Plugins

Infraestrutura de confiabilidade neutra em relação ao harness para agentes de codificação com IA: ações destrutivas reversíveis, redação antes da emissão, evidências de recuperação e um Decision Protocol compartilhado com adaptadores nativos opcionais.

Faça a IA lembrar como você pensa, não o que você disse: captura ativamente seus princípios, linhas vermelhas e hábitos de trabalho entre sessões, com capacidade de memória, decaimento gradual e justificativa legível por humanos para cada entrada. A 0.7.0 traz um retrato de persona intuitivo com rastreamento de evidências.

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).

Monitora lançamentos de DSH e plugins, retesta artefatos publicados exatos em runners descartáveis, publica evidências de compatibilidade legíveis por máquina e reconcilia problemas gerenciados após correções.

Busca na web multi-motor para agentes de programação — um núcleo SearchBoost (busca combinada, fetch, X) com adaptadores MCP (Cursor, Codex, Claude Code, Grok Build, Antigravity), extensão pi e bundle do DeepSeek Harness

Pontuação de qualidade multidimensional para plugins do DeepSeek Harness que avalia um repositório ou pacote npm em sucesso de instalação, atividade de manutenção, completude da documentação, varredura de segurança e conformidade com o protocolo usando evidências reais da CLI, e produz um relatório de ranking em JSON ou Markdown.

Scanner de segurança para plugins do DSH: análises estática e semântica do código-fonte do plugin, regras de superfície de ataque específicas do DSH, npm audit, varredura em lote e relatório HTML com severidade e evidências por achado.

Disciplina de execução modular de fronteira para DSH: roteamento baseado em evidências em 26 habilidades, planejamento de arquivos estilo Manus, gates de verificação, recuperação após sequências de falhas e um painel web interativo.

Controlador de autoevolução com prioridade em evidências: geração limitada de candidatos Cordis, admissão de Loader real de tentativa única, avaliação Harbor e uma linhagem journalizada retomável após falhas.

O pacote DeepSeek Harness registra uma habilidade que converte produção longa (artigos acadêmicos, análises setoriais, comentários empresariais) em pipeline de 9 papéis: scouts T1 literatura / T2 dados / T3 casos em paralelo, T4 analista, T5 redator, T6 companheiro crítico, T7 auditor, T8 finalizador, T9 revisor par executados pelo coordenador. Em 6 fases com verificação triangular de evidências, M-gate de 23 verificações, auditoria G0-G14 incluindo gate de rastreamento IA chinês, pontuação peer-review com correspondência de periódicos, e 4 checkpoints humanos. Instala com `dsh plugin add lunheng-article-pipeline` (package.json#dsh.bundle.patch mais lib/index.js); envia fichas de papel T1-T9, modelos e 11 scripts de verificação sem dependências, com READMEs em cinco idiomas.

Visão para o DeepSeek somente-texto via Doubao Web por padrão (sem custo, sem chave de API — controla seu Chrome logado por meio de uma ponte CDP do Windows), com cota do Antigravity IDE (flash/pro) ou fallback para o Gemini; escalonamento automático de detalhe, memória de evidências visuais com reidratação após compactação, cache por hash de conteúdo e um painel de cliente bilíngue.

Inspetor baseado em evidências para os recursos nativos do DSH Web: proveniência de runtime/configuração, diagnósticos de compatibilidade e desvio (drift), além de controles fail-closed para nove folhas de UI revisadas.

Enxames de IA baseados em papéis para DeepSeek Harness: um arquiteto planeja, construtores paralelos executam, revisores controlam a qualidade e um integrador entrega. Fixação de modelos por papel com cadeias de fallback, loops de revisão, contratos de evidência, revisões com gate humano, pausa/retomada ciente de cota e um kanban ao vivo + fluxograma na GUI web. 40 testes; instala a partir do GitHub ou npm.

Adiciona leitura local de PDF, uma biblioteca durável de artigos, registros de evidências rastreáveis e ferramentas de comparação e síntese entre artigos.

Plugin de verificação de metas baseado em evidências para DeepSeek Harness. Bloqueia metas com /ultragoal e verifica a conclusão com base nos códigos de saída de comandos e artefatos gerados, impedindo que o modelo relate falsamente a conclusão da tarefa.

Um enxame governado de seis agentes especializados DSH — orquestrador, planejador, ponte para base de conhecimento, desenvolvedor e dois revisores — transforma um requisito em um pipeline rígido de fases em que cada entrega precisa provar-se com evidências estruturadas antes que a próxima fase possa começar; os revisores são somente leitura, merges de código só após uma passagem de revisão, e um log de eventos apenas de acréscimo fornece replay completo e auditoria em um quadro kanban ao vivo. Seu design se inspira no kanban do Hermes Agent.

Captura automática sem LLM e um índice simbólico \[ENGRAM\] com divulgação progressiva, um protocolo de tarefa/evidência ESR-lite (esr_task / esr_node / esr_close / esr_link) e telemetria de uso por workspace com um benchmark offline de recordação (npm run eval).

Memória de grafo local em pré-visualização técnica para DSH e Codex: recorda evidências globais do proprietário e do projeto atual antes de cada turno, escreve registros de USER e ASSISTANT separadamente e preserva a proveniência de projeto, sessão, ator e fonte para um atlas visual e páginas de conhecimento citadas.

Memória de grafo local em pré-visualização técnica para DSH e Codex: recupera evidências globais do proprietário e do projeto atual antes de cada turno, grava registros de USER e ASSISTANT separadamente, e preserva a proveniência de projeto, sessão, ator e fonte para um atlas visual e páginas de conhecimento citadas.

Portão de conclusão com evidência em primeiro lugar: cruza afirmações de primeira mão com um índice durável de atividade de ferramentas por sessão, bloqueia suposições não verificadas e acompanha métricas de bloqueados versus convertidos.

Revisão de trajetória somente leitura em uma barra lateral de conversa redimensionável, com análise de regras, explicações opcionais do modelo, navegação por evidências e comparação de execuções da mesma faixa.

Agent Experience Network local-first para DeepSeek Harness, destilando experiências em nível de tarefa a partir de traces e manifests ao vivo, classificando por evidência H0-H4, descobrindo por compatibilidade e promovendo somente após revisão explícita.

Captura de tela sem dependências para DSH: Lightweight — zero dependências, zero binários; Stage & shoot — tela cheia, layout de janelas e captura hover-snap de janelas ocluídas com um clique; autoatendimento do agente — entrega apenas por caminho; os caminhos são universais, combine com modlens (opcional) para evidências estruturadas em uma chamada.

Plugin de aprimoramento do DSH Desktop: fatos verificáveis na mesa. Restrições entram só quando relevantes; injeção em camadas (estável no system prompt, volátil em snapshot de cauda) com cache de prompt válido. Disciplina: cada turno é classificado (pergunta/pesquisa/discussão/diagnóstico/execução) — sem editar arquivos em perguntas nem corrigir o não pedido em diagnóstico; citações de código não aberto e afirmações sobre símbolos não vistos são sinalizadas. Memória: avisos em 75%/90% de contexto, recap exportável e conhecimento de projeto por diretório. Artefatos: contrato de tarefa, registros de mudanças e hipóteses com portão de evidências, decisões de design. Dashboard: roteamento e blocos em lume-metrics.jsonl via lume_metrics; personas destiladas de chats, romances ou fichas.