Plugins

Bancada de depuração em dispositivo real Android para a GUI DSH Web: logcat auto-anexado com filtros de severidade/palavras-chave e instantâneos de falha, transmissão de tela ao vivo no dispositivo com controle remoto de toque/deslizamento/texto, conjunto de ferramentas de engenharia reversa memory/proc/frida, 30 ferramentas de agente.

Preset unificado e ancorado de agente para DeepSeek V4 Pro/Flash na API oficial e no opencode-go: bootstrap mínimo-exato de duas ferramentas na primeira requisição, caminhos Pro/Flash cientes do modelo e gerenciamento de catálogo ciente de época para estabilidade em sessões longas.

Predefinição unificada de agente ancorado para DeepSeek V4 Pro/Flash na API oficial e no opencode-go: bootstrap de primeira solicitação com duas ferramentas mínimas e exatas, caminhos Pro/Flash sensíveis ao modelo, e gestão de catálogo sensível a épocas para estabilidade em sessões longas.

Camada de identidade de domínio para sessões longas de agentes: endereçamento de domínio prioritariamente declarativo, fábrica de sessões, pausa em quatro níveis e despacho de modelos para coordenar várias sessões de nível superior.

Camada de coordenação de plugins: os plugins declaram suas capacidades, comandos são roteados ao plugin responsável sem chamada ao modelo, esquemas de ferramentas carregam sob demanda para reduzir tokens de prompt, o histórico de execuções se consolida em memória de longo prazo quando ocioso, e falhas são classificadas antes de qualquer nova tentativa.

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.

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

Gateway MCP de divulgação progressiva que pesquisa grandes catálogos remotos via `mcp_search` e depois invoca esquemas exatos via `mcp_call`, com conexões preguiçosas e caches limitados

Pacote modular de skills de pesquisa/engenharia de IA, instalável via dsh plugin add — registra 27 skills (auditoria de segurança, leitura/escrita de artigos, desenho de figuras, fluxo de trabalho de desenvolvimento, análise de armazenamento) em ctx.skills.

Preset de agente Learning Mode: um agente de codificação que ensina enquanto codifica — explicações concretas ancoradas em cenários, orientação socrática e lacunas de prática TODO(你), modelado no estilo de saída Learning do Claude Code; instalável via dsh plugin add (dsh-learning-mode no npm).

Adiciona duas superfícies de UI: editor de imagem do compositor (marcas numeradas com instruções por marca, remoção de fundo sólido, apagar com máscara de pincel, presets de redimensionamento/corte; resultados voltam ao compositor como anexos e cápsula manifest) e painel Settings → vision/generation provider (3 níveis de prioridade, reordenação por arrastar, cadeias fallback de modelo por canal, consulta de saldo que considera atraso, armazenamento de contas ChatGPT-web). Grava os provedores resolvidos nos arquivos .env das skills.

Porta para o DSH os playbooks de engenharia pstack de poteto, cobrindo planejamento, revisão, verificação e lançamento.

Plugin do DSH que conecta agentes ao Cheat Engine para depuração dinâmica de memória: varredura, análise de ponteiros, breakpoints e hacking de memória de jogos.

Plugin de memória de longo prazo NeatMem para o DeepSeek Harness — cliente REST leve para um servidor neatmem

Dobragem de contexto sem perdas para o DeepSeek Harness: o trecho mais antigo é substituído por um resumo, e os originais permanecem no log da sessão.

Fixa cada requisição no nível nativo de esforço máximo e adiciona um painel de profundidade de raciocínio por modelo/modo com um slider de capacidade de 0 a 20, perfis Velocity/Apex isolados e caixas de ferramentas de raciocínio offline. Distribuído como build ofuscado; uso comercial permitido, engenharia reversa fechada.

Cartões de personagens para DeepSeek Harness: inserem uma seção persona no prompt do sistema ou reescrevem a mensagem do usuário por meio de cartões de regras antes que o modelo a receba. Inclui biblioteca predefinida, pacotes de arquivo único com arte e aba Character na conversa.

Modos personalizados / gerenciador de assistentes: cada modo tem seu próprio system prompt nas configurações — um prompt personalizado, arquivo simples que o loop do agente relê antes de cada passo do modelo, de modo que a edição vale para a sessão em execução no passo seguinte — e iniciá-lo a partir da composição oficial standard / PTC / minimal / Cordis, alternando uma a uma as linhas de plugin que ele monta (composição de plugins própria por modo), renomeável à vontade. Vários assistentes coexistem com prompts próprios, então uma máquina pode manter lado a lado assistente de programação, companheiro de chat e persona de roleplay (RP) — configuração multiagente escolhida a cada nova sessão. Linhas intactas permanecem idênticas byte a byte às originais, com condições de plataforma.

Aprimorador de prompts para a interface web do DSH com modos basic/standard/expert: os modos standard e expert reescrevem rascunhos com contexto do projeto e histórico recente da sessão, tentam de novo com elegância quando gateways rejeitam ajustes de reasoning-effort e mostram uma revisão antes/depois com desfazer.

Aprimoramento de prompts para o compositor: o botão “✨ Enhance” reescreve o rascunho em uma versão mais clara e estruturada usando pensamento de primeiros princípios, com base no contexto da sessão, na memória e na conversa recente; faz perguntas de esclarecimento em um cartão quando faltam informações importantes e mostra o resultado antes de aplicá-lo ao campo de entrada.

Skill de análise estrutural multifacetada: análise adversarial em primeiro lugar em 16 lentes em 4 categorias com 10 ferramentas estruturais, calibração de confiança e saída em camadas vinculada aos fatos.

Melhoria de prompt com um clique para o composer do DSH: pressione o botão de brilho para reescrever o rascunho em um prompt pronto para agente, substituído no local e reversível, com uma verificação determinística de fidelidade que mantém cada caminho, identificador, número, URL e token entre crases literalmente, além de um teto de comprimento que bloqueia inflação.