Plugins

Chat de assinatura OpenCode Go para o DSH com seleção por modelo do protocolo Completions, Responses ou Anthropic, descoberta de modelos, contexto, metadados de visão e pensamento, padrões de esforço e medidores de uso.

Painel de atividades para a interface web do DSH: reúne em uma barra lateral sessões em execução, aguardando resposta e recentes, agentes filhos, progresso, modelo e nível de raciocínio.

Concede visão aos modelos DeepSeek (apenas texto) em clientes Claude Code, Codex e Agent Plugins: descreve imagens através de qualquer endpoint de visão compatível com OpenAI.

Guarda e monitor de concorrência para DeepSeek Harness: fila FIFO quando requisições simultâneas de modelos atingem o limite, estatísticas persistidas por dia com classificação por tipo de erro, e detecção de interrupção para fluxos abandonados.

Plugin adaptador de LLM para modelos Qwen implementados localmente atrás de um endpoint vLLM compatível com OpenAI, com comutador multimodal por modelo, esforços de raciocínio totalmente configuráveis e uma página web de definições para editar a implementação a partir do frontend.

Limita a taxa de solicitações LLM por provedor e por modelo usando um balde de tokens baseado em reserva, com modos de fila ou rejeição, além de regras de identidade de gateway que reescrevem o user-agent e injetam cabeçalhos personalizados.

Mapa de calor local-first de utilização de tokens nas definições do DSH: grelhas ao estilo GitHub por semana/mês/trimestre/ano, utilização horária por dia, Top 5 por modelo e por fornecedor, e histórico persistido que sobrevive à eliminação de sessões. Zero rede, zero faturação.

Tradução integral para chinês da GUI Web do dsh: tradução ao vivo do raciocínio do modelo durante o streaming, chinês inserido abaixo de cada resposta em inglês e resumos chineses de uma linha para saídas de ferramentas e descrições de chamadas de ferramentas — uma solicitação independente ao provedor que nunca entra na transcrição da sessão.

Modo comandante para a interface web do dsh: um botão de um clique no cabeçalho da sessão injeta um resumo de protocolo na sessão e então analisa e executa automaticamente os blocos de tarefas da resposta do modelo — separando o loop do estrategista dos loops dos trabalhadores por um selo visível.

Gestão unificada de ativos do Godot e objetivos de projeto para DSH: ferramentas de modelo godot_*, uma superfície REST /gap, e uma interface de barra lateral melhorada com gerenciador de ativos, visualizador de árvore de cena e painel Git.

Chat de voz estilo Doubao para DSH: segurar o microfone do compositor converte a fala em texto e envia automaticamente, e as respostas da IA são lidas em voz alta. Condensação opcional por LLM (respostas longas resumidas em falas curtas, seguindo o modelo da conversa atual), limpeza de texto amigável ao TTS, vozes Edge TTS selecionáveis, parada automática por silêncio ajustável e configurações embutidas no diálogo de configurações do DSH.

Companheiro de nível desktop: notificações nativas do navegador para perguntas do usuário e interações de aprovação, ferramenta de modelo de captura de tela, visão em grade lado a lado multiagente e um shell de desktop Tauri leve.

Provedor de modelo DSH para a CLI AGY autenticada localmente: descoberta de modelos Gemini/Claude, esforço de raciocínio independente, ferramentas próprias do DSH, contexto delimitado e tratamento de resultados de ferramentas, e streaming seguro para Windows. Relate problemas em GitHub Issues: https://github.com/darkings/dsh-agy-provider/issues.

Modo RLM para dsh: sub-agentes recursivos via uma função rlm() unificada — spawn, await e encadeia agentes filhos como chamadas Python de primeira classe. Adiciona um kernel IPython persistente com bindings tools.* e contexto-como-variável.

A CLI self do Superself como ferramentas voltadas para o modelo (contexto de projeto, unidades de trabalho, relatórios, decisões) mais um comando /self — estado de projeto cross-session, cross-project mantido fora do repositório de código.

Resumo diário de notícias de 46 fontes RSS selecionadas, editado pelo modelo já configurado no dsh, entregue ao seu IM via webhook e transmitido no chat como uma resposta normal do modelo, sem custo de contexto.

Ponte MCP do Context7: fornece ao modelo documentação de bibliotecas atualizada e específica por versão e exemplos de código pelo servidor MCP do Context7, sem chave por padrão.

Desfazer conversas e espaço de trabalho: use a linha do tempo /undo, a ação do cabeçalho da sessão ou o ícone da mensagem para reverter antes de qualquer prompt enviado; snapshots privados do Shadow Git restauram arquivos, os turnos revertidos ficam fora do contexto do modelo e o Undo Rollback pode recuperar erros. Inclui gerenciamento de sessões arquivadas e cartões coloridos por ferramenta.

Retoma automaticamente turnos DSH interrompidos: envia um 「继续」 em fila após turno/fim com motivo de erro, interrupção ou tokens máximos, com período de carência, cooldown, backoff exponencial, teto de tentativas consecutivas, varredura na inicialização, cartão de configurações e botão parar/restaurar por sessão na barra do compositor; nunca troca de modelo ou provedor.

Peixe de madeira eletrônico no canto inferior direito da web UI do DSH, um sprite de garota-baleia por padrão: toque na cabeça para ganhar mérito; ele bate sozinho enquanto o modelo está ocupado; o mérito por sessão é armazenado localmente e o sprite pode ser trocado por arte personalizada.

Adiciona um seletor de modalidade de entrada às configurações de modelos personalizados na Web UI do DeepSeek Harness.

Plugin de referência (menção) entre sessões — cole @[rótulo](dsh-session:…) em qualquer sessão, inclusive em outro workspace, e o host injeta o snapshot da sessão referenciada para o modelo ler; inclui um botão de cópia de referência com um clique.

Permite que modelos somente de texto lidem com imagens coladas no chat, com uma experiência de visão nativa, visualização de imagens em lote e uma ferramenta analyze_image integrada compatível com OpenAI; modelos com capacidade de visão não são afetados.

Plugin DSH: preenche automaticamente metadados (comprimento de contexto, teto de saída, nome de exibição, modalidades de entrada) de modelos de provedores personalizados a partir do Model Metadata Registry (models.dev).