Plugins
Navegue, filtre e instale plugins do DeepSeek-Harness.
51 plugins encontrados
DLR (dsh-tsm-agent)
ljwzhaoxiaoniu/dlr
Monta o serviço semântico tsm-core-dlr (vetores + grafo LanceDB) como ferramentas MCP e inclui skill DLR/TSM independente de cenário, status e regras. Dependência obrigatória, deve estar rodando antes de ativar o bundle.
dsh-jev-verify
xienda/dsh-jev-verify
v0.8.6 corrige falha de inicialização: runtime Host é peer opcional, não dependência instalada. TypeSafe Jev/System One oferece 7 ferramentas: `jev_decision` (1–25 vereditos tipados paralelos, sem prosa), `jev_choose` (ordena 2–10 opções), `jev_batch` (1–20 textos, 1–5 julgamentos, uma chamada real por texto com concorrência limitada; erros brutos, sem adivinhação), `jev_usage`, `jev_overview`, `jev_guard_status`, `jev_verify` (26/27 no benchmark fixo de 27 perguntas, concorrência 6). Ledger persistente padrão: `$DSH_HOME/jev-usage.json`. Remaining=`quota.declaredBalanceUsd` menos gasto local desde `quota.balanceSince`; não há endpoint de saldo nem valor inventado. Sem API key: erro explícito; falhas isoladas por superfície. Cliente após refresh; servidor após reiniciar Host.
novelAssist-dsh (plugin)
fenghuolinshan/novelassist-dsh
Plugin para escrita de romances longos: cada livro é um repositório Git de arquivos com frontmatter, com 39 ferramentas de domínio DSH e UI web de escrita. A importação profunda cria rascunhos candidatos; adotar propostas da IA como ativos canônicos requer aprovação do DSH. Verificações determinísticas de continuidade e benchmark somente de relatório. OSS independente (MIT), não é produto oficial da DeepSeek. Requer Node >= 24.11.0 e atualmente visa DSH 0.1.2-rc.1.
neoxider-mcp-hub
neoxider/neoxider-mcp-hub
Uma ferramenta MCP em vez de todos os esquemas: broker de capacidades sob demanda que reduz em 94,4% o contexto residente de ferramentas, conforme a medição indicada. Pesquise, inspecione, habilite e chame servidores MCP e Skills quando necessário.
dsh-plugin-compare
yminghua/dsh-plugin-compare
Compara sessões DSH existentes ou executa testes A/B controlados entre predefinições de agentes, exibindo linhas do tempo alinhadas, diferenças de métricas em pares, verificações explícitas de sucesso e relatórios exportáveis.
dsh-pianist
laplace-bit/dsh-pianist
Plugin de piano: peça ao agente para tocar uma música e ela será renderizada em um piano de cauda Canvas2D com amostras reais Salamander Grand, palco imersivo e teclado interativo de 88 teclas.
dsh-experience-library
libiwolve/dsh-experience-library
Camada de validação de experiência para DSH: coleta sem tokens de sinais de falha de ferramenta/nova tentativa/busca, refinamento por IA em livros de habilidades verificados (verificação em três camadas), consultados no início da tarefa. Inclui 10 habilidades de teste e dados de benchmark (sucesso em tarefas complexas 100% vs 60% sem o plugin).
dsh-model-speedtest
hongcha-dsh/dsh-model-speedtest
Runs N serial speedtest rounds in one unchanged environment from the plugin detail page, then reports per-round tables with median, min, max and MAD, and keeps each batch as an archive that can be renamed or deleted.
dsh-model-radar
chip-g0202/dsh-model-radar
Runs a four-task, 150-point model intelligence benchmark inside DeepSeek Harness (Qin 60, Pompeii 45, Pelican 22.5, Candy 22.5): each selected model × reasoning-effort pair executes every task in its own isolated subagent session, Qin and Pelican are graded by the selected judge model against rubrics, Pompeii and Candy programmatically, and batches keep scores, artifacts and cost. Adds a 0–1000 real-world performance score per model × effort computed from local session logs across seven dimensions (output speed, first-token latency, reasoning speed, tool cadence, tool latency, tool success rate, cache hit), with baseline deltas and controlled speed runs, plus a sidebar page with ranking, performance, history and settings views. Each batch spends real tokens of the candidate and judge models, and candidate subagents get file and bash tools inside an isolated run directory.
dsh-ai-research
fomalhaut1998/dsh-ai-research
DeepSeek Harness plugin: AI research toolkit — model release radar, model benchmark & community report, and AI news digest (4 tools + 3 skills).
dsh-compress-bench
dingchenhui0618-arch/dsh-compress-bench
A local mirrored A/B benchmark for context compression, not another compressor. It runs one fixed read-only scenario twice with the same model and temperature — compression off, then on — and reports input tokens, turns, tool-call success, fact coverage, answer similarity and a per-line diff, with JSON, a self-contained SVG and raw warnings. 18 node --test tests, zero dependencies. The first measured run: 63,029 → 6,927 locally estimated input tokens (−89.0%), 3 → 3 turns, facts 3/3 → 3/3, answer similarity 1.00 on one sample.
dsh-plugin-devicex
cfour-hi/dsh-plugin-devicex
Device inspector and control panel for macOS and Windows that shows hardware, system, software, network, security and processes on one sidebar page and applies 19 whitelisted actions, with a confirmable cleanup scan, a repeatable benchmark and device_info, device_control and device_benchmark tools for the agent.
dsh-cache-probe
xymy666/dsh-cache-probe
Channel test page for any configured provider/model: multi-round prompt-cache hit rate, streaming TTFT and tok/s, and a pelican SVG test.
dsh-eval-pack
perrylink/dsh-eval-pack
Public/synthetic eval-pack lint and deterministic JSON grader; not a validated benchmark.
dsh-science-legion
lengrufeng2008/dsh-science-legion
Bundle de skills para campanhas científicas multiagente em níveis nas áreas de matemática, física, astronomia, engenharia e evidências biomédicas: quadro compartilhado, verificador independente e red team, táticas de matilha e flanqueamento, orçamentos de tokens e tempo, avaliações com respostas conhecidas, piloto do pêndulo com 4 agentes e piloto de quarta ordem com 6 agentes que detectou e corrigiu um erro no gabarito do benchmark. Não afirma resolver problemas em aberto.
dsh-provider-card-release
fallenwings27/dsh-provider-card-release
Ao trocar de modelo, mostra um cartão de entrada ao lado do composer com nome, seis eixos avaliados (inteligência, código, velocidade, estabilidade, custo, contexto), dica de cota e fala. São 23 cartões selecionados para 15 providers; outros usam dados de benchmarks públicos ou um cartão genérico sem dados. Plugin web sem dependências ou hooks.
dsh-eval-harness (dsh-eval-harness)
leogoat2004/dsh-eval-harness
Plugin de avaliação diagnóstica para DeepSeek Harness: congela a configuração Harness confirmada, executa um benchmark, mantém o trace completo da sessão e atribui falhas ao modelo, Harness, benchmark ou ambiente.
dsh-model-deploy
ethanrise/dsh-model-deploy
Inspeciona I/O, shapes, opset, operadores e tamanho ONNX; mede com ONNX Runtime local ou via SSH. Relata latência média/P50/P95/P99, FPS e provider real, com gates PASS/FAIL para FPS/P95/tamanho. Requer Python 3.10+, numpy, onnx, onnxruntime, psutil; remoto: python3/numpy/onnxruntime.
dsh-ai-research (dsh-ai-research)
fomalhaut1998/dsh-ai-research
Kit de pesquisa de IA para DSH: radar de lançamentos, benchmark e relatório comunitário por modelo com 13 leaderboards estruturados e discussões chinesas/inglesas, além de radar de notícias com 46 feeds e 22 contas X oficiais. Registra quatro ferramentas e três skills; relatórios Markdown com índice.
dsh-engramory-recall
yffo/dsh-engramory-recall
Recuperação automática BM25 local, proteção de escrita fail-closed, doctor estático e painel para armazenamento Markdown Engramory. Sem rede, daemon ou chamadas ao modelo sem opt-in; qualidade medida por benchmark reproduzível do repositório.
dsh-plugins
hj01857655/dsh-plugins
Memória entre sessões para o agente dsh: lembra, recupera e verifica novamente em vez de presumir.
dsh-session-eval
kittimzhe/dsh-session-eval
Avaliação retrospectiva de sessões de agentes: gera cartões de avaliação determinísticos e diferenças de regressão entre sessões a partir de logs persistidos. Sem executar benchmarks ou usar avaliadores LLM.
dsh-model-arena
hj01857655/dsh-model-arena
Executa o mesmo prompt em todos os modelos disponíveis para comparar facilmente as diferenças.
dsh-livebench-panel
vithrive/dsh-livebench-panel
Plugin web DSH: adiciona uma aba LiveBench à visualização Trajectory, à direita de 对话/轨迹. Avalia todos os modelos configurados no DeepSeek Harness; selecione provedor/modelo, categoria, tarefa, release e intervalo de perguntas nos menus e acompanhe o progresso.