Plugins

Integração mcp-unity de tiro único para DeepSeek Harness: servidor MCP incluído sem configuração manual permite ao agente controlar o editor Unity por meio de 34 ferramentas - cenas, objetos de jogo, transforms, materiais, prefabs, itens de menu, play mode, testes e logs do console - com reconexão automática.

Adiciona modelos gratuitos do OpenCode Zen ao DeepSeek Harness como um único provider, usando um runtime OpenCode gerenciado e isolado. A página de configurações lista e testa cada modelo.

Substitui o botão de modelo do compositor DSH por um painel de dois níveis (provedores e lista de modelos pesquisável), com slider contínuo e arrastável de esforço de raciocínio: preenchimento azul-violeta, nebulosas e estrelas nos níveis altos e cor distinta por nível. Escolher modelo mantém o painel aberto e move o slider ao nível intermediário dele. Partiu de Microqian2th/dsh-codex-effort-slider 1.0.0 (crédito no README); painel, tomada do slot, suíte de testes offline e documentação são novos.

Harness de avaliação para plugins do DSH: casos em YAML conduzem execuções reais do agente em modo headless, com asserções sobre chamadas de ferramentas, argumentos, resultados e uso de tokens, além de um gate de baseline para regressão em CI.

Executa testes isolados de instalação e smoke test para plugins DSH em perfis descartáveis, devolvendo registos estruturados de aprovação/reprovação e matrizes em lote sem tocar no seu perfil real.

Plugin do DeepSeek Harness (dsh) para análise de ações, triagem e backtesting de estratégias nos mercados A/HK/US/JP/KR/TW

Deixe qualquer projeto pronto para agentes de IA com um único comando. Detecção adaptativa de stack tecnológica (7 linguagens × 14 frameworks × 61 componentes), geração automática de AGENTS.md, esqueleto de documentação, CI/CD e infraestrutura de testes. Em uma frase: dê a qualquer projeto capacidade de desenvolvimento com IA.

Redutor de resultados de ferramentas ciente do conteúdo: 13 redutores cortam saídas excessivas por significado em tools/post-execute (testes falhos são mantidos, contexto de diff é removido, JSON e CSV são amostrados, problemas de lint são agrupados por regra, frames de pilha de dependências são colapsados e diretórios lotados são contados), com os originais completos despejados em disco atrás de um localizador.

Monitora lançamentos de DSH e plugins, retesta artefatos publicados exatos em runners descartáveis, publica evidências de compatibilidade legíveis por máquina e reconcilia problemas gerenciados após correções.

Gera Functions, ferramentas MCP, Skills de workflow e pacotes de teste offline a partir de código-fonte autorizado pelo usuário

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.

UI de gestão de ciclo de vida para o provedor de modelos llm-pi-ai: crie, edite, exclua, ative e desative provedores com cabeçalhos personalizados e chaves de API criptografadas com AES-GCM; restauração segura à desinstalação de provedores estacionados, descoberta de modelos remotos com gravação em lote, roteamento inteligente com cinco estratégias, compostos de união/interseção, observabilidade de requisições.

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.

Seção About para as configurações do DeepSeek Harness: informações de versão, verificação de atualizações npm latest/next com instalação em um clique e reinício automático, e histórico de lançamentos do GitHub.

Coordena planejamento do Codex e revisão independente enquanto a sessão DSH original implementa e testa mudanças.

Bridge de tutoria DeepTutor: explicações profundas, questões de auto-teste, planejamento de trilha de aprendizagem, busca na base de conhecimento pessoal (RAG) e arquivamento de notas via ferramentas deeptutor_run / deeptutor_kb / deeptutor_note.

Drag a session out of the DSH sidebar and it opens in its own native OS window, showing the full standard conversation UI (Markdown, toolbar, settings) with only the sidebar trimmed away, so several sessions can be watched side by side instead of switching back and forth. Windows verified; macOS and Linux untested. Runs in the DSH desktop app (Electron).

Suite de desenvolvimento HarmonyOS para DSH: inspetor HiLog na barra lateral direita (fluxo ao vivo com filtros de nível, logger e texto) e inspetor ArkUI (captura escolhida, árvore de componentes recolhível, propriedades de nós com busca e modelo de caixa); duas fontes de árvore — canal de depuração DevEco e árvore de acessibilidade uitest —, visualizador .ets com realce ArkTS, gestão de toolchain e dispositivos DevEco Studio/CLT e ferramenta de agente harmony_ui_tree. 21 métodos remotos e 82 testes unitários.

Dispatcher do modelo principal: seis pools (economy/mechanical/main/hard/vision/review), ranking e pins de reasoning-effort por rota. Watermarks de contexto 50k/90k/130k: delegação precoce; forçado: fork da sessão backup → handover → compactação → retomar sem perder trabalho em andamento dos subagentes. /ctx-pause, /ctx-resume e /ctx-handover controlam. Agent Teams (opc.): teammates persistentes, quadro compartilhado. /vision: imagens para modelos só texto via pool vision. Diffs grandes: tester + reviewer independente (verificação por níveis). Settings UI/READMEs/idioma (conversa/code-comment/documento): 11 códigos (en,zh,zh-TW,ja,ko,de,es,fr,it,pt,ru); UI segue locale DSH salvo override. 3 skills: MySQL/Redis somente leitura, mensagens de commit, docs requisitos/design.

Registra o servidor MCP do MathWorks MATLAB/Simulink em um perfil dsh, para que as sessões de agente obtenham ferramentas mcp__matlab__* para executar código MATLAB e ler, editar e testar modelos Simulink.

Detecta qual modelo de conversa está sendo servido a uma conta: inicia conversas-probe descartáveis concorrentes, pontua cada cadeia de pensamento em streaming pela abertura de seus parágrafos e cancela sondas que soam como o modelo antigo em segundos. Inclui um auto-check offline que reproduz 13 cadeias de pensamento rotuladas manualmente pelo mesmo classificador.

12 skills de engenharia testadas (git commit, code review, test-first, plugin dev, debugging, changelog, PR review, task breakdown, e mais): cada SKILL.md passa por um validador de formato alinhado com as regras oficiais de skills além de um smoke test de carga isolada.

Seis skills de engenharia para Claude Code e DSH: pesquisa, exploração de arquitetura, orquestração de implementação, revisão de diff em três eixos, auditoria de complexidade e testes de mutação. Delegam pelas ferramentas genéricas de subagentes do host quando disponíveis.