Plugins

Plugin do DeepSeek Harness que transforma julgamentos Jev em três ações automáticas — podar saídas de ferramentas grandes demais para os segmentos relevantes à requisição, triar páginas obtidas em busca de instruções dirigidas ao modelo e escolher qual skill se encaixa no próximo passo — além das ferramentas jev_ask e jev_gate, um registro de julgamentos que sobrevive a reinicializações e um relatório /jev-status. Requer uma chave de API TypeSafe; sem ela, fica inerte e não envia nada.

Conecta o DeepSeek Harness a aplicativos e serviços gerenciados pela OOMOL, com descoberta e execução progressivas de Connector Action, além de um painel dentro do aplicativo para gerenciar conexões de Provider.

Rotas de modelo dedicadas, ferramentas e orientação de sistema para visão, compactação, revisões, subagentes, títulos e geração de imagens.

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.

Cobrança de cache por chamada no popover do medidor de contexto: totais da etapa, rodada e sessão atuais com tokens e valores de acerto / erro / saída, preços automáticos de pico e fora de pico no horário comercial de Pequim, tarifas por modelo e cobrança também de relays de terceiros.

Uso do computador por meio de um dispositivo USB HID externo: nomeie um alvo em linguagem natural, um modelo de visão o localiza em uma captura de tela recortada, e um Raspberry Pi Pico 2 move o mouse real e digita no teclado real. 7 ferramentas. Windows tem listagem de janelas, recorte por janela e elevação automática de janelas; macOS precisa de pyobjc e não tem nenhum dos recursos; Linux não é suportado.

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.

Servidor MCP de dados financeiros de ações A chinesas: 11 ferramentas fin_data__* (cotações/candles/financeiros/calendário/dados especiais/anúncios/EDB/conciliação/fundos/índices) sobre THS REST oficial gratuito (principal) + AKShare (reserva) + Wind (domínios exclusivos), com degradação observável, compressão do orçamento de contexto (-72,2% medido no lado dos resultados) e um lago offline de 10 anos de dados de mercado. BYOK.

Um painel flutuante à direita e o comando /context para o DeepSeek Harness — um gráfico de rosca ao vivo do uso de tokens de contexto, alocação e custo estimado.

Busca na web multi-motor para agentes de programação — um núcleo SearchBoost (busca combinada, fetch, X) com adaptadores MCP (Cursor, Codex, Claude Code, Grok Build, Antigravity), extensão pi e bundle do DeepSeek Harness

Mouse e teclado reais para um agente do DeepSeek Harness: descreva em palavras o que deve ser clicado, um modelo de visão encontra o alvo e um dispositivo USB HID clica nele.

Força a compressão de contexto ao executar modelos llama.cpp de baixo contexto como Qwen3.8-27B, melhorando a eficiência do modelo e a suavidade de uso, junto com prompts de compactação bem refinados.

Pastas de sessão de um nível para a barra lateral web - agrupa sessões por espaço de trabalho, move-as por arrastar e soltar ou menu de contexto, arquiva e restaura, persistência no servidor.

Uma UI de terminal inspirada no opencode para DeepSeek Harness, iniciada como plugin de aplicação de perfil dsh, com barra lateral de sessões, chat em streaming, cartões de ferramentas Markdown, listas de tarefas, sugestões de comandos com barra, rodapé de telemetria com medidor de contexto e pedidos de aprovação inline.

Compactação reversível de contexto para DeepSeek Harness: recodificação tabular sem perdas em estilo TOON de arrays JSON uniformes, janelas de tabela amostradas por stride com números de linha e deduplicação entre turnos para saídas de ferramenta repetidas; cada substituição passa por um limite bytes+tokens (≤72% de bytes, estritamente menos tokens estimados) e o original é gravado em disco atrás de um aviso `[save-token #id]`, recuperável numa única chamada via a ferramenta `save_token_expand`, com contagem de tokens facturados e evitados num painel de definições.

Compressão determinística de contexto para o dsh — zero chamadas ao LLM, poda baseada em regras que preserva textualmente caminhos, comandos, rastros de erro e tarefas pendentes. Comprime ~80k tokens para algumas centenas.

Compactação de contexto protegida para DeepSeek Harness (dsh): a LLM propõe, os guardas deterministic decidem — redução eager por átomo (extract/summary/false sob guardas verbatim) + eviction preguiçosa do reference-graph (0-LLM) + recall byte-exato a partir de um log append-only.

Controle por rodada do nível de raciocínio (reasoning_effort) para DeepSeek Harness: Auto agenda low/high/max pelo histórico recente de tool calls, ou permite fixar um wire level (off/on/minimal/low/medium/high/xhigh/max), com mapeamento wire personalizado, proteção de capacidade por modelo e presets de janela de contexto (64K–1M); seu capability card por modelo funciona com [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (instalável pelo dsh-market) para testar raciocínio em gateways compatíveis com OpenAI (vLLM / LM Studio / self-hosted). O card escreve capacidades llm-pi-ai, o adapter controla o wire (compat.thinkingFormat) e o plugin mantém a lista de takeover.

Servidor MCP de dados financeiros do mercado A-share da China para o harness: 11 ferramentas fin_data__* (cotações/K-lines/financeiros/calendário/dados especiais/anúncios/EDB/reconciliação/fundos/índices) sobre THS free REST oficial (primário) + AKShare (fallback) + Wind (domínios exclusivos), com degradação observável, compressão de orçamento de contexto (medido -72,2% no lado de resultados) e um lake offline de 10 anos de dados de mercado; BYOK.

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

Plugin do DeepSeek Harness que se conecta a um PowerContext Server via HTTP para recall, memória, handoff, experiência e skills.

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

Integração não oficial do DeepSeek Harness para o Unreal MCP do Unreal Engine 5.8

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.