Plugins

Aparência por modelo para a interface web do DSH: uma lista ordenada de regras comparadas com o nome do modelo da sessão atual, cada regra com seu próprio papel de parede, cor de tema, modo de layout, enquadramento e opacidade e desfoque do papel de parede, além de opacidade por superfície e desfoque de vidro fosco para o fundo principal, painel esquerdo, painel direito, cartões e painéis, entrada e controles, painel de configurações, moldura do texto da conversa e visão de trajetória.

Plugin configurável para a interface web DSH: temas de papel de parede e vidro fosco, cores de destaque, atalhos de teclado personalizados, painel de uso de aplicativos, faixa de histórico, Markdown de mensagens — sem edições no shell.

Conjunto de ferramentas de depuração ROS2 e análise de visão do estado do robô para DeepSeek Harness: enumeração de node/topic/service/action/interface/TF, JSON de topologia do grafo inteiro, verificações rosdep, builds com gate de aprovação e scaffolding de mensagens customizadas, capturas de tela da GUI e observação de visão multimodal, além de renderização offscreen RViz2 headless (malhas low-poly, leitura direta de pixel, passthrough GPU - renderização de movimento a 30Hz) com análise VLM paralela em tempo real.

Pacote de UX para o chat Web DSH. Cada recurso tem um controle próprio, aplicado na hora, em Settings → UX Plus. Tamanho da fonte e largura de leitura em Settings → General → Chat area. O menu da sessão copia o ID ou cria outra sessão herdando a conversa no modelo escolhido. Linhas de workspace/sessão por atividade recente, recolhimento automático após 24 h sem uso e rótulos de idade. Cartões ask_user_question concluídos ficam abertos. A lista vem de seu próprio registro de recursos e cresce com novas opções, sem contagem fixa.

Apresenta o DSH Web como uma interface voxel estilo Minecraft em primeira pessoa jogável e tela cheia — não apenas um skin de cores: usuários caminham por um mundo persistente de blocos em Three.js e acessam workspaces, sessões, conversas, ferramentas, seleção de modelo, permissões, informações de contexto e o composer por meio de instalações no mundo e uma bancada.

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.

Este plugin permite que dois DeepSeek fiquem trocando mensagens na interface — não tem um propósito real.

Sincroniza do upstream oficial 21 skills HyperFrames oficiais da HeyGen (criação de vídeo HTML, animação, keyframes, áudio/música para vídeo, CLI, registro, slideshow, recorte de talking head, site/produto/PR para vídeo, convenções da timeline Studio e mais), além de verificar recursos incluídos. Guia inicial de 4 etapas nas configurações.

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

Portão de login para a superfície web do dsh: autenticação por senha ou token compartilhado, cookies de sessão, limitação de taxa e CLI de gestão de usuários (manifesto dsh.bundle desde 0.4.1, montagem com um único comando `dsh plugin add`).

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.

Regras de permissão detalhadas por ferramenta para DSH no gate tools/pre-execute, listas de negação e de confirmação na sintaxe de regras do Claude Code (`Bash(rm -rf:*), Read(_secrets_), mcp__server__tool`), funciona de forma autônoma sem migração.

Proteção contra loops para dsh: observa llm/stream, detecta e dispara novamente chamadas só de raciocínio ou material repetido e inclui dois interruptores durante o fluxo.

Não é mais um plugin de memória: ODR é um ciclo de autoaperfeiçoamento em mundos evolutivos (Dream-RSI). As tentativas são registradas em uma Discovery Tree e, entre execuções, milhares de variantes de estratégia são reproduzidas nesse mundo. Uma estratégia, receita ou lição só é promovida após passar pela reprodução contrafactual, nunca apenas pela palavra do modelo; Sentinel controla chamadas de ferramentas antes de consumir o orçamento. O LLM permanece congelado. Instale pelo npm como dsh-open-dream-rsi.

Plugin de skins para a interface web do DSH: 4 skins integradas mais skins de imagem personalizadas, com a foto como plano de fundo de toda a interface e a paleta seguindo seu tom dominante.

Tema de interface não oficial inspirado no P.R.T.S. de Arknights para o DSH Web, com predefinições de aparência, controles de acessibilidade e navegação de conversas.

Provedores de busca SearXNG e obtenção Crawl4AI para o DeepSeek Harness

Autoaperfeiçoamento offline para agentes de código: valida estratégias por replay contrafactual num modelo de mundo evolutivo. Sem fine-tuning; LLM congelado. Inclui MCP e Python server.

Memória entre sessões com lembrança determinística de zero token (bigram-Jaccard fundido com FTS5 BM25 via RRF, tokenização ciente do chinês), reforço que fortalece observações repetidas, e procedimentos cristalizados em arquivos SKILL.md refinados no lugar por um ciclo active-stale-archived com archive e rollback reversíveis. Ingest e disposal expõem um nível de autonomia escolhido pelo usuário; conflitos e gravações de alta importância sempre vão para revisão humana, e nada é autoapagado. Requer Node 22.5+.

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.

Otimizador de reasoning_effort por rodada para dsh — reduz automaticamente o raciocínio em chamadas de ferramentas simples e eleva-o para trabalhos pesados, cortando o tempo de pensamento entre chamadas de ferramentas.

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.

Provedor de modelos Kiro com início de sessão via Builder ID, Identity Center, Google, GitHub e importação de credenciais, atualização automática de tokens e perfis, uso da conta, descoberta de modelos em tempo real, esforços de raciocínio selecionáveis, chamadas de ferramentas em streaming, tratamento do motivo de parada do provedor e do estouro de contexto, e contabilização de tokens que usa os contadores exatos do Kiro quando ele os envia e, caso contrário, dimensiona a porcentagem de uso de contexto que envia pela janela anunciada do modelo.

Perfilagem de desempenho e diagnósticos da cache do LLM para DeepSeek Harness — engenharia de contexto, perfilagem de latência e relatórios de comportamento da cache.