Plugins

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

Assume a caixa de entrada web do DSH (v0.3.0-beta.4 · pacote de capacidades para tarefas complexas: 3D / normais / interação / dados / concorrência / detalhes de desempenho verificados ponto a ponto + aceitação automatizável + bilíngue chinês-inglês · aplicável a dsh-0.1.6-alpha.1): antes do envio, uma IA independente (mensageira) otimiza o prompt em um comando pronto para a IA de trabalho (quatro intensidades, comprimento do fluxo conforme a dificuldade, isolamento por sessão, mini janela minimalista).

Adiciona /pua para orientar o agente a tentar outra abordagem e verificar os resultados antes de declarar a conclusão, com 15 estilos de empresa, modos de persona, configurações globais e por conversa, e um loop opcional que continua até um comando de verificação passar, o limite de iterações ser atingido ou o usuário cancelar.

Bancada para problemas de engenharia e matemática, com nove ferramentas para ler imagens, resolver, plotar e verificar respostas, além de quatro skills incluídos. Requer Python com numpy e Pillow. A leitura de imagens, a verificação de figuras e a composição de fórmulas dependem de um provedor de visão com chave configurada; as imagens são enviadas a ele. Sem chave, esses recursos falham, mas os outros continuam funcionando.

Preset de agente Multitask em que a conversa principal apenas planeja, orienta subagentes e resume resultados; leitura de arquivos, comandos, busca e builds ocorrem nos contextos dos subagentes. Quatro tipos de workers, aprovação para operações perigosas e nenhuma mudança no código-fonte do DSH.

Adapter de terceiros que registra o servidor MCP upstream REA (Reverse Engineer Anything) no DeepSeek Harness como ferramentas mcp__rea__*. A versão 2.x fornece runtime próprio (Node, REA CLI, JDK, Ghidra) em <DSH_HOME>/plugins/rea-bundle e inicia REA por shim; após uma configuração, funciona mesmo sem pré-instalação. A 1.x (branch v1, npm 1.0.6) só configura e espera REA/Ghidra já instalados. A análise é do upstream: binários nativos (Hopper/Ghidra/IDA), apps JavaScript/Electron, assemblies .NET, sites, APK Android e dispositivos adb, firmware e capturas de processos.

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.

Instala uma predefinição de escrita de romances multiagente para o DeepSeek Harness: um agente condutor distribui o trabalho para cinco subagentes especializados — construção de mundo, enredo, gerenciamento de personagens, redação da prosa e revisão de qualidade.

Plugin DeepSeek Harness que porta o lazy senior mode e a escada de 7 níveis de DietrichGebert/ponytail. São 6 skills com descrições bilíngues e controles individuais; zero ferramentas e zero cache miss.

Adiciona um botão de otimização ao lado do composer que analisa e reescreve o rascunho de prompt com streaming SSE, consciência de contexto de conversa (estratégias template vs intent-polish), uma cadeia de memória de continuidade de edição, undo, e roteamento de modelo com fallback e um teste de conectividade.

Melhoria de prompt com um clique no compositor — reescreve o rascunho num prompt estruturado (função e objetivo, passos executáveis, formato de saída, critérios de aceitação, casos limite) com pré-visualização antes/depois, reposição no campo e desfazer. Nunca altera a intenção, nunca inventa requisitos.

Plugin DeepSeek Harness com 15 skills de engenharia e produtividade de obra/superpowers, descrições bilíngues e ativação individual de cada skill.

Sistema disciplinado de fluxo de engenharia para agentes de programação com IA: planejamento, TDD, ciclos de correção automática, grafos de conhecimento do código e execução em ondas multiagente. Requer codebase-memory-mcp (pip install "codebase-memory-mcp>=0.10.8,<0.11.0"); sem ele, /scan para.

Memória de longo prazo para DSH: conversas destiladas automaticamente em fatos atômicos, resumos de cena e um perfil de persona, com memórias relevantes injetadas antes de cada etapa do modelo. Zero configuração, pronto para uso — recuperação híbrida BM25 + vetorial, embeddings locais offline opcionais, separação de famílias chat/trabalho.

Painel de anatomia para os órgãos do Agent-Body: serve um painel de sinais vitais ao vivo em /anatomy dentro do próprio harness — órgãos, batimento, livro-razão de cura, contadores de auto-treinamento e o fluxo de pulso real — lido diretamente dos arquivos de runtime em vez de redigitado. Somente host, sem bundle de cliente e sem etapa de build.

Motor de contexto Zero-residence: payloads grandes de ferramentas são removidos do contexto ativo para um armazenamento consultável e apenas ponteiros determinísticos permanecem, de modo que os tokens de prompt por turno deixam de crescer com a transcrição. Qualquer conteúdo mascarado é reconstruído literalmente a partir do log da sessão sob demanda, por id de chamada de ferramenta ou seq de sessão.

Núcleo de órgãos do Agent-Body: plugins organizados como um único corpo. Cada comando vira um impulso nervoso que inerva de forma determinística o órgão competente e nomeia a capacidade a usar; um batimento de intervalo variável bombeia diretivas do operador, propriocepção e avisos de homeostase pelo sistema; arcos reflexos disparam sem chamada ao modelo; falhas seguem atribuição determinística (ferramenta, argumentos, permissão, timeout, rede), prescrição e laço de reverificação, e erros de argumento nunca são repetidos. Um órgão ausente é compensado pelo de maior sobreposição de capacidades, e os esquemas de ferramentas são filtrados pela intenção atual (redução medida de 84,7%, reproduzível no repositório). É o pacote de plugins do núcleo no repositório agent-body.

Fluxos de trabalho de engenharia predefinidos para o DeepSeek Harness: uma ferramenta dev_task que controla transições de estágio, artefatos, verificação, revisão e escopo de commit, além de um ambiente web de trabalho para instalar skills e regras de projeto ou de usuário.

O órgão de memória do Agent-Body: após 2 minutos de silêncio entra em sono leve e após 5 em sono profundo, onde regras determinísticas destilam a experiência real em cartões de memória (armadilhas, playbooks, pontos quentes, problemas não resolvidos, fatos). Comandos recebidos recuperam cartões relacionados por palavra-chave e os injetam no contexto; cartões sem uso decaem numa meia-vida e são arquivados em vez de excluídos. Também remove o ruído dos avisos de homeostase de todo o corpo: repetições dentro de uma janela são contadas em vez de reimpressas, e um aviso que se repete sem nunca sarar converge para um desvio de estado estacionário conhecido e silencia. A consolidação e a recordação não fazem chamadas ao modelo.

Rastreador inteligente nativo de IA e plataforma de engenharia reversa de JavaScript, baseado em DSH, Patchright/CDP e um runtime semântico independente, que recupera a lógica de geração de parâmetros a partir de evidências do navegador e entrega um solver verificável.

OMK — Observe. Measure. Know. Mudanças de conhecimento respaldadas por evidências para aplicações de IA.

Skill de fluxo de trabalho de investigação AI-for-Science para DeepSeek Harness, dirigido a investigadores e estudantes de pós-graduação que usam IA agêntica: revisão de literatura multi-ângulo com ficheiros por ângulo, desenho de experiências com lista de ressalvas, leitura de figuras e artigos; cada tarefa devolve ficheiros mais um briefing de verificação cruzada para um segundo modelo. Zero dependências, MIT.

Motor cron residente no host com um painel web de tarefas e uma ferramenta timer_agent: dispara sessões reais do agente conforme o agendamento, continuando uma sessão fixada para contexto ou iniciando novas em um espaço de trabalho do projeto escolhido.