Plugins

Otimizador de prompt estruturado por agente para o DeepSeek Harness: reescreve rascunhos do compositor em role/task/context/constraint/format com modos normal, slim e expand, um modal de confirmação com pontuação, continue-optimize e motores local, híbrido, DSH ou API na nuvem.

Orquestrador multimodelo: o cérebro principal decompõe tarefas complexas e distribui subtarefas para subagentes GLM / Kimi / Qwen conforme os pontos fortes de cada modelo, com uso de tokens por modelo.

Adiciona 20 localidades (chinês tradicional HK/TW, japonês, coreano, francês, alemão, espanhol, português, italiano, russo, ucraniano, polonês, neerlandês, turco, árabe, hindi, indonésio, vietnamita, tailandês, sueco) à Web UI do DeepSeek Harness, com traduções cuidadosamente refinadas, fallbacks em tempo de execução e tradução automática dos textos do mercado e de terceiros.

RAG de grafo de conhecimento duplo para notas Markdown com decaimento de memória half-life: grafos de pré-requisitos + similaridade (travessia P/S-Agent), fragmentação por parágrafos, busca híbrida n-gram/embedding e loop explícito de feedback de pesos — plugin nativo Cordis, instalável via npm como @eqman00003/knowlp-rag.

Dois gates para texto IA enviado. Guard bloqueia ao enviar: verbo de enchimento+substantivo abstrato, adjetivos vazios, clichês, abertura modelo, boilerplate git commit/PR/review e comentários que narram código. Cobre chat/comentários/email/commit/PR/review/issues/docs/código; retorna OK ou uma linha de correção. Catch memes consulta antes do raciocínio wiki local de 6.792 entradas (sem adivinhar/buscar gíria) e injeta “how to answer this”. Match exato title/slug/alias, sem fuzzy; chat normal não dispara. node:sqlite local, 0 deps, 1,6 ms. Settings: guard, strict, toggles prompt/wiki, busca por turno, tom comportamental reserved/measured/follow the room/unrestrained, AI-completion separado (off por padrão; modelo da sessão), teste de colagem, 3 limites. Gates não chamam modelo.

Núcleo de cérebro humano simulado para conversas: espaço de trabalho global, avaliação emocional, memória de dois sistemas com consolidação noturna e interface sensorial experimental. A ponte QQ requer um cliente snowluma local e vem desativada por padrão.

Painel 3D de mapa de memória neural para o armazenamento meow-memory dentro do DeepSeek Harness. Inclui entrada na barra lateral e incorporação no desktop, com classificação e recuperação em oito regiões. Requer o plugin meow-memory (lê .dsh-meow/memory.db) e Node 22.5+ (node:sqlite).

Skills Superpowers para o DeepSeek Harness (dsh): metodologia completa de engenharia fornecida pelo provedor de skills do sistema de arquivos do próprio dsh, com bootstrap sempre ativo.

Memória de longo prazo local-first para DeepSeek Harness: pacotes de texto, recall sob demanda, citação de eventos raw, vários brains e limites de workspace.

Alertas de desastres em tempo real para o DeepSeek Harness: terremotos no Japão (P2PQuake) e EEW da JMA, telegramas de tsunami e clima, terremotos globais (EMSC/USGS) e tsunamis da NOAA, terremotos na China continental (CENC via Wolfx), além de alertas de aguaceiro e de perigos geológicos do nmc.cn, e alertas de enchente, chuva e maré de tempestade do NWS/ECCC dos EUA e Canadá — comparados com suas regiões de monitoramento e limites.

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.

Rascunho de memória por sessão no estilo Codex para o DeepSeek Harness: uma sessão, um rascunho (rollout_summaries), contido e passivo (grava apenas a pedido explícito do usuário), divulgação em camadas (resumo + registro), marca d'água de integração idempotente. / Plugin de memória: uma sessão, um rascunho.

Gancho de memória do L-clone: o DSH captura automaticamente ao final de cada turno (turn/end) em um cérebro externo; o botão «Painel do cérebro» na barra lateral da GUI Web abre a bancada de memória com um clique.

Lógica de compressão de contexto inspirada no cérebro humano que reduz drasticamente o uso de contexto e o consumo de tokens em tarefas longas.

Página de chat CLI estilo Matrix para a interface web do DSH: o pensamento do agente desce pela tela como chuva verde de código enquanto as respostas são exibidas normalmente no terminal.

Abra o espaço de trabalho atual no seu editor local (VS Code, Cursor, JetBrains, Vim, ...) a partir do cabeçalho da sessão.

Mascote baleia cibernética para DeepSeek Harness: uma baleia flutuante, alimentável e personalizável em cores sobre shell.overlay que relata uso de tokens, cota, interações e contagens de sessão — um único bundle dsh-plugin carregando o cérebro de chat do host e a superfície do navegador.

Expõe as capacidades do agente do DeepSeek Harness como um servidor MCP, para que um cliente MCP externo (por exemplo, Hermes) possa comandar o Harness na execução de tarefas de código. Hermes = cérebro, Harness = braços

Immersive weather theme for DeepSeek Harness: physical rain with splashes and ripples, snow in two crystal habits, a hearth, lightning with distance-coded thunder, a night mode, and a compact control panel.

A second brain for DeepSeek Harness where Markdown is the database and git is the sync, with zero runtime dependencies. Core memory is injected into every system prompt, one file per note with weighted search; cards produced in the sidebar web chat land in an inbox first and are approved one by one as cloud notes or local-only notes (private/ is permanently gitignored and never pushed); web-chat progress is saved to progress.md with the last 20 drafts archived. A four-step flow lives behind one header icon: open web chat, extract cards, review them, back up to the cloud. The extraction prompt is editable in the panel and applies immediately.

Context handoff sentinel for DeepSeek Harness: three behavioral recall tests (constraints / changed files / next step) run after every compaction or on /guard check, cross-checked against the session log, returning a green/yellow/red verdict plus an optional handoff document.

Lingshu (灵枢) é um sistema de memória persistente, persona e crescimento inspirado no cérebro para agentes de programação com IA. Usa apenas a biblioteca padrão do Python, sem dependências e com prioridade local; requer Python 3.9+. Oferece memória em camadas hipocampo/córtex, curvas de esquecimento, consolidação dos sonhos, recuperação associativa difusa, sistema emocional, proteção contra desvio de persona, base de conhecimento, skills escritos pelo próprio agente e painel web local. Distribuído como skill incluído no DSH. O plugin cordis de injeção na inicialização, instalável à parte, injeta sessões automaticamente somente se (Lingshu estiver em ~/.dsh/skills/lingshu ou brainPy estiver configurado) e Python 3 estiver disponível. A verificação opcional de atualização acessa GitHub/Gitee.

Conexão de conta WHOOP em quatro etapas (crie seu próprio app de desenvolvedor WHOOP e cole o Client ID/Secret). Sincroniza automaticamente ao visitar o painel e mostra gráficos de recuperação, esforço, sono e treinos dentro do DeepSeek Harness.

Abre referências de arquivos da saída do chat do DeepSeek Harness no IDE (família VS Code ou JetBrains; Visual Studio Code por padrão), na linha indicada, na janela do projeto e em primeiro plano. Atualiza pelo GitHub.