Plugins

Ferramentas Tavily de busca, extração, mapa e crawl, com rotação de chaves, failover para HTTP 401/429/432/433 e balanceamento que limita requisições simultâneas por conta. Adiciona cartão de chave/uso em Plugins. Nunca substitui o web_search integrado.

Conecta a sua conta do GitHub aos agentes DSH a partir do botão GitHub do composer (OAuth device flow ou personal access token) e permite-lhes chamar a GitHub API através da ferramenta github_api.

Controle por rodada do nível de raciocínio (reasoning_effort) para DeepSeek Harness: Auto agenda low/high/max pelo histórico recente de tool calls, ou permite fixar um wire level (off/on/minimal/low/medium/high/xhigh/max), com mapeamento wire personalizado, proteção de capacidade por modelo e presets de janela de contexto (64K–1M); seu capability card por modelo funciona com [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (instalável pelo dsh-market) para testar raciocínio em gateways compatíveis com OpenAI (vLLM / LM Studio / self-hosted). O card escreve capacidades llm-pi-ai, o adapter controla o wire (compat.thinkingFormat) e o plugin mantém a lista de takeover.

Protocolo Agent2Agent v1.0 para DSH: execute um servidor A2A padrão para que outros agentes chamem esta instância, conecte-se a agentes A2A remotos como clientes e gira ambos a partir de uma página de definições visual.

Workspaces unificados: mescla vários diretórios em uma única sessão, gerencia uniões a partir de um painel de configurações e lê/grava arquivos membros via ferramentas uw_read/uw_write/uw_edit/uw_delete/uw_move.

Ferramenta de compreensão de vídeo de baixo custo: uma ferramenta video_understand transforma um link do Bilibili / BV / vídeo local em uma camada de informação AVIS (ASR + estrutura de cena + rastreamento de objetos + rótulos YOLO) e retorna resumo + Q&A. Roteamento dinâmico entre camadas orientado por perguntas (L0 ASR / L1 rastreamento de objetos / L2 VLM de keyframe), reutilização da camada semântica para perguntas repetidas, teto de orçamento por pergunta. Motor Python: a camada principal precisa de faster-whisper / opencv / yt-dlp (~200-300MB); a camada semântica opcional adiciona ~2GB de torch / transformers / ultralytics. Um doctor --fix incluído configura o venv e instala ambos.

Dá aos agentes DeepSeek Harness apenas de texto compreensão de vídeo: amostragem de quadros consciente da cena + VLM + transcrição ASR opcional fundidos em evidência da linha do tempo. / Plugin de compreensão de vídeo para modelos apenas de texto (amostragem de quadros consciente da cena + VLM + transcrição de voz opcional).

Repara sessões do DeepSeek Harness que se recusam a carregar, com uma sobreposição Session surgeon na barra lateral e reparo em simulação.

Compressão determinística de contexto para o dsh — zero chamadas ao LLM, poda baseada em regras que preserva textualmente caminhos, comandos, rastros de erro e tarefas pendentes. Comprime ~80k tokens para algumas centenas.

Bichinho de desktop desenhado a partir do contorno oficial da baleia, para o app desktop e a UI web: animações SVG e expressões faciais acompanham o estado do agente (pensando, trabalhando, concluído, erro, aguardando confirmação), e ele pode seguir outras sessões em execução com um selo de contagem; cutuque, arraste, balance até ele ficar tonto, achate-o contra a borda da tela ou passe o cursor sobre a cabeça para fazer carinho; 7 paletas, 4 tamanhos, sons sintetizados, sincronização com tema claro/escuro e uma prévia web jogável.

Executa testes isolados de instalação e smoke test para plugins DSH em perfis descartáveis, devolvendo registos estruturados de aprovação/reprovação e matrizes em lote sem tocar no seu perfil real.

Preset modo especialista DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordenador + 17 subagentes com delegação automática. Funções: taskboard (estados pending/ready/running/done/failed, DAG dependências, reivindicação atômica, retry, recuperação), portas qualidade (pipeline 5 etapas: requisitos, implementação, verificação, revisão, integração; 2 reelaborações), Five-Anchor (revisão/convergência/anti-deriva/colaboração/recursos), Near-distance (modelo identidade/tarefa/saída), divulgação progressiva (~28% economia tokens), persistência, barramento P2P, revisão cruzada, pool experiência, via rápida, auto-retry. 17 especialistas: dados, redação, jurídico, PM, frontend, UI/UX, arquiteto, social, growth, fin. quant., backend, DevOps, BD, QA, segurança.

Níveis de uso e cartões de estatísticas compartilháveis: 🐟→🐳 classificações por consumo mensal de tokens com percentil estimado calculado localmente, preços precisos para 46 modelos de 6 fornecedores (incluindo preços chineses por nível de tamanho), preenchimento retroativo de sessões pré-instalação e comparação antigo vs. novo após a mudança de tarifas de 2026-08-17. Apenas local, sem telemetria.

Espaço de trabalho visual de e-commerce em tela infinita para fotografia de produtos, prova virtual, edição de fundo e vídeo, sincronizado em tempo real com a conversa do Harness.

Auto-evolução: o agente monta/remove plugins persistentes em si mesmo a quente, no meio da sessão.

Conecta DSH a um nó anet local por cliente MCP stdio. Inclui 3 skills e 14 ferramentas para descobrir agentes na AgentNetwork, enviar/acompanhar/responder tarefas A2A criptografadas de ponta a ponta, pagar ou recusar skills pagas dentro dos limites do operador, ler a cadeia local de evidências e informar o estado do nó. Apenas Linux/macOS; requer nó anet 0.3.0+ em execução local.

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.

Documentos do projeto e memória de longo prazo como Markdown simples em um cofre Obsidian dedicado: seis ferramentas mem_* (search, read, write, log, brief, admin), uma injeção orçada de recordação no primeiro passo de uma sessão e destilação automática de turnos concluídos. O Obsidian não precisa estar em execução, e o cofre permanece legível com o plugin desinstalado.

Preset unificado e ancorado de agente para DeepSeek V4 Pro/Flash na API oficial e no opencode-go: bootstrap mínimo-exato de duas ferramentas na primeira requisição, caminhos Pro/Flash cientes do modelo e gerenciamento de catálogo ciente de época para estabilidade em sessões longas.

RAG de base de conhecimento de literatura local para o DSH: recuperação híbrida BM25 + vetorial em um índice SQLite, reranqueamento com cross-encoder, respostas citadas com proveniência em nível de seção e página, atualização somente de metadados e ingestão em segundo plano com acompanhamento de progresso.

Retrospectiva automática de sessão: após o fim de uma conversa, destila experiência útil em habilidades reutilizáveis na biblioteca de habilidades para o modelo chamar, com gatilhos acelerados por sinais, execuções manuais, um modo de aprovação e governança da biblioteca (arquivar/restaurar, nunca exclui diretamente).

Plugin em estágio inicial conectando o DeepSeek Harness a um servidor OwnDsh auto-hospedado implantado separadamente para identidade de equipe, controle de acesso a modelos, cotas e auditoria de uso.

Ferramentas de escrita que removem padrões com som de IA e correspondem à sua voz pessoal. 8 ferramentas determinísticas escaneiam texto, constroem uma impressão digital de estilo a partir das suas amostras e retornam briefs de reescrita.

Distintivo de quota no cabeçalho e separador de monitorização de utilização: saldo/quota restante e contagem decrescente para reposição por fornecedor, com pedidos, tokens (entrada/saída/leitura de cache/escrita de cache), taxa de acerto da cache, custo estimado e latência média monitorizados por sessão, fornecedor, modelo e cliente, armazenados localmente em SQLite com importação/exportação entre dispositivos.