Plugins

Provedor nativo Rapid-MLX para DeepSeek Harness (dsh) — o dsh lê as informações do modelo do servidor em vez do seu settings.yaml.

Compressão automática de contexto para DeepSeek Harness: comprime saídas de ferramentas antes que cheguem ao modelo e mantém cada compressão com perda reversível por meio de ferramentas de recuperação CCR.

Seletor de modelos para o compositor DSH: mantém o botão e menu nativos e assume o controle apenas quando o pequeno menu suspenso abre. Pesquisa entre provedores, testa qualquer modelo com requisição real de streaming para medir TTFT e TPS e mostra ranking de até 100 linhas do catálogo OpenRouter; clicar em uma linha pesquisa canais locais com o mesmo nome.

Base de conhecimento em canvas na barra lateral direita: notas são nós e 9 ferramentas permitem ao modelo ler, escrever, vincular e remover. Nós podem conter imagens e documentos; a leitura retorna o texto e extrai arquivos Office no local, enquanto imagens podem ser enviadas como imagens.

Assistente de entrada DSH para prever a próxima mensagem, completar rascunhos e aprimorar/reescrever prompts. Sugestões são locais à sessão; Tab as insere no rascunho sem enviar. Requer modelo configurado; chamadas podem gerar custos. Código disponível; modificações exigem autorização prévia por escrito.

Persona e diário entre sessões para DeepSeek Harness. Um filtro local escolhe os turnos a lembrar; uma chamada adicional ao modelo cria um diário em primeira pessoa e uma impressão do usuário, cada um ligado ao momento específico. Conversas futuras recebem cerca de 2000 tokens de memória própria em três camadas: núcleo da persona, julgamentos escritos pelo modelo e diário. Uma ferramenta permite ao modelo registrar julgamentos com suas palavras. O plugin só lê o Markdown escrito pela pessoa. Pela barra lateral, é possível ler, esquecer ou exportar o arquivo; esquecer reduz a prioridade sem excluir, e uma forte correspondência temática pode recuperá-lo. Pasta local comum, editável e portátil. Segredos são removidos antes do envio. Sem dependências de runtime ou etapa de build.

Plugin de autenticação OAuth do Google Antigravity (agy) + acesso a modelos para o DeepSeek Harness: pool multiconta, rotação em erros 429, fingerprinting de dispositivo, login via CLI e web.

Loop de auto-refinamento contínuo: memória persistente, revisão e refinamento periódicos, conhecimento compartilhado entre sessões e rollback automático por meio de uma ferramenta harness_refine chamável pelo modelo.

Lê metadados PNG do ComfyUI pela ferramenta comfy_png_inspect disponível ao modelo. Ao receber um PNG ou uma pasta inteira de saídas, informa por imagem a cadeia de execução LoRA com cada valor de intensidade, configurações do sampler, modelo base, CLIP, VAE, tamanho latente, ambos os prompts e nós ignorados por bypass.

Adiciona modelos gratuitos do OpenCode Zen ao DeepSeek Harness como um único provider, usando um runtime OpenCode gerenciado e isolado. A página de configurações lista e testa cada modelo.

Traz os especialistas do app de desktop WorkBuddy para o DSH: um mercado na página de configurações varre em modo somente leitura o diretório local de especialistas do WorkBuddy (os especialistas ficam lá após você invocá-los no WorkBuddy) para navegação, busca e filtragem por categoria, com instalação em um clique (exportada para ~/.dsh/experts/ como role prompt + skills + avatar), atualização e desinstalação; uma cápsula seletora ao lado da caixa de entrada troca o especialista da sessão atual — substituindo em bloco o role prompt, as skills e uma lista de permissão de ferramentas opcional, mantendo todo o histórico da sessão, aplicada no próximo limite de requisição ao modelo.

Painel flutuante de uso do DeepSeek em estilo vidro macOS para a interface web DSH: saldo oficial ao vivo e uso de tokens (hoje, sessão, tendência suave de 24 h, por modelo) sem abrir platform.deepseek.com/usage. · Painel de uso DSH estilo vidro fosco: saldo oficial + uso de tokens

Reino de governança de agentes para o DeepSeek Harness: territórios, vinculações de função (bind/unbind/session com identidade de modelo/agente), e um ciclo de tarefas planejar→atribuir→executar→revisar em que as declarações do Worker nunca se autocompletam (Claim ≠ Fact), com um console de operações GUI local.

Controle remoto móvel via Telegram que conecta o telefone a uma sessão web ao vivo do DeepSeek Harness: seletor de workspace e depois sessão (/sessions), /last para a pergunta/resposta anterior, /model para trocar de modelo, e respostas nativas em mensagem rica.

Liang Saint Slider como seletor de modelo e nível de esforço de raciocínio do DeepSeek Harness.

Análise detalhada de uso e custo por modelo, com estatísticas de uso por sessão e consultas de uso para GLM, MiniMax, OpenCode Go, DeepSeek e mais.

Busca web agregada de várias fontes para DeepSeek Harness: substitui o web_search nativo por grounding do modelo e APIs de busca de agentes, com atribuição de fontes e cartões de citações detalhados.

Proteção contra loops para dsh: observa llm/stream, detecta e dispara novamente chamadas só de raciocínio ou material repetido e inclui dois interruptores durante o fluxo.

Gerenciador de modos personalizados e assistentes. Em Settings, cada modo recebe seu próprio prompt de sistema, salvo como arquivo comum que o agent loop relê antes de cada etapa do modelo; por isso, uma edição entra em vigor na próxima etapa, mesmo em uma sessão ativa. É possível começar pela composição oficial standard/PTC/minimal/Cordis, alternar individualmente as linhas de plugins montadas por cada modo e dar a ele o nome desejado. Vários assistentes com prompts próprios — para programação, conversa ou uma persona de interpretação de papéis (RP) — podem coexistir na mesma máquina e ser escolhidos a cada nova sessão. Linhas não alteradas permanecem idênticas byte a byte às fornecidas, inclusive nas condições de plataforma.

Provedor de modelos Kiro com início de sessão via Builder ID, Identity Center, Google, GitHub e importação de credenciais, atualização automática de tokens e perfis, uso da conta, descoberta de modelos em tempo real, esforços de raciocínio selecionáveis, chamadas de ferramentas em streaming, tratamento do motivo de parada do provedor e do estouro de contexto, e contabilização de tokens que usa os contadores exatos do Kiro quando ele os envia e, caso contrário, dimensiona a porcentagem de uso de contexto que envia pela janela anunciada do modelo.

Explorador de arquivos do projeto na coluna de detalhes (seleção múltipla, mover por arrastar, enviar, baixar, renomear, lixeira, abrir no sistema) com uma aba de pré-visualização somente leitura dentro da sessão para Markdown/HTML/JSON/CSV/notebook/PDF + realce de código, um selo de throughput do modelo em tempo real e uma GoalBar multilinha.

Skill de fluxo de trabalho de investigação AI-for-Science para DeepSeek Harness, dirigido a investigadores e estudantes de pós-graduação que usam IA agêntica: revisão de literatura multi-ângulo com ficheiros por ângulo, desenho de experiências com lista de ressalvas, leitura de figuras e artigos; cada tarefa devolve ficheiros mais um briefing de verificação cruzada para um segundo modelo. Zero dependências, MIT.

Analisa o uso entre modelos, provedores, espaços e períodos, com datas personalizadas sobre todo o histórico, cache-hit visível e detalhamentos por modelo e provedor. Inclui tendências horárias/diárias, mapa de calor de 53 semanas estilo GitHub, sequências, anéis de tokens por modelo e espaço (tokens, custo, %), filtros combináveis, eficiência de cache, saldo DeepSeek, aliases de espaços, exportação CSV e um livro-razão durável que preserva o uso após excluir a sessão ou o espaço (linha Deleted) e se reconstrói de forma incremental. O registro de espaços é atualizado via sonda DSH domain/changed; só espaços registrados contam. Contabilidade separada de entrada, cache e raciocínio. Chinês: hora local; inglês: UTC; API somente loopback.

Não é mais um plugin de memória: ODR é um ciclo de autoaperfeiçoamento em mundos evolutivos (Dream-RSI). As tentativas são registradas em uma Discovery Tree e, entre execuções, milhares de variantes de estratégia são reproduzidas nesse mundo. Uma estratégia, receita ou lição só é promovida após passar pela reprodução contrafactual, nunca apenas pela palavra do modelo; Sentinel controla chamadas de ferramentas antes de consumir o orçamento. O LLM permanece congelado. Instale pelo npm como dsh-open-dream-rsi.