Plugins

Memória associativa proativa para DSH: injeta recall sem prompt em uma fronteira fixa, com auto-consolidação em três camadas, cristalização de skills e gerenciamento de contexto no estilo Astra. Inclui livros de passagem e um quadro PLAN que sobrevivem a mudanças de janela de contexto, além de detecção de nível com uma janela de modelo autodetectada. Armazenamento local em Markdown, agnóstico ao modelo, zero dependências; piso lexical de 0 GB com camadas semânticas opcionais.

Memória de longo prazo curada e baseada em arquivos para o DeepSeek Harness — notas em markdown legíveis por humanos, um único repositório de arquivos de texto simples compartilhado entre hosts (ignorado pelo git quando reside dentro de um repositório de projeto) e um limite determinístico de índice imposto por ctx.tools.guard()

Rebobine a conversa e o estado do workspace, com um Change Ledger (registro de alterações) persistente.

Modo red team: indicar uma organização-alvo; uma sessão lança cinco papéis (reconhecimento, triagem de ativos, descoberta de vulnerabilidades, exploração, pivot interno), com concorrência configurável. A verificação prévia valida competências/recursos. Pontuação em quatro etapas (reconhecimento, Internet, fronteira, interno), limites no servidor e deduplicação pelo privilégio mais alto. Resultados em SQLite local. Consola lateral persistente de nove páginas: mapa de ativos, agentes, sessões/túneis, resultados, alvos, relatórios, base POC e biblioteca de competências. v0.15.2 adiciona registos HTTP de evidências/ações, ingestão em lote, controlo de âmbito, sonda de pivot por túnel, prova de dados, registo de limpeza e admissão T0-T3 contra desvios. 59 ferramentas redteam_*; 38 competências.

Memória de longo prazo para agentes DSH — memórias duráveis e inspecionáveis com ferramentas de recordação, busca, navegação e grafo de conhecimento, importação de dez outras ferramentas de codificação com IA e uma página de configurações.

A memória que sonha — memória entre sessões para o DeepSeek Harness: recorda você entre sessões, autoconsolida-se enquanto dorme (autoDream), congela memórias conflitantes para sua revisão e mantém uma trilha de auditoria reexecutável. Busca semântica local offline-first sobre SQLite com espelhos Markdown editáveis por humanos, um grafo de entidades, um painel de memória interativo, além de uma API externa e uma CLI.

A memória que sonha — memória entre sessões para o DeepSeek Harness: lembra de você entre sessões, autoconsolida enquanto dorme (autoDream), congela memórias conflitantes para sua revisão e mantém uma trilha de auditoria reproduzível. Busca semântica local offline-first sobre SQLite com espelhos Markdown editáveis por humanos, um grafo de entidades, um painel de memória interativo, além de API externa e CLI.

Plugin de memória DSH próprio: armazenamento persistente SQLite + guarda de auditoria em nível de banco (enforceAudit) + log de auditoria. Captura conhecimento automaticamente após as conversas, agentes recordam via memory_recall, com compartilhamento multiagente entre Claude Code/Codex/Cursor. Zero dependências externas.

Memória causal para dsh: uma ponte MCP stdio sem dependências que monta as 17 ferramentas do servidor causal-memory com nomes simples (sem prefixo mcp__) — arestas decisão → resultado com relações tipadas (caused / enabled / prevented) numa loja SQLite local que sobrevive à compactação — mais uma secção de prompt de sistema fixada. Requer o binário do servidor causal-memory no PATH (pip install causal-memory ou uma versão pré-compilada).

Cole um link; o agente lê. Xiaohongshu, Douyin, Bilibili, WeChat, artigos, PDFs e áudio viram Markdown citável para wiki/base de conhecimento. A/B exploratório de 60 turnos (limites de tempo diferentes, sem revisão humana da correção): leitura concluída 22%→92% (+70 pontos), timeouts 68%→0%, respostas com fato real da fonte 23%→82%. Em 123 links reais, 80% foram utilizáveis (93% das páginas que responderam); link inacessível é reportado em 26 s. Compatível com Codex, Claude Code e DSH.

Parte de desktop da extensão de navegador DSH multiplataforma: liga a extensão ao dsh, fornece ferramentas browser_* e reconhece imagens da página quando necessário. Estas são todas as opções de configuração.

Memória em grafo e grafo de tarefas descentralizados e prioritariamente offline para DSH, com fatos assinados, sincronização entre dispositivos e Mebular Console compartilhado integrado ao painel lateral. Requer um daemon Mebular em execução (app desktop Mebular ou mebular serve de @mebular/core); este plugin apenas conecta as ferramentas de memória e o painel Console.

Ponte compatível com OpenAI para usar no Midscene os modelos configurados no DeepSeek Harness. Em 127.0.0.1 (porta padrão 8787; escolhe uma livre se ocupada), encaminha chat completions com ou sem streaming à camada de modelos do host. Compatível com routing oficial DeepSeek, CodeBuddy, Codex e endpoints OpenAI/Anthropic personalizados. Credenciais ficam nos plugins provider; a ponte não as acessa. /v1/midscene-env cria quatro linhas MIDSCENE_MODEL_* inferindo a família. Registra sete skills de navegador, desktop, Android, iOS, HarmonyOS, E2E Vitest e referência Midscene; sem npx skills add. npm: dsh plugin --profile web add @tnnevol/dsh-midscene

Plugin de agente de fluxo de trabalho de engenharia harness/loop orientado por habilidades.

Leitura aprofundada de livros e artigos em cinco modos (rápido, profundo, mapa de conhecimento, Feynman, livro completo) com relatórios de afirmação-evidência-dados, mapas mentais Mermaid/XMind, comparação em lote, verificação prévia de orçamento, progresso transparente de tarefas em segundo plano e exportações em MD/HTML a partir de URLs, arquivos ou texto colado.

Configuração de esforço de raciocínio e modalidade de entrada por modelo para provedores terceiros: sugestões fundidas de uma base de conhecimento de modelos e evidência bruta do endpoint /models com rótulos de confiança, editadas dentro do card oficial da página Models.

A base de conhecimento de desenvolvimento de plugins DSH como habilidade de agente sob demanda: restrições oficiais, fluxos de trabalho de tarefas, referência de API e armadilhas da comunidade, instalada com o pacote para que o agente possa consultar enquanto constrói um plugin.

Motor de memória entre sessões para o DeepSeek Harness: armazenamento SQLite + espelho Markdown editável por humanos, consolidação autoDream, busca semântica offline (vetorização/reclassificação/clustering locais), linha do tempo de entidade-atributo, Sleep Mode, autoSummarize com modelo personalizado e 7 ferramentas de memória.

Pipeline de QA como 10 agent skills: análise de requisitos, estratégia de teste, escrita e revisão de casos, automação E2E (Playwright) e API, exploratório, escopo de regressão e análise de bugs, respaldado por uma base de conhecimento compartilhada com regras de formato, modelo de risco e validadores de schema.

Mascote flutuante de desktop DSH com 12 animações de estado autorais para requisições, ferramentas, compaction, arquivo e melhoria de prompts; ocupação de contexto ao vivo; um Razão Vitalícia persistente entre sessões; totais por provedor/modelo, tendências por hora e vistas de 7/30 dias; alternância de tema escuro/claro; estimativas de custo opcionais (desativadas por padrão) com editor visual de preços e alerta de orçamento mensal; importação ZIP de skins no lado do cliente; exportação de uso JSON/CSV; leituras de painel somente de snapshot com indexação incremental em segundo plano; e melhoria de prompts opt-in com pré-visualização editável e envio ao compositor DSH.

Memória Mebular, grafo de tarefas e console compartilhado para DeepSeek Harness.

Memória de longo prazo entre sessões em um banco SQLite local: dois escopos (usuário e projeto por origem Git), recuperação híbrida FTS5 + vetores locais combinada por RRF, uma etapa de evidências que exige uma avaliação explícita de suficiência, cadeias de auditoria de proveniência, revisão espaçada SM-2, destilação de consolidação e esquecimento por decaimento, além do painel Memory Palace com nove visões. 22 ferramentas de parâmetros restritos, sem serviço externo, API key ou Docker.

Lê em voz alta as respostas do assistente via Edge TTS gratuito ou seus próprios modelos de voz RVC: botões de leitura em voz alta + leitura automática, reprodução progressiva em blocos adaptativos (leituras longas sem interrupções), instalação de pacotes de voz com um clique a partir de um registro e um runtime RVC portátil.

Plugin de agente de workflow para engenharia de harness/loop orientado a skills.