Plugins

Skin CSS que remodela o controle de nível de raciocínio do hytime/dsh-thinking-effort como cápsula azul-violeta com campo de estrelas e brilho em movimento, com paletas clara e escura. Exige o plugin instalado e não adiciona UI própria.

Substitui o seletor de modelo do chat por uma lista recolhível agrupada por provedor; reúne provedores espelho do vision-bridge sob o upstream e mantém as opções reasoning-effort declaradas nas configurações de cada modelo. Testado apenas no DSH Desktop; a versão web não foi testada.

Requer DSH >= 0.2.0-rc.2 e < 0.3.0. Permite declarar qualquer número de provedores LLM, cada um com endpoint, credenciais e parâmetros por modelo (vocabulário de reasoning-effort, entrada de imagem, política de retry), nos formatos OpenAI Chat, OpenAI Responses, Anthropic Messages e Google Gemini. Configuração em página de ajustes.

Seletor de modelo e esforço de raciocínio no estilo Codex para DeepSeek Harness: níveis anunciados pelo modelo, temas nativos do DSH, efeitos radiais cortados à esquerda e orientação copiável sobre a declaração de esforço para provedores personalizados.

Pacote ZenTao MCP para DeepSeek Harness: fluxos de tarefas e bugs, relatórios e registro formal de esforço verificado.

Comando `/reasoning` no estilo Codex para DeepSeek Harness Web: seleciona o esforço de raciocínio do modelo atual no menu slash.

Gerencia e invoca CLIs de Agent externos no DSH, totalmente isolados das instalações nativas do usuário. Permite predefinir Provider, modelo, esforço de raciocínio e permissões por CLI e chamá-los diretamente ou como subagents nativos.

Um controle minimalista do esforço de raciocínio para o composer do DSH: linha fina, marcador deslizante, memória por modelo, troca otimista e seletor de modelos simplificado.

Declara níveis de reasoning effort por modelo de provedores terceiros na seção de ajustes llm-pi-ai, para que o seletor de intensidade de pensamento padrão do DSH funcione em modelos não descritos no catálogo pi-ai.

Seletor de modelo da sessão com busca em duas etapas: primeiro substring normalizada e depois subsequência (glm53 encontra GLM-5.3 e ds encontra DeepSeek). Fixa no topo provedores com chamadas recentes bem-sucedidas e lembra o último nível de raciocínio escolhido explicitamente para cada modelo.

Adiciona em Models campos por rota para janela de contexto e limite de compactação, além de um seletor de esforço de raciocínio compatível com o provedor no compositor. Grava em capacities, reasoningEfforts e uma linha de patch compaction-basic do llm-pi-ai.

Plugin DSH (DeepSeek Harness): define o nível de raciocínio padrão (reasoningEffort) de cada modelo LLM e o preenche automaticamente conforme as regras de roteamento antes de a solicitação entrar na cadeia de chamadas subjacente.

Ajusta automaticamente o esforço de raciocínio do modelo por tarefa (off/low/high/max): classifica tarefas, usa marcadores [effort=...], escala erros durante o turno, limita no período de pico DeepSeek com avisos de contagem regressiva; a seleção manual tem prioridade.

Mantém perfis nomeados e reutilizáveis de subagentes para DeepSeek Harness e os executa com modelo, esforço de raciocínio e preset de agente por perfil.

Plugin DSH para configurar o tipo de entrada (input) e os modos de raciocínio (reasoningEfforts) de modelos personalizados.

Central de compactação em níveis: substitui o limite único de 80% por uma escala configurável (30/50/70/90 por padrão), da consolidação leve à máxima. Incorpora índice determinístico de palavras-chave em cada checkpoint para acumular fatos entre ciclos. Resume em uma cadeia de modelos: principal e até 3 fallbacks, cada um com nível de raciocínio próprio. Adiciona subaba Compaction e cartão de configurações; desativar sempre restaura a compactação padrão.

Substitui a página oficial Models por gerenciamento do ciclo de vida dos providers, níveis de raciocínio por modelo, substituições de retry, reordenação por arrastar e sincronização de modelos upstream.

Plugin DSH que detecta e configura automaticamente capacidades do modelo (reasoningEfforts e modalidades de entrada) para llm-pi-ai. Sucessor do dsh-reasoning-efforts.

Seletor de modelos pesquisável para DeepSeek Harness (DSH) Web: fork fiel do seletor nativo (Model/Effort, lista agrupada por provedor, esforço de raciocínio), com busca no topo que filtra enquanto você digita.

Define o esforço de raciocínio por modelo (off/minimal/low/medium/high/xhigh) para GPT, Codex, Gemini e modelos compatíveis com OpenAI. Instala uma ferramenta auxiliar, não um adaptador de runtime: no Windows, execute `enable-capabilities.ps1` uma vez por profile e reinicie; os níveis são declarados em `~/.dsh/settings.yaml`. Inclui script de desativação e backup para reverter.

Preset de delegação para subagents especialistas (orchestrator + 5 funções: oracle/designer/fixer/explorer/librarian), instalado no DSH home. Delegação priorizando segundo plano, modelos/esforço/permissões de ferramentas via JSON e MCP limitado à pesquisa.

Seletor de modelos aprimorado do DeepSeek Harness: seletor em um nível para modelo e esforço de raciocínio, 5 níveis Liang, aliases de modelo personalizados e contagem regressiva dos preços de pico/fora de pico.

Configura os recursos de entrada do modelo e o esforço de raciocínio para DeepSeek Harness.

Plugin de favoritos de modelos DSH: fixa favoritos no topo, identifica o provedor de modelos homônimos, oferece botões separados de modelo/nível de raciocínio e lembra o esforço por modelo.