1 Download
1 Download
Плагин LM Studio, разработанный для аккаунта mm223. Локальная модель может точечно консультироваться с DeepSeek через официальный API.
deepseek-key.txt: одна строка с вашим собственным ключом. В TextEdit выберите «Формат → Сделать обычным текстом»; расширение должно быть .txt, не .rtf.~/Downloads/deepseek-key.txt. Другое место можно выбрать в глобальных настройках плагина.Ключ не загружается на Hub и не передаётся локальной модели. Внешнему DeepSeek отправляются только аргументы инструмента: вопрос и минимальный контекст. Полная переписка автоматически не отправляется. Не используйте раскрытый ранее ключ; создайте собственный действующий ключ локально.
По умолчанию deepseek-v4-pro, thinking выключен, выход ограничен 2500 токенами, максимум 12 попыток и 100000 резервных единиц в сутки UTC. Thinking low можно включить в настройках: размышления расходуют выходной лимит, поэтому маленький лимит может обрезать ответ.
Резерв — UTF-8 байты отправляемого текста + 1024 служебных единицы + полный выходной лимит. Это намеренно завышенная оценка, а не точная токенизация. Перед сетевым вызовом попытка и резерв записываются на диск. Ошибки и таймауты не запускают автоматические повторы и не освобождают резерв: неизвестно, произошло ли списание на сервере.
Защита от одинакового запроса: 10 минут. Защита от параллельных процессов: файловая блокировка и атомарное сохранение. Повреждённый журнал блокирует запросы. Статистика лежит в ~/.lmstudio/deepseek-expert-data/usage.json; текста запросов, ответов и ключа в ней нет. Если процесс аварийно завершился с папкой usage.lock, сначала убедитесь, что запросов больше нет, и удалите эту папку вручную.
Денежного потолка здесь нет: цены API могут изменяться. Жёстко ограничиваются размер запроса, выход, попытки и резерв; фактические деньги проверяйте в кабинете DeepSeek.
В описание инструмента встроено: обращаться только по прямому указанию пользователя или при недостатке собственных знаний; не перепроверять известный ответ и не запрашивать необязательное второе мнение. Это правило модели, а не гарантированный детектор её незнания. Сам плагин не умеет проверять истинность заявленной моделью причины.
Защита «один вызов» действует на одну выдачу tools provider. Точное соответствие одного provider одной пользовательской реплике необходимо подтвердить на конкретной версии LM Studio. Дополнительно работают общие лимиты и защита от дублей.
Модель должна сообщать пользователю о консультации и сохранять естественный разговорный стиль своего ответа. DeepSeek не получает браузер или веб-поиск.
Это исходники нативного Tools Provider LM Studio с manifest.json, src/index.ts и глобальной конфигурацией. Авторизация на Hub ещё не выполнена, публикации нет.
После проверки в LM Studio и входа в аккаунт mm223, из корня этой папки:
Публикация возможна, если ваша версия LM Studio и аккаунт поддерживают плагины. Не кладите ключи в эту папку: Hub публикует исходные файлы проекта. В архиве нет реальных ключей или журналов расхода.
Документация: https://lmstudio.ai/docs/typescript/plugins/publish-plugins
Плагин LM Studio, разработанный для аккаунта mm223. Локальная модель может точечно консультироваться с DeepSeek через официальный API.
deepseek-key.txt: одна строка с вашим собственным ключом. В TextEdit выберите «Формат → Сделать обычным текстом»; расширение должно быть .txt, не .rtf.~/Downloads/deepseek-key.txt. Другое место можно выбрать в глобальных настройках плагина.Ключ не загружается на Hub и не передаётся локальной модели. Внешнему DeepSeek отправляются только аргументы инструмента: вопрос и минимальный контекст. Полная переписка автоматически не отправляется. Не используйте раскрытый ранее ключ; создайте собственный действующий ключ локально.
По умолчанию deepseek-v4-pro, thinking выключен, выход ограничен 2500 токенами, максимум 12 попыток и 100000 резервных единиц в сутки UTC. Thinking low можно включить в настройках: размышления расходуют выходной лимит, поэтому маленький лимит может обрезать ответ.
Резерв — UTF-8 байты отправляемого текста + 1024 служебных единицы + полный выходной лимит. Это намеренно завышенная оценка, а не точная токенизация. Перед сетевым вызовом попытка и резерв записываются на диск. Ошибки и таймауты не запускают автоматические повторы и не освобождают резерв: неизвестно, произошло ли списание на сервере.
Защита от одинакового запроса: 10 минут. Защита от параллельных процессов: файловая блокировка и атомарное сохранение. Повреждённый журнал блокирует запросы. Статистика лежит в ~/.lmstudio/deepseek-expert-data/usage.json; текста запросов, ответов и ключа в ней нет. Если процесс аварийно завершился с папкой usage.lock, сначала убедитесь, что запросов больше нет, и удалите эту папку вручную.
Денежного потолка здесь нет: цены API могут изменяться. Жёстко ограничиваются размер запроса, выход, попытки и резерв; фактические деньги проверяйте в кабинете DeepSeek.
В описание инструмента встроено: обращаться только по прямому указанию пользователя или при недостатке собственных знаний; не перепроверять известный ответ и не запрашивать необязательное второе мнение. Это правило модели, а не гарантированный детектор её незнания. Сам плагин не умеет проверять истинность заявленной моделью причины.
Защита «один вызов» действует на одну выдачу tools provider. Точное соответствие одного provider одной пользовательской реплике необходимо подтвердить на конкретной версии LM Studio. Дополнительно работают общие лимиты и защита от дублей.
Модель должна сообщать пользователю о консультации и сохранять естественный разговорный стиль своего ответа. DeepSeek не получает браузер или веб-поиск.
Это исходники нативного Tools Provider LM Studio с manifest.json, src/index.ts и глобальной конфигурацией. Авторизация на Hub ещё не выполнена, публикации нет.
После проверки в LM Studio и входа в аккаунт mm223, из корня этой папки:
Публикация возможна, если ваша версия LM Studio и аккаунт поддерживают плагины. Не кладите ключи в эту папку: Hub публикует исходные файлы проекта. В архиве нет реальных ключей или журналов расхода.
Документация: https://lmstudio.ai/docs/typescript/plugins/publish-plugins
npm ci
npm run check
npm test
lms dev --install
lms push
npm ci
npm run check
npm test
lms dev --install
lms push