Plugins

Plugin nativo de grafo de conhecimento Graphify fornecendo 10 ferramentas de inteligência de código, busca topológica, descoberta de nós divinos e triagem de raio de explosão de PR.

Um único vault Obsidian compartilhado para todos os agentes: núcleo Python sem dependências (buscar/promover/julgar/esquecer), modelo de vault, plugin dsh (memory_search/show/submit/status)

Uma única camada de memória para todas as ferramentas e agentes de IA: injeção de Context Bundle, recall no momento do prompt, ferramentas MCP e captura da thread do DSH ao final do turno.

Conecta o DeepSeek Harness ao Busabase: pesquise o conhecimento do espaço de trabalho, trabalhe com registros e aplicativos estruturados, envie gravações como ChangeRequests revisáveis e inspecione resultados em cartões ao vivo.

Executa o TiddlyWiki 5 como base de conhecimento persistente do DSH: dez ferramentas de agente tiddlywiki_* (pesquisa filtrada, leitura/escrita/lote/renomear/excluir, recentes, tags, sincronização git com resolução de conflitos), um editor TiddlyWiki completo integrado na coluna central da GUI sobre um proxy de mesma origem, uma aba wiki no lado direito, uma aba por sessão resumindo as notas que uma sessão leu ou escreveu, um cartão de nota rápida com salvamento automático de rascunho e um bookmarklet de recorte opcional com anexo de imagem — tudo apoiado por um repositório git com commit automático.

Um enxame governado de seis agentes especializados DSH — orquestrador, planejador, ponte para base de conhecimento, desenvolvedor e dois revisores — transforma um requisito em um pipeline rígido de fases em que cada entrega precisa provar-se com evidências estruturadas antes que a próxima fase possa começar; os revisores são somente leitura, merges de código só após uma passagem de revisão, e um log de eventos apenas de acréscimo fornece replay completo e auditoria em um quadro kanban ao vivo. Seu design se inspira no kanban do Hermes Agent.

Memória de grafo local em pré-visualização técnica para DSH e Codex: recorda evidências globais do proprietário e do projeto atual antes de cada turno, escreve registros de USER e ASSISTANT separadamente e preserva a proveniência de projeto, sessão, ator e fonte para um atlas visual e páginas de conhecimento citadas.

Memória de grafo local em pré-visualização técnica para DSH e Codex: recupera evidências globais do proprietário e do projeto atual antes de cada turno, grava registros de USER e ASSISTANT separadamente, e preserva a proveniência de projeto, sessão, ator e fonte para um atlas visual e páginas de conhecimento citadas.

Base de conhecimento de uso geral para DSH: importação de md/txt/json/yml/docx/pdf, gerenciamento de pastas, busca de texto completo FTS5 (BM25) e uma interface web de administração.

Predefinição de agente orientada por base de conhecimento: memória de longo prazo tipo wiki, uma IU web de base de conhecimento, uma página de gerenciamento e refinamentos opcionais da interface.

Base de conhecimento no padrão Karpathy LLM Wiki para o DSH: habilidades wiki-write/wiki-search, pipeline sem dependências (lint/index/sincronização de memória mnemon/feedback de qualidade), plugin de ciclo de vida mínimo que injeta esquema + pré-visualização de conhecimento, e recordação semântica SiliconFlow via proxy compatível com Ollama.

Uma base de conhecimento estilo Obsidian: ingira fontes, deixe o LLM construir e manter um wiki interligado e faça perguntas fundamentadas nele.

Ferramentas nativas para um cofre wiki do Obsidian: wiki_query, wiki_write, wiki_rename, wiki_scaffold, wiki_archive e wiki_lint cobrem busca BM25 com contexto de grafo de links, escritas de registro com rastreamento de fontes por sha256, renomeações em todo o cofre, scaffolds de modos, arquivamento de fontes e verificações de integridade — com bloqueios entre processos e git auto-commit opcional.

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.

Contexto de rede de conhecimento de negócios para o DeepSeek Harness: vincule uma sessão a uma rede de conhecimento OpenBKN, consulte seus objetos e métricas por ferramentas MCP gerenciadas e abra a proveniência respaldada por traces (fatos de execução e um grafo de negócios) para cada resposta. Vem com o OpenBKN Runtime; as visualizações de proveniência exigem uma licença empresarial OpenBKN.

Conecta o grafo de conhecimento de código Codebase Memory MCP ao DSH e mantém os repositórios indexados atualizados com um observador de sistema de arquivos com debounce. Ponte MCP somente para Windows (a metade do observador é multiplataforma); autoinstala sua CLI npm via npx no primeiro início.

Plugin de aprimoramento do DSH Desktop: fatos verificáveis na mesa. Restrições entram só quando relevantes; injeção em camadas (estável no system prompt, volátil em snapshot de cauda) com cache de prompt válido. Disciplina: cada turno é classificado (pergunta/pesquisa/discussão/diagnóstico/execução) — sem editar arquivos em perguntas nem corrigir o não pedido em diagnóstico; citações de código não aberto e afirmações sobre símbolos não vistos são sinalizadas. Memória: avisos em 75%/90% de contexto, recap exportável e conhecimento de projeto por diretório. Artefatos: contrato de tarefa, registros de mudanças e hipóteses com portão de evidências, decisões de design. Dashboard: roteamento e blocos em lume-metrics.jsonl via lume_metrics; personas destiladas de chats, romances ou fichas.

Uma ferramenta read_graph apoiada em um grafo de conhecimento da base de código (relações CONTAINS / EXPORTS / IMPORTS / IMPORTS_SYMBOL)

Um núcleo de julgamento para o DeepSeek Harness: um laço cognitivo que dá origem e atribuição a cada decisão e leva o planejamento até o fim, memória hipocampal que condensa a experiência em conhecimento reutilizável e um cartão de persona personalizável (nome, personalidade, estilo de comunicação). Requer DSH ^0.1.0-rc.7.

Plugin de base de conhecimento: monte pacotes de KB auditáveis (referências + SQL).

Grafo de conhecimento de código local para agentes: analisa uma base de código (Python/JS/TS/Go/Java/Rust) em um índice SQLite e responde a chamadores, chamados, dependências, dependentes, impacto e perguntas de texto completo sobre ele.

Ferramentas de comandos CLI Lanting + proteção L0: 9 ferramentas de memória + 6 ferramentas de qualidade (registro defineTool, spawn venv _cli.py) + proteção de escrita/chamada direta

Sistema de base de conhecimento estilo Cherry Studio para DeepSeek Harness (DSH): bases, documentos, fragmentação, embeddings (compatível com OpenAI / Ollama / local / fallback lexical), recuperação, ferramentas voltadas para modelos e um painel de gestão no navegador.