Plugins

Plugin cognitivo inspirado no cérebro: memória episódica, semântica, procedural e emocional com sinais de aprendizado por reforço, uma pilha de objetivos com gatilhos temporais, pesquisa autônoma na Web orientada pela curiosidade e iniciativas proativas.

Guarda de endurecimento para mcp__omni__parse no DeepSeek Harness: um listener tools/pre-execute que nega URLs de hosts privados/reservados (SSRF), impõe uma allow-list ou ask (consentimento) e é fail-closed quando allowedRoots está vazio.

Concorrência de geração por provedor/modelo, com um cartão de configurações: um limite de quantas sessões podem transmitir ao mesmo tempo, aplicado no stream e novamente no spawn de subagente, onde um fan-out além do limite espera em uma fila FIFO em vez de falhar.

Conjunto de disciplina de execução para o DSH com interceptação de tentativas idênticas, reflexão forçada, aplicação de todo, deduplicação de memória e promoção de experiência a habilidade (11 plugins + 6 habilidades).

Traz ao DSH o fluxo executor/consultor do pi-advisor-flow. O executor chama ask_advisor em decisões importantes, após falhas repetidas e antes de concluir. Chamadas equivalentes repetidas são interceptadas antes da execução, e o consultor decide proceed/revise/blocked (prosseguir, revisar ou bloquear). hard mode exige revisão antes do fim de cada turno. Inclui registro de tokens e custos por chamada, /advisor status, níveis de privacidade para contexto do repositório e arquivos, ocultação de seis formatos de segredo e cartão de configurações na Web. Falhas do consultor não interrompem o ciclo principal.

Expõe a GUI web do DSH somente a um intervalo CIDR escolhido (Tailscale por padrão), em vez de vincular a 0.0.0.0: o proxy escuta em endereços desse intervalo e rejeita pares externos. Os clientes entram por uma URL com token ou um código de acesso alfanumérico de 4 a 12 caracteres. As páginas remotas podem ser forçadas ao layout de celular sem alterar a interface local; aparência oficial, tamanho da fonte, histórico da conversa, visualização de código e configurações de desempenho podem ser salvos na configuração do plugin e reaplicados a cada carregamento remoto.

Assume o controle do limite de compactação em todos os mecanismos montados: fixa headroomTokens em -1e6 para que ratio seja o único termo do gatilho, mantém a retenção abaixo dele em todo caminho de gravação e redireciona a chamada de compactação para o modelo escolhido. Adiciona um painel com botão de compactação em um clique e registro por sessão.

Painel de banco de dados para DeepSeek Harness: conecta SQLite, MySQL/MariaDB, PostgreSQL, SQL Server, MongoDB, ClickHouse, Redis, Elasticsearch e Qdrant. Permite explorar esquemas e dados, editar células, inserir linhas, criar/excluir tabelas, executar SQL, importar/exportar CSV/JSON/SQL/Markdown e desenhar diagramas E-R editáveis. Conexões somente leitura aplicam listas de permissão por instrução; ferramentas de agente são somente leitura por padrão e escrita exige opt-in explícito. Toda escrita, inclusive tentativa recusada, fica em log auditável. Inclui servidor MCP stdio para clientes externos com as mesmas conexões.

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.

Skill para relatórios de pesquisa sobre indústria e tecnologia chinesas, com pipeline DOCX offline `build_docx.py`. Exige 9 capítulos, cronologia em linguagem simples (Section 2.1), critérios de gargalos técnicos em 5 dimensões e trade-offs de custo/compensação Make-vs-Buy. Valida com `check_threads.py` e gera `.docx` com sumário automático de 3 níveis. Requer Python 3.9+ e lxml.

Descobre arquivos de regras de todas as convenções aceitas pelo OMP e os injeta no prompt do sistema como camada sempre aplicada e índice do livro de regras. Regras em fluxo podem interromper uma saída infratora durante o turno, negar uma chamada de ferramenta, inserir um lembrete no resultado ou consultar um modelo avaliador sobre a resposta concluída. A mesma ferramenta permite que o modelo crie regras; um painel de auditoria em Plugins explica por que cada regra está ativa.

Guarda de disciplina do agente para DeepSeek Harness: quatro portões aplicados na fronteira do harness — disjuntor de loop, fusível de custo de tokens, aviso de troca de rota, aprovação de plano — onde lembretes no nível do prompt não chegam, para que um agente não possa mais queimar uma cota semanal em minutos; chip 🛡 de um clique, limites recarregáveis a quente e predefinições de invisível-mas-blindado a apenas aviso.

Plugin DeepSeek Harness que detecta o gerenciador de pacotes errado para o repositório (npm install em um projeto pnpm, pip install em um projeto uv/poetry etc.) e fornece ao modelo o comando exato correto.

Pesquisa, pré-visualiza e instala Agent Skills públicos na interface web do DSH. Reúne cinco fontes: claudeskills.info, skillsmp.com, a lista awesome-claude-skills, o repositório oficial anthropics/skills e pacotes dos plugins DSH instalados. Fixa a instalação a um commit, não a uma branch, para instalar a versão pré-visualizada; mostra procedência, verifica atualizações da árvore inteira e oferece lixeira em vez de excluir. Antes de gravar, valida nome e frontmatter pelas regras internas do Harness, avisa sobre arquivos citados por SKILL.md que faltaram e downloads parciais. Se o nome já existir, oferece overwrite/rename/skip.

Agrupa o seletor de modelos do DSH por provider e mostra fontes e quantidades. Por padrão, hover abre o painel lateral; no modo painel, um clique o abre. Dois cliques no título alternam hover → panel → inline (expandido abaixo do título); o modelo ativo permanece visível. É uma melhoria apenas de DOM: monta o painel do plugin em body e seleciona clicando nos botões reais do menu, sem mover nem remover nós gerenciados pelo React. Usa tokens oficiais --dsw-*, fundo opaco, contraste adequado e dimensões/cores compartilhadas. Sem rede ou telemetria. Para DSH kernel 2.0.15-next.

Caixa de ferramentas de conversão de unidades cobrindo 20 categorias — comprimento, massa, temperatura, área, volume (incl. unidades de cozinha dos EUA), velocidade, tempo, tamanhos de dados (MB decimal vs MiB binário), taxas de transferência (Mbps vs MB/s), aceleração incl. força g, iluminação (lux / foot-candle), pressão, energia, ângulo, frequência, potência incl. três definições de cavalo-vapor, força, torque, tipografia (px/pt/em/rem) e consumo de combustível (mpg ↔ L/100km). Duas ferramentas — convert_unit e list_units — zero dependências em runtime, aritmética pura; cada resultado inclui a fórmula aplicada.

Conecta o DeepSeek Harness a um app desktop SiYuan (思源笔记) local: registra suas ferramentas de notas como mcp__siyuan__<tool>, expõe a IA configurada no SiYuan junto com seu loop de agente como mais uma ferramenta, inclui uma skill de notas e impõe um perfil readonly/authoring/full em cada chamada, mantendo a lista de ferramentas disponível quando o app está fechado.

Executa pipelines AItelier do DSH sobre MCP: 39 ferramentas (22 de leitura, 17 de escrita) para gerar, executar, inspecionar, editar, exportar e importar pipelines SkillFlow multi-etapa. As etapas executam no AItelier em vez da sessão DSH e são consultadas por run_id, pausam em checkpoints impostos pelo motor respondidos com answer_checkpoint, e deixam rastros por etapa e saídas de etapa para ler depois; add_provider / map_model / edit_role apontam um papel individual para um endpoint local ou mais barato. Agrupa uma habilidade aitelier-pipelines.

Task control para DeepSeek Harness: parada de emergência com um clique e término forçado de downloads e tool calls travados, progresso de download, detecção de travamento, monitoramento de atividade pwsh, e acrescentar-condição / pausa / retomada com recuperação invisível.

Adiciona controles de sessão, de projeto e globais na interface web do DSH para habilidades, servidores MCP, ferramentas, injeções de prompt, escalonamento de aprovação e salvaguardas; a aplicação é limitada ao agente atual.

Salvaguardas impostas pelo mecanismo para enxames de agentes do DeepSeek Harness: portões de qualidade rejeitam trabalho pela metade, checkpoints à prova de falhas retomam no mesmo ponto — mantém equipes de IA sem quebrar, não apenas rodando.

Pipeline de confiança de plugins para o DeepSeek Harness: análise estática determinística com vereditos, proteção de runtime opcional com iscos honeypot, skill de protocolo de auditoria para agentes e indicador de estado de escudo no navegador. Apenas alarme, nunca imposição.

Fork do j62268781-alt/dsh-skills-mcp-manager (MIT), amplamente reformulado desde a base 0.5.6; usa o mesmo plugin id e não pode coexistir com o original. Inclui gravação sem perdas de cordis.patch.yml (preserva expressões JS), filtros por ferramenta aplicados ao salvar, governança de skills nas raízes DSH e 10 diretórios externos com switches por skill/fonte impostos pelo agent-scope (desativar realmente oculta a skill do modelo), categorias e lixeira restaurável, instalar/atualizar/reverter repositórios GitHub, importar zip/SKILL.md, mercados skills.sh/ClawHub, visualização workspace, painel lateral, correções de contraste e atualizações do npm publicado (mesma fonte das instalações de mercado, procedência OIDC).