Plugins

Cliente de terminal em tela cheia para DeepSeek Harness construído sobre pi-tui: reprodução/retomada de sessões, respostas em streaming, cartões de ferramentas recolhíveis, aprovações e perguntas no próprio terminal, gestão de modelos/predefinições/permissões/planos/objetivos, modo shell e um registro de trajetória.

Pílula flutuante de uso do plano OpenCode Go: percentagens de consumo em três janelas (contínua/semanal/mensal) com mini gráficos de área, suportada por amostragem em segundo plano contra a API oficial /v1/usage.

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.

Fuzzing direcionado por agente LLM. A partir de um repositório e bug (descrição CVE, patch, trace de crash ou file:line), executa PLAN, IMPLEMENT, EXECUTE e REFLECT; o modelo escreve geradores Python de entradas até acionar o oráculo de padrão stderr da campanha ou ela parar.

Notificações sonoras por evento: conclusão de turno, aprovação, pergunta, plan-review, goal-blocked e task-failure recebem cada um seu próprio som e volume, configuráveis na Web UI (synth integrado, mudo ou arquivo de áudio local).

Injeta uma seção no prompt de sistema para que a cadeia de raciocínio, o planejamento e o raciocínio de invocação de ferramentas do agente permaneçam em chinês simplificado. Zero dependências externas — clone e instale por link a partir de qualquer diretório local, sem necessidade de build ou publicação no npm.

Reuniões visuais de mesa-redonda para DeepSeek Harness — nós especialistas em um anel com arestas direcionadas, uma porta de agregação, pensamento proxy para modelos trabalhadores caixa-preta e revisão adversarial (red-team) de planos consolidados com endosso/rejeição por ponto de vista.

Modo de aprendizado local-first: threads de aprendizado entre sessões com explicações por fonte.

Um mecanismo de escrita de web novels para o DeepSeek Harness: redação paralela, esboço e brainstorming com uma chave DeepSeek separada, gerenciamento de lore e prenúncios, recuperação vetorial semântica, uma biblioteca de corpus, livro-razão de uso, revisão mecânica e um plano de serialização local.

Revisão de planos com anotações ancoradas e feedback estruturado de volta para o agente.

Sete modos predefinidos de agente para DeepSeek Harness, cada um com uma fronteira fixa de ferramentas, roteamento de modelo por modo e camadas rápidas/profundas de delegação omd_task, além de um loop plano-para-executar (/mode, /start-work, /ulw apoiado em objetivo) e uma página de configurações que remapeia modelos por modo e por camada.

Conjunto de predefinições de agente Programming Mode: o agente de programação padrão com uma persona que impõe a disciplina Superpowers (competências primeiro, brainstorming antes de construir, planos antes do código, TDD, depuração sistemática, verificação antes da conclusão), além de uma disciplina de volume de código Ponytail sempre ativa (escada de código mínimo de 7 níveis, completo por predefinição); inclui as vinte competências (14 superpowers + 6 ponytail) e injeta mecanicamente a competência using-superpowers completa no primeiro pedido de cada nova sessão.

Painel de tarefas para a barra lateral DSH Web: publica tarefas, destila automaticamente sessões relacionadas e conduz as fases de plano/desenvolvimento/revisão com subagentes, além de aceitação no painel.

Preset de agente Learning Mode: um agente de codificação que ensina enquanto codifica — explicações concretas ancoradas em cenários, orientação socrática e lacunas de prática TODO(你), modelado no estilo de saída Learning do Claude Code; instalável via dsh plugin add (dsh-learning-mode no npm).

Decisões tipadas do Laya (`noul` sim/não, `choice`, `score`) como um serviço Cordis de primeira classe (`ctx.laya`) mais as ferramentas `laya_ask` e `laya_plan` visíveis ao modelo. O plugin em si não instala nem baixa nada: é um cliente de um sidecar `laya-mcp serve` que você mesmo inicia, e informa que o sidecar não está em execução em vez de falhar de forma obscura na primeira chamada de ferramenta.

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.

model router por etapa: predefinições nomeadas com regras ordenadas de grupos de imagem/palavras-chave que encaminham cada etapa do agente através de cada fornecedor e modelo montado, adicionando fluxos de colaboração para transcrição de imagens, um protetor de imagem, um painel de quotas multi-plano e observabilidade de decisões por etapa.

Indicador e painel de quota no canto inferior direito que agregam quotas de subscrição entre plataformas de IA (Kimi Code, DeepSeek, Zhipu Coding Plan, BigModel, Qwen, Scnet, TokenRouter, SupaWriter), sincronizando automaticamente chaves API do domínio de credenciais DSH com barras de utilização coloridas.

Notificações sonoras em camadas com tema Perlica (Arknights: Endfield): tons de plan-ready, task-done, needs-your-input e error; silencioso para chat simples, reprodução em nível de sistema (funciona em segundo plano), multiplataforma (Windows/macOS/Linux), sons TTS customizados.

Gerencia servidores VPS via login por chave SSH: 21 comandos /vps- sem token (consultas de status, instalações de receitas com plano e confirmação /vps-yes, reinício que aguarda a máquina voltar), um terminal na conversa (xterm.js sobre ssh -tt) para programas interativos, 5 ferramentas de agente com confirmação por nível de risco, backup de arquivos com restauração automática e uma rede de segurança firewall/SSH, 29 receitas embutidas, e uma página de configurações para adicionar máquinas.

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.

Pesquisa profunda como modo de agente: um único laço revisado que planeja, pesquisa em rodadas paralelas adaptativas conduzidas pelas lacunas que os próprios pesquisadores declaram, sintetiza um relatório citado e depois o revisa de forma adversarial, em vez de um script que o modelo reescreve por chamada. As perguntas que o orçamento de rodadas nunca alcançou são nomeadas no relatório em vez de serem descartadas.

Mostra uso de plano de codificação e saldo para 5 provedores de IA (MiniMax, DeepSeek, Kimi, OpenRouter, Zhipu) ao lado da entrada do compositor, trocando com o modelo selecionado e reutilizando chaves de API configuradas nas configurações de modelo do DSH.