Plugins

Plugin do DeepResearch (cordis).

Combine seus modelos e orçamentos de tokens com cada função, então deixe o DSH delegar subagentes especializados por tipo de tarefa. Cobre análise de arquitetura, UI/UX, implementação de código, exploração da base de código e pesquisa de documentação, com configuração automática mais esforço de raciocínio e permissões de ferramentas por função.

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

Pipeline de pesquisa multiplataforma e busca profunda: harvest_scout para descoberta paralela em GitHub, Web, Twitter, Reddit, Xiaohongshu, Bilibili e YouTube; harvest_deep_research para relatórios de pesquisa abrangentes automatizados; além de extração, verificação entre fontes e auditoria de credibilidade.

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 fluxo de trabalho de investigação AI-for-Science para DeepSeek Harness, dirigido a investigadores e estudantes de pós-graduação que usam IA agêntica: revisão de literatura multi-ângulo com ficheiros por ângulo, desenho de experiências com lista de ressalvas, leitura de figuras e artigos; cada tarefa devolve ficheiros mais um briefing de verificação cruzada para um segundo modelo. Zero dependências, MIT.

Busca na web multi-motor para agentes de programação — um núcleo SearchBoost (busca combinada, fetch, X) com adaptadores MCP (Cursor, Codex, Claude Code, Grok Build, Antigravity), extensão pi e bundle do DeepSeek Harness

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.

Bancada científica reproduzível: células orientadas por agente, figuras inline com feedback/reexecução, proveniência por manifesto, snapshots de ambiente e habilidades de figuras nível publicação (9 ferramentas bio_* + UI da bancada).

Pacote modular de skills de pesquisa/engenharia de IA, instalável via dsh plugin add — registra 27 skills (auditoria de segurança, leitura/escrita de artigos, desenho de figuras, fluxo de trabalho de desenvolvimento, análise de armazenamento) em ctx.skills.

Bancada de leitura de artigos: biblioteca + leitor de PDF + companheiro no estilo tutor. As respostas citam números de página clicáveis que saltam de volta ao PDF e destacam a passagem exata; selecionar para perguntar sem sair do artigo; preset de tutor rigoroso incluído (plano de leitura, coaching por seção, questionários avaliados acompanhados entre sessões); alternância no local entre original ↔ chinês (babeldoc, sem pré-instalação). Transcrição e busca locais — os documentos nunca saem da sua máquina.

Fluxo de trabalho de pesquisa por Descoberta Orientada por Perguntas para DeepSeek Harness com um Preset de Agente QDD, execuções Manuais e Automáticas duráveis e um painel de pesquisa auditável.

Mercado de plugins de pesquisa curado: adiciona uma página Plugins de pesquisa às Configurações com plugins revisados manualmente para busca bibliográfica, gestão de referências, redação e bancadas de trabalho — instalação, atualização e remoção com um clique fixadas na versão revisada, reinício pelo painel e exatamente uma requisição de rede (o próprio catálogo).

Adiciona leitura local de PDF, uma biblioteca durável de artigos, registros de evidências rastreáveis e ferramentas de comparação e síntese entre artigos.

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.

Preset RigorQuant + pacote de skills: pesquisa multiagente isolada e não supervisionada para matemática empírica e computacional (economia, finanças, portfólio), com uma bateria de verificação em quatro partes antes da implementação e uma via de escalonamento jacobiano/Lean

Fluxo de trabalho de pesquisa financeira e ferramentas de risco de portfólio, com disciplina de fontes para fatos atuais de mercado

Bancada do pesquisador no DSH: biblioteca local de artigos + estante de Ideias + grafo de conhecimento

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.

Registra codex-web-search-mcp como ferramentas MCP nativas do DSH (mcp__codex-web-search__codex_web_search / codex_web_research / web_fetch) para pesquisa web e pesquisa profunda com Codex e Grok de forma independente do modelo.

Busca na web compatível com Grok, com paginação de fontes retida, consulta de documentação Context7 e Exa, extração de páginas limitada, mapeamento de sites, planejamento de pesquisa offline e diagnósticos somente leitura.

Plugin de aprimoramento do DSH Desktop: fatos verificáveis na mesa. Restrições entram só quando relevantes; injeção em camadas (estável no system prompt, volátil em snapshot de cauda) com cache de prompt válido. Disciplina: cada turno é classificado (pergunta/pesquisa/discussão/diagnóstico/execução) — sem editar arquivos em perguntas nem corrigir o não pedido em diagnóstico; citações de código não aberto e afirmações sobre símbolos não vistos são sinalizadas. Memória: avisos em 75%/90% de contexto, recap exportável e conhecimento de projeto por diretório. Artefatos: contrato de tarefa, registros de mudanças e hipóteses com portão de evidências, decisões de design. Dashboard: roteamento e blocos em lume-metrics.jsonl via lume_metrics; personas destiladas de chats, romances ou fichas.

Guarda de dívida de pesquisa para DeepSeek Harness: incentiva os agentes de codificação a pesquisar documentação, GitHub e a web antes de tentativas locais repetidas.

Regista um pack de skills SpecWorkflow para clarificação de requisitos, especificações de implementação, execução, revisão de entrega, planeamento de correção, diagnóstico de bugs e pesquisa com base em fontes.