Plugins

Memória de longo prazo governada para o DeepSeek Harness: registro de evidências somente para adição, com proteções de escrita, afirmações em 7 níveis de autoridade, cadeias de substituição e injeção pré-etapa com orçamento e cotas por domínio.

Relatórios locais e verificáveis de evidências de entrega para trabalho de coding agent.

Sidecar de visão gratuito e hospedado para o DeepSeek Harness, com evidências duráveis por sessão

Encaminha cada tarefa para um modelo e sua revisão para outro, com evidências de qualificação, failover e um diário durável.

Pipeline de Desenvolvimento Guiado por Especificação para Odoo: 15 ferramentas levam uma solicitação de uma spec imutável, passando pela arquitetura, até o código do módulo ou configuração ao vivo, e então exigem um veredito persistido com evidências de uma instância Odoo real, com gates fail-closed, lotes aprovados por humanos em um ambiente declarado, o importador CSV/Excel do próprio Odoo e um diário que reverte os dados escritos pelo plugin.

Workbench de orquestração de projetos IA local-first e plugin CLI para DeepSeek Harness: planejamento com aprovação, worktrees Git, execução de tarefas, Issues e evidência auditável.

Runtime de visão auditável e Computer Use multiplataforma para DeepSeek Harness com evidência que preserva a fonte.

Adiciona contratos de execução persistentes, grafos de trabalho recursivos, clarificação crítica e gates de evidência para tarefas longas ou pouco especificadas do Harness.

Livro-razão de conhecimento negativo vinculado a evidências: persiste caminhos refutados (command_failed, file_missing) com seu resultado e evidências de pré-condição, e então avisa ou bloqueia tentativas repetidas até que as evidências mudem.

Anexa localmente recibos em JSONL encadeados por hash para resultados de ferramentas e eventos de sessão, sem armazenar prompts, argumentos de ferramentas, texto de resultados ou IDs brutos de sessão.

Plugin orquestrador de QA para o DeepSeek Harness: um agente explora seu aplicativo e deixa evidências, depois o caminho explorado é reproduzido de forma determinística. Controla navegador, desktop macOS e drivers iOS e Android.

Edição em inglês da Lei de Weiwen (Lei do KISS): o primeiro middleware de adjudicação causal de caixa branca agnóstico de domínio para agentes de IA. Ao contrário de ferramentas de causalidade de domínio (estatística/economia/ML) ou firewalls de agente com barreira de evidências, adjudica *toda* chamada de ferramenta ao longo de uma cadeia causal estrutural determinística (R->S->D->H->M) antes da execução — em qualquer domínio, sem treinamento nem ajuste por domínio. Bloqueia operações destrutivas e em arquivos de credenciais, escala violações de limite repetidas, corta elos falhos até serem corrigidos e verificados, e emite vereditos de risco sobre execução não auditável; roda totalmente local, com custo zero de API.

Mescla o contexto de outras sessões no turno atual: resolução de conflitos ponderada por evidências, retratação de afirmações cujas premissas foram retratadas, rotulagem de confiança que resiste à injeção de prompts entre sessões, e empacotamento limitado por orçamento. Inclui um benchmark.

Planejamento de projeto em mapa mental com proteção contra desvios de bloqueio: planos, módulos e tarefas como um DAG de dependências com ordem de execução topológica, marcador de posição do agente, portão de aprovação humana em cada edição do quadro, verificações cruzadas com git e conclusão de tarefas condicionada a evidências.

Divulgação estática de capacidades para plugins do DeepSeek Harness: uma página de Configurações e uma CLI que listam as capacidades dos plugins instalados, destinos literais, scripts de instalação e formas de injeção (registros de prompts, texto de skills incluído, patch de bundle), cada um com evidência file:line. Determinado por código, reproduzível, zero token. Apenas divulgação — não é um veredicto de segurança, nunca uma alegação de segurança.

Evidência visual estruturada (OCR/layout/semântica) além de uma ferramenta de captura por câmera USB para um loop de depuração "atirar-olhar-ajustar"; backends: Ollama, DeepSeek, Xiaomi.

Telemóvel de agente estilo iPhone: chamadas e SMS em painel duplo, conversas de grupo RCS com barreiras de confiança, mensagens entre agentes de dispositivos diferentes através da ponte de caixa de entrada do registo, distintivos de confiança de L0 a L4 e auditoria de provas. Experimental: os resumos de confiança não são uma garantia de segurança, e os SMS/sinalização passam pela caixa de entrada do operador (visível para ele); a encriptação ponta a ponta está planeada.

Mantém um registro local de resultados de tarefas para DSH, verifica critérios de aceitação com evidências determinísticas, registra a decisão do usuário e o uso de tokens, e oferece suporte à exportação vinculada a resumo criptográfico.

Portão de verificação para agentes DSH: cada critério de aceitação deve ser respaldado por evidência real de ferramentas carimbada pelo servidor antes que o portão de conclusão deixe um objetivo passar (auditoria consultiva, portão de aplicação, permissões duráveis).

Analisa imagens de conversa por meio de prompts específicos por modo (caption, UI, documento, grounding, topologia etc.) e injeta evidências estruturadas com primitivas de coordenadas (caixas, pontos, referências) como texto, com cache em nível de sessão para reutilização em replay e compaction.

Due diligence de empresas e vagas baseada em evidências para o DSH: registra fontes com níveis de evidência, adiciona afirmações limitadas pelas evidências, verifica a entidade legal em registros oficiais e gera um relatório PROCEED/VERIFY/STOP com checklist de verificação e perguntas de entrevista.

Guarda com prioridade de evidência: alerta o agente quando ele afirma sucesso sem um registro de execução de ferramenta correspondente no contexto recente.

Testes de ciclo de vida em host real, isolados em Docker, para plugins DSH, abrangendo instalação, arranque, registo de ferramentas, atualização, desinstalação, reinstalação e recuperação, com evidências estruturadas.

Kit de visão para DeepSeek apenas texto: ferramenta `vision` invocável pelo modelo, adaptadores wrapper para deepseek/opencode-go (v4 flash/pro), cota do Antigravity IDE (default, flash/pro) / qualquer VLM compatível com OpenAI / Gemini / canais locais do Ollama, memória de evidências com reidratação por compactação, cache de hash de conteúdo e um painel de cliente bilíngue.