Plugins

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

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.

Cofre local do Obsidian como base de conhecimento do agente, com ferramentas DSH somente leitura que encaminham status, preferência, correção, memória, projeto, busca e sugestão para a página correspondente.

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.

Cofre Obsidian local como repositório de conhecimento do agente, com ferramentas DSH somente leitura que roteiam status, preferência, correção, memória, projeto, busca e sugestão para a página correspondente.

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.

Instala quatro presets de pesquisa matemática multiagente para o DSH: v2 (pipeline guiado por probabilidade com debate entre vários verificadores), v3 (base de conhecimento Markdown em estilo de artigo com um agente planejador e uma biblioteca de métodos reutilizável), v4 (residentes persistentes auto-organizados que trocam mensagens e se reúnem) e v5 (um instituto de pesquisa com um acadêmico que decompõe e atribui o trabalho, pesquisadores votantes, trabalhadores temporários, chat em grupo e um quadro de tarefas compare-and-set); os quatro suportam retomada por checkpoint, intervenção humana e um interruptor opcional de verificação formal em Lean (off/encourage/require), cuja prova aprovada transforma o voto em uma checagem de fidelidade das afirmações Lean.

Ponte para dispositivos HarmonyOS: loop de automação de captura de tela/instalação/log/crash/UI via hdc com read_image, conhecimento de API versionado priorizando fontes oficiais (SDK .d.ts + documentação offline embutida) e uma trilha de build/assinatura/lint via CLI do DevEco.

Transforma documentos locais em markdown e texto numa base de conhecimento consultável com pesquisa híbrida semântica e por palavras-chave, verificação de citações e injeção de fontes.

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

Grafo de conhecimento de código local-first para agentes de codificação: 10 ferramentas MCP para compressão de contexto em camadas, planejamento DAG, indexação incremental de AST, flywheel de habilidades entre sessões, diagnósticos e importação/exportação de artefatos de grafo.

Um segundo cérebro autossuficiente para DeepSeek Harness — captura automaticamente conhecimento durável de diálogo num cofre Markdown local (dedup personalizado, pesquisa CJK, compatível com git), com uma base de conhecimento gráfica e um grafo de conhecimento interativo (filtro de legenda, coloração por dimensão temporal, seleção por caixa, mesclar, eliminar, exportar/importar PNG).

RAG de base de conhecimento de literatura local: 10 ferramentas (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), busca híbrida BM25+vetorial+reranker, QA com citações e links DOI clicáveis, embeddings bge totalmente locais sobre um índice SQLite de arquivo único. Requer Python 3.9+ com pymupdf, faiss-cpu e sentence-transformers; o instalador `npx dsh-kb-rag-install` configura tudo isso e pré-baixa o modelo.

Fornece bases de conhecimento locais e remotas com recuperação no escopo de projeto e sessão, gravação controlada de volta e um console de gerenciamento Web integrado.

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.

RAG de base de conhecimento de literatura local para o DSH: recuperação híbrida BM25 + vetorial em um índice SQLite, reranqueamento com cross-encoder, respostas citadas com proveniência em nível de seção e página, atualização somente de metadados e ingestão em segundo plano com acompanhamento de progresso.

Bundle DSH que registra 13 ferramentas nativas codegraph_* que encapsulam a CLI do codegraph, para que agentes façam bootstrap, mantenham e consultem um grafo de conhecimento de código pré-indexado (consulta de símbolos, exploração, trilha de nós, chamadores/chamados, impacto, testes afetados) em vez de fazer grep em arquivos.

Ponte para o ShiGuang Memory Engine (SGME): memória de longo prazo compartilhada entre múltiplos agentes via HTTP — destilação L0/L1/L1.5/L2, injeção baseada em cenário, busca unificada e sinais proativos de cuidado (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), instalável como `dsh-sgme`

Busca no Zhihu, ferramentas de agente, bases de conhecimento e acompanhamento de uso para o DeepSeek Harness.

Camada de integração nativa DSH para o motor de memória Minta: compõe a linha oficial dsh-mcp-client, registra a skill minta-memory-governance além de um preaquecimento de memória no início da sessão, e envia um preset de agente Minta; requer o motor Minta implantado separadamente (Python/Docker) para fornecer as 19 ferramentas MCP — não utilizável sem ele.

Skill de revisão de código orientada por modelos: fluxo de revisão em cinco etapas, classificação por severidade (crítica/média/menor), pontuação quadridimensional (qualidade, segurança, desempenho, manutenibilidade), saída dupla em texto e HTML e base de conhecimento de referência sob demanda.

Adiciona um painel de configurações multiusuário ao cliente web do DSH: seleção do modo de uso, gerenciamento de membros com status online e vinculação de dispositivos, e troca ou compartilhamento das bases de memória e conhecimento por membro.

Base de conhecimento portátil para agentes em Markdown OKF v0.2 simples: 13 ferramentas wiki_* de leitura/escrita, divulgação progressiva, backlinks, escritas controladas por regras do AGENTS.md, manutenção automática de índice e log, linting e troca entre vários bundles nomeados (no nível da sessão ou global).

Loop de auto-refinamento contínuo: memória persistente, revisão e refinamento periódicos, conhecimento compartilhado entre sessões e rollback automático por meio de uma ferramenta harness_refine chamável pelo modelo.