Plugins

Compressão de diálogo in-loco por curva de esquecimento para DeepSeek Harness: turnos recentes permanecem verbatim, turnos médios são estruturalmente desidratados (sem LLM), turnos antigos se dobram em um par de resumos limitado — conversas ilimitadas em um orçamento de memória limitado.

Autoaperfeiçoamento noturno para seu agente DeepSeek Harness: colete sessões anteriores off-line, repita tarefas recorrentes com seu próprio orçamento de API e consolide habilidades validadas por trás de uma barreira de validação separada. Leva o mecanismo SkillOpt-Sleep de microsoft/SkillOpt ao dsh como ferramentas nativas e uma habilidade incluída — sem treinamento de pesos. Requer Python 3.10+ e o mecanismo SkillOpt-Sleep (pip install skillopt).

Padrões aprimorados de autocompactação para predefinições de agente do DeepSeek Harness: aplique com um único comando limites/presupostos de retenção ajustados e políticas por modelo, de forma idempotente, com backups e rollback.

Rastreador de custo de tokens para o DeepSeek Harness — acompanha o uso, calcula custos e emite avisos de orçamento

Despertares proativos em nível de host para DeepSeek Harness: deixa o modelo agendar seus próprios alarmes (único / intervalo / cron com jitter aleatório), acorda sessões frias na hora certa, restringe acompanhamentos iniciados pelo modelo com horários de silêncio e orçamento diário e recupera wake silencioso

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.

Ponte universal do Model Context Protocol (MCP) para o DeepSeek Harness: conecta agentes a servidores MCP stdio/sse/websocket com um motor de escala dormente de 10k, busca de ferramentas BM25 em submilissegundos, orçamento dinâmico de tokens e um dashboard de UI web em tempo real.

Ativações proativas em nível de host para o DeepSeek Harness: o modelo agenda os próprios alarmes (uma vez, intervalo ou cron, com jitter opcional), sessões frias são despertadas na hora via session resume, os follow-ups do modelo são limitados por horas de silêncio e um orçamento diário, e turnos de despertar silencioso terminam com proactive_reclaim e saem do contexto como lápides. Arquivos de agenda declarados sincronizam seus JSON com os alarmes do host por glob de forma idempotente; min_idle_seconds adia os despertares até a sessão de destino se acalmar, e um painel web gerencia alarmes e histórico — o motor de batimento para companheiros de IA e personagens de RPG com rotinas próprias.

Mescla o contexto de outras sessões no turno atual: resolução de conflitos ponderada por evidências, retratação de afirmações cujas premissas foram retratadas, rotulagem de confiança que resiste à injeção de prompts entre sessões, e empacotamento limitado por orçamento. Inclui um benchmark.

Due diligence pré-visita e pesquisa de empresas no DeepSeek Harness para verificação de antecedentes de clientes e briefings de risco, com aprovação de orçamento de chamadas de ferramentas MCP do Qichacha e confirmação de entidade.

Fusível de segurança de tokens totais por conversa para o DeepSeek Harness: instala um fusível de tokens em cada diálogo com a IA, com um orçamento total independente por mensagem do usuário que restringe de forma unificada entrada, cache, raciocínio e resposta, além de um slider whale e reinício automático na próxima mensagem do usuário.

Compressão de contexto baseada em AST, filtragem de logs de teste e guarda de orçamento de tokens para o DeepSeek Harness: remove sintaxe redundante, poda linhas de log ruidosas e impõe um teto de tokens para que a janela de contexto nunca transborde.

Painel de custos para DeepSeek Harness: mede cada solicitação a partir dos eventos de sessão, precifica-a em relação a um catálogo integrado de 136 modelos em 16 provedores e mostra o modelo atual, o saldo da conta, a sessão, os gastos de hoje e do mês, além de uma barra de orçamento mensal ao lado do compositor. Bilíngue zh/en.

Ferramentas Grafana só de leitura que consultam métricas através do proxy de fontes de dados: estado da instância, listagem de fontes de dados, consultas PromQL instantâneas e por intervalo, estado atual dos alertas e regras de alerta aprovisionadas. As consultas por intervalo são reduzidas a um orçamento de pontos; um step fornecido explicitamente que o excedesse é rejeitado em vez de alterado em silêncio, para que o modelo nunca receba dados com uma resolução que não pediu.

Resumes turns interrupted by a DSH host restart: hooks agent activation (once a session is live), reads the crash-repair turn/end, and sends a continuation that requires verifying real-world state first rather than assuming a side effect succeeded or failed. Permanent failures (AUTH, QUOTA, context overflow) are skipped, with a cross-restart budget, adaptive backoff and a minimal-context payload.

Panel to edit dsh's native AGENTS.md from the web settings page: every layer in the instruction chain is clickable, three activation scopes, and a visual budget meter.

Model-callable compact_agents tool that force-compacts context in every live session (main session, ordinary sub-agents and AgentTeams members alike), queues busy targets and compacts them when the turn ends, reports the shadowed node count and estimated tokens per target, and ships a browser form for the trigger ratio, retained ratio, controlled-phase output budget, auto-continue budget and an end-of-turn pre-compaction ratio that compacts near the trigger line once a turn ends, so a reply no longer opens with a wait for the summarizer.

Agent billing and usage observability for dsh web: session-log direct-scan recording (zstd, per-event timestamps, watermark + lastSeq double dedup), multi-account rate profiles per provider and model, per-window live badge reading the window session id via React fiber, full glassmorphism dashboard with 14-day sparkline, budget alerts, relay-station balance queries and a 332-model official price library.

Alibaba Bailian (DashScope) model catalog preset + auto-adapter for DeepSeek Harness — reasoning effort levels, thinking budgets, context windows, auto-adaptation of existing Bailian routes, a configurable context ceiling

Live token cost for every chat in the DSH Web UI: the chat, its subagents and the whole session tree, priced from a bundled models.dev snapshot of seven providers and 139 priced models, with cache read and write rates wherever the provider publishes them and DeepSeek from its own peak and off-peak table. Every finished answer carries its own price in the transcript, and a chat that is not currently open is priced from the log instead of disappearing. Spend is costed per interval from an append-only JSONL ledger in the project folder, so logged work keeps the tariff it was billed at. On top of it: budget-aware work plans packed against a money limit, routing scenarios that show which models are worth connecting, a generated plan document in English, Chinese or Russian, and a warning when spend belongs to no plan unit.

Tiered persistent memory (user/env/project) with per-tier char budgets and semantic query routing; full layers refuse writes instead of silently evicting.

Team cost captain: meters every model call (subagents included), attributes each call to a member by workspace rules, prices it with the built-in DeepSeek 2026-09 catalog (peak/off-peak, CNY/USD) or user overrides, and appends it to a local JSONL ledger. Adds hot-reloadable member budgets, 80%/100% webhook alerts, optional over-budget enforcement, a team_cost_report tool with CSV export, and a settings-page team dashboard served over a Typert RPC service.

Persistent project memory, event-sourced task lifecycle, context budgeting, and cooperative multi-agent handoffs.

Local token usage and cost dashboard for DeepSeek Harness: four-segment token breakdown (miss/cache-hit/cache-write/output), cache savings estimate against the miss/hit price gap, per-session drill-down with context-growth curves and anomaly flags, global filters with shareable URLs, monthly budget progress with month-end projection, and day/month aggregate fast-path queries (O(days)) with incremental rescan.