Plugins

Sandbox de hardware do DSH: monta cenas 3D ESP32/BME280/PIR/LED com ligações verificadas por protocolo e tensão; executa código Python real contra hardware I2C/GPIO simulado com injeção de falhas. Simuladores de rede reportam por HTTP a um backend real (validado de ponta a ponta num sistema ativo de reserva de assentos). Observa dispositivos reais somente para leitura e mapeia o estado na cena; adiciona placas por definições de pinos baseadas em dados. Inclui 16 ferramentas `hw_*` e `SKILL.md`.

Subsistema de memória para DeepSeek Harness: memória ontológica event/fact/rule e sistema de metas `goal.js`. Palavras-gatilho Bridge gravam valores belief; a ativação de metas é pontuada na leitura por `0.25 domain + 0.35 bridge + 0.40 sim` para recuperar associações goal/value de longo prazo. Inclui journal ledger, arquivo episódico, decaimento de baixa confiança e ciclo fechado `memory_append/read/consolidate` + `linghun_goal_update/get/state`. Independente da linha dsh-linghun original. 16/16 no LoCoMo-Plus.

Memória de longo prazo do workspace DSH. Ao abrir uma sessão, lê um índice de uma linha por memória e busca o conteúdo sob demanda pela ferramenta `memory`, mantendo cerca de 3 vezes mais itens no mesmo orçamento de caracteres. Ao fim do turno, pesquisa localmente a última mensagem do usuário e injeta correspondências no próximo briefing sem custo de modelo. Auto-captura opcional resume trechos da conversa em memórias estruturadas; no modo draft, aguardam aprovação. Camada portrait reescrita de journal/records mantém visões workspace/global, também em draft ou direto. Settings → Memory tem archive/list/timeline, checagem de duplicatas/itens antigos/links quebrados, cadeia supersede com rollback e importação somente leitura de memórias WorkBuddy/Qoder existentes.

Reduz tokens de entrada da sessão de três formas, cada uma com seu próprio controle no painel sob o composer: compressão sem perda e sensível à estrutura de resultados em `tools/post-execute`; elisão head/tail por ferramenta que sempre informa recuperação pelo spill store compartilhado; visibilidade do catálogo por agente em `agent/created`; documento de memória por workspace, comparado a cada mensagem nova e injetado via `agent.inject` sem reler o transcript. Medição: 41,76% menos tokens de prompt em 149 solicitações registradas; inclui script para medir qualquer perfil.

Preserva por sessão as imagens coladas ou anexadas no composer: mantém uma cópia local no navegador e as devolve pelo canal oficial de rascunho ao retornar à conversa ou remontar o composer. Descarta ao enviar a mensagem ou remover as imagens.

Aprimoramento de prompt no composer do DeepSeek Harness: o botão junto ao seletor de modelo reescreve o rascunho com uma chamada auxiliar de LLM e o substitui no local, preservando undo do composer. `/prompt-enhance` retorna o prompt reescrito como linha de resultado sem tocar no rascunho. A chamada pode ser fixada a provider/modelo rápido próprio no profile patch. Preserva intenção, idioma e informações; mantém código, comandos e caminhos literalmente e não inventa nem acrescenta placeholders.

Conecta um bot Feishu/Lark ao DeepSeek Harness por conexão WebSocket persistente: mensagens recebidas passam por uma sessão de agente e retornam ao chat em streaming. Comandos como `/attach` gerenciam a sessão ativa; ferramentas feishu_* permitem que o modelo envie mensagens.

Executa uma passagem determinística de roteamento de skills para cada instrução do usuário, consultando o catálogo antes da resposta do modelo. No host, pontua o catálogo ativo com palavras-chave da instrução e metadados, sem chamada a LLM ou embeddings. Acrescenta uma única mensagem marcada pelo produtor ao step: lista ordenada por padrão, conteúdo do SKILL.md vencedor ao superar o limite ou instrução para chamar exatamente uma vez um router skill nomeado. O plugin não intervém em instruções sem relação.

Preset de agente de viagem para a China continental que responde em chinês: consulta disponibilidade 12306, preços Fliggy/Tuniu e rotas Amap reais, verifica fechamentos e clima e entrega roteiro HTML offline com mapas arrastáveis, três faixas de preço de hotel e orçamento detalhado. Inclui 9 skills, diagnóstico de API keys ausentes e patch do servidor MCP 12306. Planeja e consulta, mas não reserva nem paga.

Correio entre sessões do DeepSeek Harness baseado em arquivos: cada mensagem é selada com HMAC e um hash do corpo, e os destinatários são resolvidos por uma interface de lista. Funciona primeiro offline, então uma carta não entregue aguarda na caixa em vez de se perder.

Companheiro de IA com relógio biológico aprendido, sono real offline e memória própria; transmite affect autorrelatado, avaliado pela mesma lógica judge da versão pi.

Otimizador de prompt do composer: um botão na linha de ferramentas reescreve o rascunho por um canal de modelo já configurado e transmite em painel flutuante sobre o composer, sem ocupar espaço no layout. O rascunho só muda ao clicar Accept, que é recusado durante o streaming para não gravar resposta incompleta. Pergunta antes se houver referências @ ou anexos, pois a substituição total os achataria em texto. Sem atalhos globais; a API key nunca chega ao navegador, a chamada é feita no host.

Ledger de projeto criado pela IA. Active ledger: estado atual; turn journal: append-only; decisões/metas/lições: um cartão por arquivo com índice multidimensional. Só o usuário altera princípios. Um modo de compactação separa manter/reinjetar literalmente, guardar em _stash/ ou descartar. Em container workspace com vários projetos, trava um subprojeto; o lock persiste no home do plugin sem marca no projeto. Log de 5 níveis: L4 salva literalmente as palavras do usuário, nunca as injeta e permite consulta sob demanda. Antes da compactação, cápsula literal de citações, erros e arquivos alterados com fontes é salva em disco e sobrevive ao reinício. Handoff retoma em outro chat. Local, sem deps runtime. 21 ferramentas, 12 subcomandos, 39 ajustes; prioridade painel/manifest configurável.

Provider de navegador para DeepSeek Harness: executa tarefas web passo a passo em navegador real, consultando uma tabela indexada de ações disponíveis em vez de HTML ou capturas. Cada etapa usa uma decisão Jev, não um turno completo do modelo; benchmark do repo: mediana de 1,1 s contra 2,8–3,6 s por turno de chat-model. A conversa recebe só a conclusão e não cresce com o contexto da página. Os alvos vêm da página recém-lida e páginas alteradas são lidas novamente antes de clicar. Usa o navegador pertencente à Session e deixa seu Chrome cotidiano intacto, salvo se você ativar attach mode.

Compreensão, geração e edição de imagens para DeepSeek Harness: leitura com Qwen/OpenAI/Anthropic/Gemini e geração/edição com Qwen-Image. Reformulação de liustack/modlens (MIT). Remova @liustack/modlens primeiro: ambos registram os mesmos provedores vision e hooks de interceptação de imagem, então a instalação conjunta quebra a leitura de imagens.

Adiciona login OAuth de assinatura e login por chave API Plan do provedor via adaptadores Pi. Usa um armazenamento de credenciais pertencente ao DSH.

Preserva por sessão os anexos não enviados do composer: imagens e arquivos colados sobrevivem a trocas de página/conversa e reinícios do app. Os bytes são espelhados no IndexedDB e restaurados pelo canal oficial createDrafts/addAttachments; são descartados ao enviar a mensagem ou removê-los.

Pesquisa na Web com fontes para DeepSeek Harness via gateways compatíveis com OpenRouter: `web_search` usa o mesmo endpoint e chave dos modelos de chat, retorna fontes citáveis e pode ser configurado em Plugins.

Mercado de plugins do DeepSeek Harness para explorar plugins oficiais e da comunidade, verificar a compatibilidade antes de instalar e encaminhar ao fluxo oficial de instalação.

Plataforma de testes automatizados conduzidos por agente IA para DeepSeek Harness (dsh): sessões longas e multipasso para escrever e executar casos Markdown, relatar bugs, corrigir código e verificar o conserto. Inclui fila serial por projeto, quadro de desenvolvimento e teste de carga integrado.

Exibe faixas de preenchimento do contexto, o limite de compactação por sessão calculado a partir da janela do modelo, o custo por etapa conforme as tarifas de leitura e gravação do cache, acertos de cache, saldo DeepSeek com tarifa de pico/fora de pico e transferência com um clique. Não chama modelos nem consome tokens.

Inclui renderização RTL segura para textos mistos em árabe e inglês, um pacote de interface árabe com 3.307 strings registrado pelo serviço de idiomas do DSH e três fontes thmanyah: Sans para a interface, Serif Text para leitura e Serif Display para títulos. Elas vêm depois da fonte escolhida no app.

Inspetor de Skills somente leitura para DeepSeek Harness. Separa cargas reais (somente evidência observada) de Skills descobríveis e declaração de execução. Estados declared/observed/unavailable: sem evidência = “não observado”, nunca “não executado/acionado”; não atribui resultados à Skill. Validação e avaliação separadas; compara casos repetíveis sem pontuar. Testa should-trigger/should-not-trigger em sessão nova real e distingue chamada do modelo/pedido explícito (/name não é gatilho natural). skill_review somente leitura retorna pacote estruturado e aponta omissões. Cálculo local a partir de definições/recibos. Chinês usa modelo host só a pedido, preserva fences/caminhos/frontmatter localmente. Clonar não altera a origem nem executa scripts.

Geração de imagens com galeria na barra lateral e três ferramentas (paint_image, paint_images, edit_painting). Provedores: ModelScope, Google Gemini, OpenAI, SiliconFlow, Volcengine Seedream, Alibaba DashScope, xAI e Zhipu; aceita qualquer endpoint compatível com OpenAI, cada um com proxy próprio.