Plugins

Traz as skills e a configuração do Pi Agent para o DeepSeek Harness

Um orquestrador de tarefas multiprovedor compatível com Symphony e um dashboard para o DeepSeek Harness

Um plugin de meta-agente nativo do modelo para o DeepSeek Harness: o modelo sintetiza workflows específicos da tarefa em tempo de execução a partir de cinco padrões de workflow agêntico (encadeamento de prompts, workers paralelos, roteador, supervisor, ciclo de avaliação) e coordena ferramentas e subagent

Extensão de assistente de aprendizagem para o DeepSeek Harness (dsh): tutoria DeepTutor para seu agente — explicações aprofundadas, perguntas de autoavaliação, trilhas de aprendizagem, busca em base de conhecimento pessoal (RAG) e arquivamento de notas (HTTP/WS primeiro, fallback CLI; adapta automaticamente local/r

Observabilidade Langfuse para o DeepSeek Harness: exporta logs de sessão como traces OpenTelemetry (convenções semânticas GenAI) para o endpoint OTLP do Langfuse

Camada de compatibilidade com o Claude Code para o DeepSeek Harness: carrega skills/comandos/agents .claude e instala plugins de marketplaces do Claude Code como skills nativas do dsh

Geração estável e editável de PPTX para agentes de IA — entrada em IR semântica, saída em DrawingML nativo

Bancada de trabalho de desktop autoeditável para o DeepSeek Harness: uma réplica completa do dsh web com um modo de edição em que o agente modifica a própria bancada (camadas de patch, plugins, UI) com hot reload

Revisão interativa nativa de diffs do Git para o DeepSeek Harness, com anotações estruturadas enviadas de volta para a sessão de Agente atual

Gerenciamento de orçamento de tokens para a árvore de agentes

Verifica skills e configurações MCP em busca de injeção de prompt, homóglifos, Unicode oculto, comandos de shell perigosos e vazamento de credenciais

Ferramentas somente leitura de informações do dispositivo Windows: uma ferramenta de agente por categoria de dispositivo Win32 (hora, sistema, cpu, memória, disco, gpu, rede, bateria, processos, usb, áudio, impressoras) via coletores WMI/CIM e Node os

Substituições por chamada de modelo, provedor, persona e toolFilter para delegação a subagentes, com referências @preset: e ids compostos de provedor/modelo

Descoberta de ferramentas sob demanda por agente e divulgação progressiva de esquemas

Coloca o .pack.json/.pack.zip do projeto em .agent-pack/modpacks/ e expõe as skills através de uma lista de permissões do workspace

Traga sua biblioteca existente de Agent Skills (SKILL.md) para o DSH: descubra skills nos caminhos do Claude/Codex/Cursor/Gemini, injete um índice de divulgação progressiva e carregue os conteúdos sob demanda

Scanner local seguro para privacidade dos metadados de sessão/workflow do Codex, Claude Code, WorkBuddy e CodeBuddy; persiste evidências agregadas e recomenda presets de agente embutidos do DSH, sem reter conteúdo, usar a rede ou alterar presets

Memória entre sessões com escopo por projeto: snapshot do PROJECT.md injetado na primeira mensagem do usuário, ferramenta memory_remember e autorreflexão após tarefas ReAct; cada projeto mantém seu próprio arquivo de memória

Memória citável sobre o log de sessão sem perdas do DSH: fatos destilados carregam citações `(sessionId, eventRange)` que se expandem de volta ao trecho exato do log original

Deep-collaboration writing agent for DSH: per-user writing-style learning from edit pairs, clarify→outline→section-writing→red-team→reader-gallery flow, project-to-report synthesis (lab report / product intro / survey / README), 41 MCP tools, and web selection-improve UI with in-app file preview.

Drive Origin scientific plotting from DeepSeek Harness AI chat via MCP: write data, plot line/scatter/column, export PNG/SVG.

Falsification-driven correction loop for agent sessions: risky work commits an evidence-checkable claim first, deterministic gates verify it, falsified claims force mutually exclusive replacement hypotheses with discriminating experiments, and every event lands in an append-only evidence ledger.

Pre-flight plugin-library check for DSH agents: task-type requests trigger a Top-K hint of suitable plugins with use_when/not_for capability declarations, making plugin usage predictable instead of opportunistic.

Per-file-type multimodal chains: preset processing models per wildcard convert image/video/audio files into prompt tokens before they reach the text-only session model, with per-preset fallback chains and a Multimodal settings page.