Plugins

Do chat à tela e à obra: conduza o ComfyUI como IDE visual de fluxos dentro do DSH. Incorpore o ComfyUI (local ou nuvem) como tela dividida no DSH Web: o agente escreve prompts e scripts no chat, aplica-os ao vivo e produz imagens, música, vídeo e 3D. Operações: compor pipelines, ler/gravar fluxos, editar nós, conectar links, executar, ajustar e depurar. Produção: varreduras de parâmetros em lote (batch_run) e recuperação automática de saídas para o chat (get_outputs). Manutenção: inicialização e atualização com um clique do ComfyUI, do núcleo e dos nós personalizados. Este pacote é o plugin do lado DSH e inclui o nó de ponte do lado ComfyUI.

Descoberta progressiva de ferramentas estável em cache: uma superfície fixa de tool_search e tool_dispatch em cada requisição, busca de catálogo em memória, despacho aninhado pelo pipeline do Harness e uma lista nativa de ferramentas estável byte a byte através da descoberta.

Comando Cordis /hongtou: pipeline de duas fases (JSON estruturado por LLM + renderização determinística de modelo XML Word 2003)

Pipeline em camadas de otimização de tokens para DeepSeek Harness: escala de saída, carregamento tardio de MCP, driver de compactação e relatório de acertos de cache. Construído sobre as APIs reais de plugin do DSH; economiza cerca de 40–60% de entrada em sessões longas.

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.

Um conjunto de skills de modelagem matemática com gate para o DeepSeek Harness: um pipeline de cinco estágios com gates, padrões de escrita de artigos de premiação, análise de sensibilidade, diagnóstico estatístico e um preset de competição.

Failover de alta disponibilidade de modelos (quarentena, disjuntor de circuito, recuperação por sondagem) e orquestração de subagentes (fanout/pipeline/supervisor) com uma UI de configurações bilíngue.

Base de conhecimento no padrão Karpathy LLM Wiki para o DSH: habilidades wiki-write/wiki-search, pipeline sem dependências (lint/index/sincronização de memória mnemon/feedback de qualidade), plugin de ciclo de vida mínimo que injeta esquema + pré-visualização de conhecimento, e recordação semântica SiliconFlow via proxy compatível com Ollama.

Pipeline de escrita com IA para contas oficiais do WeChat: execuções de artigos em seis etapas (tema, esboço, rascunho, gates, renderização, imagens) com um contrato de briefing de lançamento, um quadro de tópicos em alta com resumos de IA por item, agendamento RRULE para a caixa de rascunhos, uma UI de bancada além de ferramentas de chat e um comando /wewrite, e aprovação fail-closed do host antes de qualquer envio para a caixa de rascunhos.

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.

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).

Página de configurações Models+ para a UI web do DSH: tabelas de esforço de raciocínio por modelo, modalidades de entrada e flags de compatibilidade salvas pelo pipeline oficial de configurações, com preenchimento automático de metadados do models.dev e gerenciamento de chaves de API.

Math Agent Framework para DeepSeek Harness: motor de derivação simbólica (CES / formas quadráticas / ODE / PDE), verificação com SymPy, provas formais verificadas pelo compilador do Lean 4 e verificação adversarial multiagente no estilo QED, exposto como ferramentas DSH nativas por meio de um shell TS que faz a ponte para um motor Python. Requer clonar o repositório math-agent-framework e executar `pip install -r requirements.txt`, com MATH_AGENT_HOME apontando para a raiz do repositório. Cada resultado carrega procedência (versões do motor, seed, tolerâncias) e é marcado como dados não confiáveis.

Reconhecimento de imagens grandes para modelos vision-exp: reconhecimento por mosaicos 800×800 sem perda (smart/pipeline/full), OCR local com pré-processamento e encaminhamento de caligrafia, GPU multivendor opcional (DirectML/CUDA/OpenVINO) com fallback automático para CPU.

Fala as respostas do agente na interface web do DeepSeek Harness por meio de uma cadeia de fallback de provedores (OpenAI, ElevenLabs, Google, Azure, Groq, Deepgram, OpenRouter, Edge, Piper, eSpeak), para que um provedor com falha ou com limite de taxa passe para o próximo em vez de ficar em silêncio.

Predefinição de agente de equipe de produto virtual: conversa guiada pelo usuário que percorre todo o pipeline de 12 etapas desde a ideia até o produto lançado, promovido e operado, com portões por etapas e habilidades por etapa.

Mantém decisões do projeto em Markdown, não no histórico do chat: um documento principal e documentos por módulo, cada registro com citação file:line. O agente entrevista você para resolver questões em aberto e calcula uma nota em cinco dimensões (complexidade, extensibilidade, manutenção, qualidade do código e reutilização), exibida ao lado do seletor de modelo. Uma sessão pode vincular vários projetos; tamanhos small/medium/large ampliam os limites. Uma seção reutilizável de pipeline do documento principal é injetada quando aparecem as palavras-chave definidas.

Pipeline de Desenvolvimento Guiado por Especificação para Odoo: 15 ferramentas levam uma solicitação de uma spec imutável, passando pela arquitetura, até o código do módulo ou configuração ao vivo, e então exigem um veredito persistido com evidências de uma instância Odoo real, com gates fail-closed, lotes aprovados por humanos em um ambiente declarado, o importador CSV/Excel do próprio Odoo e um diário que reverte os dados escritos pelo plugin.

Memória em camadas para DSH com 10 ferramentas de agente: gravações privilegiadas (memory_add, memory_delete, memory_import), controles de ruminação (memory_ruminate e comandos relacionados) e grafo de memória. Um pipeline L0-L3 recupera e insere memórias relevantes antes de cada etapa do modelo.

Tradução integral para chinês da GUI Web do dsh: tradução ao vivo do raciocínio do modelo durante o streaming, chinês inserido abaixo de cada resposta em inglês e resumos chineses de uma linha para saídas de ferramentas e descrições de chamadas de ferramentas — uma solicitação independente ao provedor que nunca entra na transcrição da sessão.

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.

Quadro de entregas para equipes de projetos de clientes: fluxo com modelo padrão, de governança ou etapas personalizadas; cartões com responsável, prazo, critérios de aceitação e DoD. Mudanças de etapa geram automaticamente auditoria da passagem. Inclui registros de progresso/riscos/bloqueios/decisões, relatório semanal em Markdown, quadro de arrastar e soltar restrito a loopback e exportação HTML somente leitura. Estado em delivery.json no workspace; 11 ferramentas delivery_* e /delivery.

Renderização Markdown para mensagens de usuário enviadas no DeepSeek Harness: cada balão exibe listas, código, tabelas, citações e formatação em linha usando o processamento Markdown do próprio host; filas, prévias e o compositor mantêm a apresentação em texto simples.

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.