Plugins

Painel de anatomia para os órgãos do Agent-Body: serve um painel de sinais vitais ao vivo em /anatomy dentro do próprio harness — órgãos, batimento, livro-razão de cura, contadores de auto-treinamento e o fluxo de pulso real — lido diretamente dos arquivos de runtime em vez de redigitado. Somente host, sem bundle de cliente e sem etapa de build.

Um segundo cérebro autossuficiente para DeepSeek Harness — captura automaticamente conhecimento durável de diálogo num cofre Markdown local (dedup personalizado, pesquisa CJK, compatível com git), com uma base de conhecimento gráfica e um grafo de conhecimento interativo (filtro de legenda, coloração por dimensão temporal, seleção por caixa, mesclar, eliminar, exportar/importar PNG).

Shell de UI móvel para a Web GUI do DSH: transforma o layout de três colunas do desktop em um layout de telefone touch-friendly (gavetas sobrepostas, FAB arrastável, diálogos em tela cheia, histórico com rolagem infinita) sob um viewport de 1024px, sem impacto no desktop. - PWA móvel completa para DSH, construída sobre dsh-mobile-gate: gateway de acesso remoto seguro mais instalação na tela inicial (manifest + service worker), capacidade offline, gestos touch (puxar para atualizar, deslizar da borda para voltar, zoom de fonte com pinça), notificações push de agente concluído e layout touch-first — desktop não afetado.

OMK — Observe. Measure. Know. Mudanças de conhecimento respaldadas por evidências para aplicações de IA.

RAG de base de conhecimento de literatura local: 10 ferramentas (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), busca híbrida BM25+vetorial+reranker, QA com citações e links DOI clicáveis, embeddings bge totalmente locais sobre um índice SQLite de arquivo único. Requer Python 3.9+ com pymupdf, faiss-cpu e sentence-transformers; o instalador `npx dsh-kb-rag-install` configura tudo isso e pré-baixa o modelo.

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.

Analisa o uso entre modelos, provedores, espaços e períodos, com datas personalizadas sobre todo o histórico, cache-hit visível e detalhamentos por modelo e provedor. Inclui tendências horárias/diárias, mapa de calor de 53 semanas estilo GitHub, sequências, anéis de tokens por modelo e espaço (tokens, custo, %), filtros combináveis, eficiência de cache, saldo DeepSeek, aliases de espaços, exportação CSV e um livro-razão durável que preserva o uso após excluir a sessão ou o espaço (linha Deleted) e se reconstrói de forma incremental. O registro de espaços é atualizado via sonda DSH domain/changed; só espaços registrados contam. Contabilidade separada de entrada, cache e raciocínio. Chinês: hora local; inglês: UTC; API somente loopback.

Ponte para o ShiGuang Memory Engine (SGME): memória de longo prazo compartilhada entre múltiplos agentes via HTTP — destilação L0/L1/L1.5/L2, injeção baseada em cenário, busca unificada e sinais proativos de cuidado (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), instalável como `dsh-sgme`

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.

Bichinho de desktop desenhado a partir do contorno oficial da baleia, para o app desktop e a UI web: animações SVG e expressões faciais acompanham o estado do agente (pensando, trabalhando, concluído, erro, aguardando confirmação), e ele pode seguir outras sessões em execução com um selo de contagem; cutuque, arraste, balance até ele ficar tonto, achate-o contra a borda da tela ou passe o cursor sobre a cabeça para fazer carinho; 7 paletas, 4 tamanhos, sons sintetizados, sincronização com tema claro/escuro e uma prévia web jogável.

Loop de auto-refinamento contínuo: memória persistente, revisão e refinamento periódicos, conhecimento compartilhado entre sessões e rollback automático por meio de uma ferramenta harness_refine chamável pelo modelo.

Base de conhecimento em canvas na barra lateral direita: notas são nós e 9 ferramentas permitem ao modelo ler, escrever, vincular e remover. Nós podem conter imagens e documentos; a leitura retorna o texto e extrai arquivos Office no local, enquanto imagens podem ser enviadas como imagens.

Reuniões visuais de mesa-redonda para DeepSeek Harness — nós especialistas em um anel com arestas direcionadas, uma porta de agregação, pensamento proxy para modelos trabalhadores caixa-preta e revisão adversarial (red-team) de planos consolidados com endosso/rejeição por ponto de vista.

Skill de revisão de código orientada por modelos: fluxo de revisão em cinco etapas, classificação por severidade (crítica/média/menor), pontuação quadridimensional (qualidade, segurança, desempenho, manutenibilidade), saída dupla em texto e HTML e base de conhecimento de referência sob demanda.

Bancada design: HTML em moldura de dispositivo, atualiza ao mudar; servidores locais via proxy mantêm hot reload. Clique/arraste envia selector, fonte e estilos. Extrai o visual; ajusta telas/CSS, gera React/Vue/Next.js/HTML e compara pixels. Ferramentas: `preview_page`, `check_design`, `look_design`, `extract_design_system`, `handoff_design`, `compare_design`. `check_design` mede no tamanho real em Chrome/Edge local oculto; detecta sobreposições, erros de script, assets ausentes, links quebrados e contraste/tamanho (arquivo/linha CSS), capturando casos graves. Design mode com controles em Plugins. Remotamente, arquivos locais ficam em sandbox frame.

RAG de base de conhecimento de literatura local para o DSH: recuperação híbrida BM25 + vetorial em um índice SQLite, reranqueamento com cross-encoder, respostas citadas com proveniência em nível de seção e página, atualização somente de metadados e ingestão em segundo plano com acompanhamento de progresso.

Camada de integração nativa DSH para o motor de memória Minta: compõe a linha oficial dsh-mcp-client, registra a skill minta-memory-governance além de um preaquecimento de memória no início da sessão, e envia um preset de agente Minta; requer o motor Minta implantado separadamente (Python/Docker) para fornecer as 19 ferramentas MCP — não utilizável sem ele.

Um mecanismo de escrita de web novels para o DeepSeek Harness: redação paralela, esboço e brainstorming com uma chave DeepSeek separada, gerenciamento de lore e prenúncios, recuperação vetorial semântica, uma biblioteca de corpus, livro-razão de uso, revisão mecânica e um plano de serialização local.

Busca no Zhihu, ferramentas de agente, bases de conhecimento e acompanhamento de uso para o DeepSeek Harness.

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.

Ponte Windowseat para DeepSeek Harness: um plugin host local expõe um endpoint loopback HTTP/SSE para a extensão lateral Microsoft Edge incluída ler a página atual, buscar arquivos locais e conversar com DSH. A extensão Edge está no mesmo repositório e precisa ser carregada separadamente. Requer Windows 10/11 e Edge para desktop.

Bancada de escrita de romances para o DeepSeek Harness: você dá joinha ou não para trechos candidatos, e o modelo os destila em um perfil de preferência curto que acompanha as chamadas de redação seguintes, enquanto o manuscrito fica fora do contexto de redação. Adiciona um quadro de capítulos, pacotes de escrita por capítulo, revisão limitada à anotação que reescreve apenas o parágrafo anotado e verifica o resto byte a byte, um livro-razão do projeto e checagens locais de ritmo.

Adiciona um painel de configurações multiusuário ao cliente web do DSH: seleção do modo de uso, gerenciamento de membros com status online e vinculação de dispositivos, e troca ou compartilhamento das bases de memória e conhecimento por membro.

Base de conhecimento da equipe para compartilhamento de conhecimento offline (cenário FDE box): pontos de entrada de navegação, pesquisa em texto completo e refinamento; a matéria-prima é enfileirada automaticamente e destilada em páginas wiki por uma sessão de bot serial (padrão Karpathy LLM Wiki: matéria-prima imutável, refinamento em duas etapas, fluxo de logs, lint mensal).