Plugins

Medidor em tempo real de uso, custo e saldo para DeepSeek Harness: saldo da API oficial, precisão de custo dentro de ¥0.02, livro-razão de custo por turno/sessão/modelo, velocidade de tokens ao vivo com níveis de cor e popup acoplado de um clique.

Harness de memória de agente em três níveis: CLAUDE.md L1 sempre ativo, índice L2, esqueleto detalhado L3 com modelos, um gate que bloqueia gravações em arquivos protegidos sem um token de aprovação de uso único, registro de eventos sem julgamento, destilação semanal e uma skill de loop de execução TDD.

Telemetria de execução sem intervenção para o DSH: cada sessão grava automaticamente tarefa, nível do modelo, ferramentas, falhas, duração e status em um diário legível por humanos, com uma seção de estatísticas (puro observador — sem ferramentas, sem chamadas de LLM, sem injeção)

O seletor de modelos para o DSH: aponte para qualquer endpoint compatível com OpenAI, com presets selecionados de provedores DeepSeek gratuitos/baratos e fallback automático quando um nível gratuito limita sua taxa

Memória local de seis camadas para dsh: registra turnos, passa por um buffer L2 e gera resumos DL3 com um modelo intermediário; injeta um bloco de memória estável em cada turno e substitui o histórico da conversa por marcadores. Inclui cinco ferramentas de memória e uma página de configuração.

Modelos gratuitos do OpenCode Zen para DeepSeek Harness, com acesso anônimo sem API key, shim compatível com OpenAI em loopback e ferramentas reais de gate bash/read.

Enriquece automaticamente os model channels do DeepSeek Harness: dispensa configurar manualmente por model contextWindow, maxTokens, entrada multimodal [text, image] e níveis de reasoning effort {low, high, max} após adicionar um provider channel. Atualiza ao salvar, com página Settings UI e backups com data/hora.

Preset de agente de viagem para a China continental que responde em chinês: consulta disponibilidade 12306, preços Fliggy/Tuniu e rotas Amap reais, verifica fechamentos e clima e entrega roteiro HTML offline com mapas arrastáveis, três faixas de preço de hotel e orçamento detalhado. Inclui 9 skills, diagnóstico de API keys ausentes e patch do servidor MCP 12306. Planeja e consulta, mas não reserva nem paga.

Substitui o menu reasoning-effort por um controle deslizante com encaixe. Oferece 13 efeitos canvas em cinco famílias (thrust, fluid, fantasy, tech, texture), liberados em três níveis conforme o esforço. Custom combina 10 formas de partículas e 8 trajetórias; 9 cores de destaque e seletor hexadecimal recolorem tudo. Sons opcionais de tecla: dois clipes de voz, grasnado de pato sintetizado, clique mecânico e arquivo de áudio local.

Um controle nativo de esforço de raciocínio para o composer: uma barra de níveis azul a violeta com campo estelar e um brilho deslizante. Ocupa o assento do modelo e aciona o serviço oficial model-directories, então a escada vem da própria declaração de raciocínio de cada modelo e nenhum outro plugin é necessário.

Pacote de provedores de busca SearXNG e coleta multicamada Scrapling para ctx.web do DeepSeek Harness, com proteção SSRF e conversão para Markdown.

Limpeza da unidade de sistema do Windows (C:) para DSH: verificação por regras, cinco níveis de segurança, área de preparação com registro de reversão, elevação UAC e migração para outra unidade, via ferramenta de modelo e painel GUI Web.

Kit de produção de imagem e vídeo para DeepSeek Harness. Imagem: remoção de fundo por níveis de qualidade, retoque local inpainting, composição de títulos/logos, exportação em lote nos tamanhos das plataformas e relatórios QA. Vídeo: recorte AI do sujeito e troca de fundo (RVM ONNX ou chroma key), títulos animados com presets de fade/slide/datilografia/karaokê, 53 transições estilizadas, efeitos de luz e cor com LUT, inventário, corte preciso, legendas embutidas, mixagem e exportação nas especificações das plataformas. Um bootstrap script incluído instala o runtime Python local.

Roteamento unificado de modelos para o DeepSeek Harness: um ModelID lógico sobre múltiplos provedores com failover no primeiro token e cooldown, ranqueamento de candidatos ciente da saúde, três níveis (tier1/tier2/tier3) selecionados automaticamente por finalidade, esforço de raciocínio por candidato e um painel de gerenciamento na página de configurações.

Gerenciador de nível de esforço de raciocínio para modelos de API customizados, mais memória de preferências entre sessões: toggles inline low/medium/high/max dentro de Configurações → Modelos, com escritas atômicas de configurações.

A consent-gated personal profile store: people are indexed by name, entries by person and key, and no profile record is read before the current session is authorised. Sensitive entries come back masked unless the user authorises that tier separately; credential-like values are refused at write time. Ages and next birthdays are computed at read time, so asOf restores the answer for a past date, and facts that rot (height, weight, address) carry freshness warnings. Five profile_* tools plus a settings page to browse, edit, delete and revoke grants.

Long-term memory for dsh with defense-in-depth hardening. Two tiers (project `.dsh-memory/` and user `$DSH_HOME/memory/`), each a plain hand-editable JSON file with bounded entries and tags. Writes are atomic (unique temp file + rename, previous revision kept in a bounded history/) and serialized across processes by a per-tier lock with stale reclaim; a disk-revision check refuses lost updates instead of silently overwriting another writer. Memory text is wrapped in explicit untrusted-data boundaries (forged wrappers stripped on write) to blunt prompt injection from remembered content, load-time validation rejects out-of-bounds stores, and symlink escapes out of the tier directory are refused with MEMORY_STORE_ESCAPE. No content-heuristic filtering and no confirmation step, so headless auto-consolidation stays intact. Install: dsh plugin --profile web add github:RocoFish/deepseek-memory.

Aprimoramento de prompt em 4 níveis para a GUI Web do dsh: base / standard / professional / system. O nível system sempre emite um prompt Markdown estruturado com LangGPT; a bancada iterate reescreve uma base editável conforme um requisito opcional.

Compressão de contexto no estilo kifu para sessões longas do DSH: cada etapa reúne novos turnos em um DAG (nó = posição, aresta = correção tentada). Em um fixture com 2000 arestas no nível L5, injeta apenas uma lista ativa de ~415 tokens, além de memória de falhas e detecção de posições repetidas.

Executa workflows ComfyUI na nuvem RunningHub como pool em segundo plano: envia lotes, distribui dentro do limite de concorrência, consulta cada job, baixa todos os resultados para o disco e desperta a sessão quando o pool esvazia. Um ledger compartilhado registra lotes, custos, níveis de instância, horários de envio/fim e caminhos de cada arquivo; painel ao vivo na barra lateral direita.

Painel flutuante de curadoria Bilibili para DSH: aprende interesses em intervalos probabilísticos e os reduz por meia-vida. Seleciona vídeos dentro do orçamento de tokens derivado do limite diário de gastos e só avisa se a pontuação superar o limiar. Comentários vêm desligados; ao ativar, há modo rascunho e confirmação ou automático com autoverificação, sob cota diária. Comentários sobre política, governo e ciência de fronteira são proibidos; identificadores da conta são removidos do texto antes de publicar. Entra com seus cookies Bilibili; recomenda-se conta separada para publicação.

Conecta um gateway Magpie auto-hospedado com uma rota de provedor por proprietário upstream. O seletor padrão mostra grupos como Magpie (Claude) e Magpie (Codex); inclui failover automático entre várias linhas, cartões de uso somente leitura, reasoning effort padrão por modelo, troca rápida por sessão para modelos prioritários e Cloudflare Access opcional.

Mixture-of-Agents nativo durante a geração: a cada turno, modelos de referência processam em paralelo o mesmo contexto da sessão como rascunhos prévios, e um agregador executa com todas as ferramentas. Inclui receitas de configuração como modelo, visões F mirror/R trimmed, bloqueio obrigatório de subagentes por indexação de sessão em dois formatos, visão derivada por receita (referências com visão transmitem a leitura de imagem a agregadores só de texto), cadência por níveis com listas separadas de steering e patrol e reutilização congelada entre beats, proteção que descarta saídas de referência degeneradas e identidade do modelo ocultada em avisos de falha.

Adiciona ao compositor DSH uma barra de raciocínio (normal/strict/max). O modo loop, exclusivo, tem três níveis com 3, 5 ou 8 rodadas de autorrevisão; uma opção de revisão contrária pode ser combinada com qualquer um. O modelo lê o nível atual por clarify_tier e forge_level.