-anywhere

noteflowai/dsh-skills-anywhere

实时技能提供器:把 60+ 个其他 Agent(Claude Code、Codex、Cursor、Gemini CLI、Copilot)的技能目录、Claude Code 插件市场以及任意 git 技能仓库中的技能接入 dsh 目录,零拷贝零软链接;自动去重、修复 frontmatter、处理同名冲突,并附带 CLI(list、add、sync、doctor)。

711天前MCP 与连接器MIT
K

dsh-biomemory

klrsl/dsh-biomemory

为 DeepSeek Harness 打造的生物仿生记忆系统:以单一 SQLite 库为唯一事实来源(node:sqlite,WAL),Markdown 树仅作只读镜像;含 memory 工具、会话启动时的冻结快照注入、分级审批门、按需把当前会话抽取成记忆、近重复合并、归档与取代生命周期、记忆代谢(dream)、记忆钉、基于本地嵌入的语义检索,以及 /memory 命令。

74天前记忆MIT
Z

dsh-session-explorer

zn-dk/dsh-session-explorer

DSH 会话消息级全文检索浏览器:FTS5 trigram 索引按消息检索(用户/助手/系统注入/工具四类,可按类型筛选),fork/续接会话结果自动去重,只读上下文预览自动滚动定位焦点消息,一键跳转真实会话;支持增量/全量重建索引与健康检查;界面中英双语跟随 Host locale 服务。

62个月前会话与消息MIT
A

dsh-pubmed

aiyacharley/dsh-pubmed

文献研究工具集,注册 26 个模型工具,覆盖 PubMed、Europe PMC、OpenAlex、PubTator3 与 Semantic Scholar:字段语法检索、ID 互换、残缺引文定位、引文格式化、MeSH 与相关文献追溯、PubTator 生物概念归一与关系查询、Europe PMC 与 Semantic Scholar 翻页检索、全文获取,以及开放获取 PDF 发现(可选下载)。统一检索会跨源去重,排序依次按跨源命中、相关度、被引数;会话知识图谱带 PubTator 概念富集,可提交为持久用户图谱并渲染为 Mermaid。多数数据源无需密钥。

52个月前工具与能力Apache-2.0
M

dsh-skill-mover

mjylfz/dsh-skill-mover

把其他 Agent(Cursor、Claude Code、Codex、OpenCode 等)的技能一键搬进 DeepSeek Harness:扫描 14 个平台外加共享的 ~/.agents 技能层,识别不同来源的同名技能,可挑选每个技能的最佳来源,复制到 DSH 技能目录,支持回滚移除已迁移的技能。

5上个月技能包MIT
A

dsh-bili-interactor

acttk/dsh-bili-interactor

替你在 B 站上真的动手:搜视频、点赞、投币、发弹幕、发评论、回别人的评论,别人回了还能接着聊。会读视频的 B 站 AI 字幕(没有字幕时可本地转写),所以评论说的是视频里真正讲了什么;挑该回谁之前也会先看一遍视频内容。它不抄别人的句子,而是总结「怎么说话才像真人」的规律,跑得越多 AI 味越淡。会跳过刷过的视频、同一楼不重复回复;跟同一个人在同一个评论区来回聊太多轮时会先审查这段对话有没有营养 —— 如果像两个机器人在互相捧场,就说最后一句、之后不再回复他。还能查每条评论是真公开了还是只有你自己看得见,可以按任意时间范围(最近 1 小时 / 24 小时 / 3 天 / 全部)批量扫描并列出别人看不到的那些,总览上直接告警有多少条被折叠。六页签设置面板,改任何一项立刻生效、不用重启;手动「跑一轮」撞上后台监听会排队而不是被拒;自带环境自检,缺什么直接告诉你。B 站操作需要 Python 3,内置自检会列出缺少的依赖。

422天前工具与能力MIT
Z

dsh-fix-duplicate-loader-id

zhao1012/dsh-fix-duplicate-loader-id

检测并修复 dsh 启动的 "duplicate loader entry id" 崩溃:扫描 profile 各 bundle 的重复 loader row,转换为 id-targeted patch,附带零依赖 CLI(检测/预览/修复/复检)。

43个月前技能包MIT
Z

dsh-skill-panel

ztqing4agents/dsh-skill-panel

DSH Web GUI 的技能面板:内置、本地与市场装的技能列在同一页,每行按磁盘证据(软链、安装台账)在固定优先级下判归属,同名只列一次,取高优先级那份。开关改写技能自己 SKILL.md 里的 disable-model-invocation;内置技能没有可写文件,状态存在面板自己的存储里,面板也说明改的不是注册表;软链技能只读。添加弹窗收本机目录路径或 github.com 公开仓库链接(.git、/tree、#path:),用浅克隆取回。市场页签查 skillhub.cn 镜像的三档来源并装到 ~/.dsh/skills,带更新检查与失败回滚。界面中英双语。包名是 @ztqing4agents/dsh-skill-panel(npm),挂载 id 仍是 dsh-skill-panel,可与 dsh-skill-center 同时安装。它的 HTTP 路由没有 DSH 的访问检查,浏览器里打开的网页可以调用它们。

3昨天技能包MIT
I

dsh-mnemosyne

i11ustrious/dsh-mnemosyne

给 DeepSeek Harness 的分层长期记忆:每轮只注入「人设框架 + 相关记忆索引」,原文留在磁盘按需展开,不把整个库塞进上下文。事实层按槽位做冲突消解,改口后旧值自动失效;人设框架由模型从记忆里自行归纳,带三道防污染闸门(拒收开发流水、拦截自身注入的回流、同一件事按共享实词归并)。记忆周期性固化——合并近似重复、把大话题压成摘要、归档低价值旧条目,全程只打标签不删原文;追加式存储也会就地压缩(实测 4.7 MB → 355 KB)。零第三方依赖,无构建步骤。⚠️ 注意:每轮注入会不可避免地降低缓存命中率,请勿在工作场景使用。

323天前记忆MIT
W

gitee-ai-employee

wangbobo-coder/gitee-ai-employee

Gitee/GitHub AI 员工:在 issue 里 @ 机器人并指定目标分支(如"需要修改 release-v1.2 分支"),它自动克隆仓库开发、向指定分支提交 PR,可自动合并并自动关闭 issue。v1.2 新增代码安全扫描:配置扫描仓库后按内置/自定义提示词审计代码,去重后把新发现提交 issue。

327天前工作流与自动化MIT
L

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。

2前天模型与账号接入MIT
N

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。

217天前工具与能力MIT
B

dsh-memory

bangbang-03/dsh-memory

DSH 的工作区长期记忆。会话开始只注入「一行一条」的记忆索引,正文由 memory 工具按需取——同样字数预算约装三倍条目;一轮结束时用当轮最后一条用户消息做纯本地检索,命中的记忆下一轮随简报召回,不花模型 token。可选自动提炼把一段对话归纳成结构化记忆,captureMode=draft 时先进审批队列、你批准了才生效。另有画像层:工作区与全局各一份全貌,由日志与条目重写生成,同样可走草稿。设置 → 记忆 里有档案 / 列表 / 时间线、体检(重复簇、过期未用、断链)、版本链 supersede 与一键回滚,以及「扫描本机」把已有的 WorkBuddy / Qoder 记忆文件导入(只读,不动来源)。

29天前记忆MIT
E

dsh-connect-workbuddy

ethanweave/dsh-connect-workbuddy

在本机运行 OpenAI 兼容网关,让 DSH 使用已登录的腾讯 CodeBuddy(WorkBuddy)账号额度:一键安装脚本(含 SHA256 校验)、登录自启计划任务(带防重复启动)、manage.ps1 统一管理(status/start/stop/restart/logs/update/uninstall),并内置指导安装与排障的 Agent 技能。

2上个月模型与账号接入
W

dsh-screenshot-capture

wangzhanchao883/dsh-screenshot-capture

指哪拍哪截图入库:系统级悬浮窗把新截图(或复制图片)一键存入 Obsidian 笔记,支持注释与「重点」标记、用宿主 DSH 多模态模型即时识别文字(零配置、无需另配 key,可回落通义千问)、同屏去重、按天合并,并可在晚间用 AI 整理归类、打双链并生成当日总结。

22个月前工具与能力MIT
P

dsh-context-guard

person-clouds/dsh-context-guard

控制 DSH 工具输出上下文预算:完整输出落盘、重复结果去重、只返回有界增量摘要、风险命令执行前确认,并提供只读固定调查脚本。

13天前工具与能力MIT
C

alice-memory-llm

cycocyco/alice-memory-llm

DSH 长期记忆插件,由 LLM 裁决什么值得记:会话空闲后把攒下的轮次一次性交给主对话模型提炼成一句话条目;入库前先做向量判重,近重复与同话题超量的条目不再进库;检索走向量 + FTS5 混合召回,热/温/冷分层存储;附记/回忆/忘/清理四个显式工具。零依赖,纯 Node。

16天前记忆MIT
Z

dsh-plugin-lrc

zhibaiyingchuan/dsh-plugin-lrc

把 DeepSeek Harness 接到 LRC 的本地结构化记忆:每 8 轮提炼一次结论,按字符级 Jaccard 相似度(≥ 0.85)去重后写入本地 LRC 库。五个工具 lrc_recall / lrc_forget / lrc_remember_now / lrc_handoff / lrc_status 分别负责按需召回、撤回错误条目、立即写入、会话交接与状态行。首次运行会按平台下载 LRC 二进制(win32-x64、darwin-arm64、linux-x64,带 SHA256 校验)并启动隔离实例,因此无需先装 LRC 桌面端;数据默认写在 $DSH_HOME/cache/lrc-plugin/data,设置 LRC_BASE 可复用已有实例。

13天前记忆