Plugins

Modo de aprendizado que explica cada passo do agente (em desenvolvimento).

Plugin de memória de longo prazo e autoevolução para DSH: captura L0 → extração de memória L1 → agrupamento de cenas L2 → persona de usuário L3, injeção automática de recordação, síntese de habilidades, totalmente local (SQLite FTS5 + jieba, recuperação vetorial opcional).

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.

Distintivo de quota no cabeçalho e separador de monitorização de utilização: saldo/quota restante e contagem decrescente para reposição por fornecedor, com pedidos, tokens (entrada/saída/leitura de cache/escrita de cache), taxa de acerto da cache, custo estimado e latência média monitorizados por sessão, fornecedor, modelo e cliente, armazenados localmente em SQLite com importação/exportação entre dispositivos.

Ferramentas de banco de dados para agentes: list/query/exec/schema/stats/health em SQLite/MySQL/PostgreSQL, com proteção somente leitura de nível léxico, limites de linhas, saída de consulta CSV/JSON e um caminho de escrita com aprovação.

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)

Plugin de memória entre sessões para DSH (v0.6.1, npm @asherliner/dsh-memory-connect): extração automática, indexação SQLite FTS5, recuperação semântica RRF injetada no prompt do sistema a cada turno, manutenção agendada, consolidação LLM via ctx.llm, prevenção de explosão de contexto, identidade Soul global via ~/.dsh/soul.md. v0.5.0: grafo de contexto temporal, modelo de confiança, resumo no fim do turno. v0.6.0: embeddings semânticos locais (BAAI/bge-small-zh-v1.5), sem chamadas à nuvem. v0.6.1: corrigida a expansão de ~ na configuração de caminhos. Instalação sem configuração.

Sistema de memória biomimético para DeepSeek Harness: um único repositório SQLite (node:sqlite, WAL) cuja árvore Markdown é mantida como espelho somente leitura; ferramentas de memória, injeção de snapshot congelado no início da sessão, gateamento de aprovação graduada, extração sob demanda da sessão atual, fusão de quase duplicatas, um ciclo de vida de arquivo e substituição, metabolismo de memória (dream), pinos de memória, recuperação semântica sobre embeddings locais, e o comando /memory.

Plugin do DeepSeek Harness que bloqueia instalações npm arriscadas com varreduras de metadados e cadeia de suprimentos profunda.

Pesquise, liste e leia sessões passadas e atuais por meio do próprio serviço `sessionQuery` do harness: usa o índice SQLite FTS5 quando a implantação o habilita, e recorre a uma varredura limitada, da mais recente para a mais antiga, quando não

Memória vetorial totalmente local para DSH: embeddings locais, armazenamento SQLite, injeção automática de recuperação, deduplicação com detecção de conflitos, lixeira com exclusão temporária, backup online e extração LLM opcional.

Fluxos de trabalho DAG duráveis para o DeepSeek Harness com ferramentas de autoria de agentes, persistência em SQLite, execuções retomáveis e um Canvas Studio visual.

Grafo de conhecimento de código local para agentes: analisa uma base de código (Python/JS/TS/Go/Java/Rust) em um índice SQLite e responde a chamadores, chamados, dependências, dependentes, impacto e perguntas de texto completo sobre ele.

Quadro completo de issues local-first integrado na GUI web DSH: vistas Kanban / lista / Gantt / workflow / dashboard, chat de IA por tarefa, anexos e etiquetas, atribuição automática de tarefas todo orientada por dsh-routines — os dados residem em SQLite local (`dsh plugin add @ttmouse/dsh-taskboard`).

Contabilidade local persistente de token usage para DSH Web com descoberta automática de histórico e detalhes compactos de provedor/modelo.

Cria pacotes de base de conhecimento auditáveis (SQLite FTS5) a partir de md/txt/docx/pdf, com recuperação determinística e leitura do texto original

Plugin de administração multibancos operado por chat para o DeepSeek Harness: consulte e gerencie MySQL, PostgreSQL, GaussDB, MongoDB, Redis, Oracle, DM e SQLite a partir da conversa, com permissões ro/rw por projeto, um painel de gerenciamento na barra lateral, navegação de esquemas e pré-visualização de dados, e operações perigosas condicionadas à confirmação.

Entradas de memória em SQLite, um calendário com lembretes de prazo e tarefas de agente agendadas por cron, com 13 ferramentas de modelo e uma interface bilíngue zh/en.

Modo RedTeam do DSH: com uma frase, sobe um agente de operação de red team (mapeamento de ativos / cadeia de ataque / metas de pontuação / relatório / base de conhecimento de POC), com quatro papéis, 13 skills nativas e um console permanente à direita

Council of High Intelligence: monte um think tank de 18 figuras históricas para debate estruturado em múltiplas perspectivas, com um painel lateral DAG ao vivo, histórico de execução em SQLite e padrões por projeto via .council.yaml.

Gerenciador de base de conhecimento local para agentes DSH: importação multiformato, fragmentação com suporte a CJK, busca híbrida vetorial sqlite-vec + BM25 com rerank bge-reranker-base, snapshots, exportação/importação kbpack e busca entre KBs — 22 ferramentas de agente e um painel web.

Memória local de três camadas para o DeepSeek Harness: L1 memória instantânea (MEMORY.md/USER.md) lida sob demanda pelas ferramentas memory_* + L2 base de conhecimento pesquisável (fatos + SQLite FTS5, busca em chinês por tokenização de janela deslizante) + L3 importação de Hermes/Claude Code/Codex/WorkBuddy e de documentos aprovados do Agent Hub (memory/global, memory/projects, decisões aceitas) com deduplicação por hash de conteúdo. A v0.2.0 removeu toda injeção automática: a memória entra no contexto só quando o modelo chama uma das 12 ferramentas memory_*, e os dados ficam no disco local.

Espaços de memória entre sessões governados por humanos, com relações independentes de origem e de consumidor, proveniência, versionamento e revisão da injeção antes do envio.

Fluxos de trabalho DAG duráveis para DeepSeek Harness com ferramentas de criação de Agent, persistência em SQLite, execuções retomáveis e um Canvas Studio visual.