Plugins

Fluxos de trabalho DAG visuais com múltiplos agentes para DeepSeek Harness, com execução ao vivo, recuperação após reinício e integração com Feishu.

Agentes filhos persistentes em segundo plano sobre o mecanismo oficial de subagentes: iniciam a partir de qualquer sessão, o progresso é acompanhado na barra lateral da Web UI, podem receber mensagens ou ser interrompidos a qualquer momento, com escopo de ferramentas por filho, persona e limites de profundidade de delegação.

Suíte de agentes de pesquisa: controle de objetivos de longo prazo com cadeias de evidência auditáveis, agendamento via cron, equipes multiagente de especialistas, memória de pesquisa auto-evolutiva (recall FTS5 + RRF), workspaces de projeto e uma UI de workspace personalizada.

Workflow One - Orquestrador visual de fluxos de trabalho de IA para o DeepSeek Harness (dsh): DAGs multiagente, execução ao vivo, recuperação e integração com Feishu (edição em pacote único)

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.

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.

Reino de governança de agentes para o DeepSeek Harness: territórios, vinculações de função (bind/unbind/session com identidade de modelo/agente), e um ciclo de tarefas planejar→atribuir→executar→revisar em que as declarações do Worker nunca se autocompletam (Claim ≠ Fact), com um console de operações GUI local.

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.

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.

Preset modo especialista DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordenador + 17 subagentes com delegação automática. Funções: taskboard (estados pending/ready/running/done/failed, DAG dependências, reivindicação atômica, retry, recuperação), portas qualidade (pipeline 5 etapas: requisitos, implementação, verificação, revisão, integração; 2 reelaborações), Five-Anchor (revisão/convergência/anti-deriva/colaboração/recursos), Near-distance (modelo identidade/tarefa/saída), divulgação progressiva (~28% economia tokens), persistência, barramento P2P, revisão cruzada, pool experiência, via rápida, auto-retry. 17 especialistas: dados, redação, jurídico, PM, frontend, UI/UX, arquiteto, social, growth, fin. quant., backend, DevOps, BD, QA, segurança.

Busca web fundida em múltiplos mecanismos, obtenção de páginas, busca em tempo real no X (Twitter) com fallback sem credenciais, pesquisa profunda e pesquisa multiagente paralela para o DeepSeek Harness. Camada gratuita: Bing / DuckDuckGo / Yahoo / Exa MCP (todos sem chave, verificados ao vivo); api la

Pacote de aplicativo web iKanban orientado a teclado para o DeepSeek Harness

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`

Camada de coordenação de plugins: os plugins declaram suas capacidades, comandos são roteados ao plugin responsável sem chamada ao modelo, esquemas de ferramentas carregam sob demanda para reduzir tokens de prompt, o histórico de execuções se consolida em memória de longo prazo quando ocioso, e falhas são classificadas antes de qualquer nova tentativa.

Equipe multiagente por papéis para o DeepSeek Harness. O /team reúne até 12 subagentes (produto, arquiteto, pesquisa, UI, backend, frontend, BD, segurança, revisor, QA, DevOps, docs) e executa um pipeline de 9 fases com portões (esclarecer, pesquisar, projetar, revisar spec, aprovar plano, implementar, revisar, testar, entregar) sobre artefatos compartilhados. Os portões de qualidade são impostos pelo código, não pelos prompts: tarefa inacabada não é marcada como concluída, os achados são arbitrados pelo revisor ou QA, e lacunas de cobertura ou retrabalho aparecem ao vivo no overlay e em /team status. Inclui overlay ao vivo (fases, elenco com modelos, DAG, artefatos, decisões), modo de equipe persistente e contabilidade de tokens/tempo. Zero dependências em runtime, sem build.

AI Company Framework: transforme uma frase em uma empresa multi-agente — 15 Skills planos (boss/pipeline/role-template/11 roles/generic customer-memory), 7 templates de workflow, runtime AgentTeams + painel de atividades, sidebar de funcionários com isolamento por sessão, bridge para bot do Feishu (bot do boss e bots por funcionário, roteamento de grupo, push autônomo, gate de decisão humana, guia de contato externo), memória SQLite por cliente com memória de três camadas (merge cross-group), switch de modo /company; sem RAG.

Camada de orquestração multiagente para o DeepSeek Harness — modos de execução autopilot/ralph/team, 19 cartas de papel, 40 skills bilíngues e um servidor de estado MCP incluído, portado do oh-my-claudecode.

Frota descentralizada de vários dispositivos: descoberta LAN via mDNS, emparelhamento de chaves e execução direta por SSH entre redes.

Fleet multi-dispositivo descentralizado: descoberta mDNS LAN, emparelhamento por key e execução direta SSH entre redes.

Conecte o DeepSeek Harness a um pipeline Hermes: template de especificação de despacho, roteamento por nível de modelo, portões de qualidade em execuções do orquestrador, regra de escritor único no git — como um pacote SKILL.md (instalável como bundle).

Um único vault Obsidian compartilhado para todos os agentes: núcleo Python sem dependências (buscar/promover/julgar/esquecer), modelo de vault, plugin dsh (memory_search/show/submit/status)