Plugins

Predefinição de agente de fluxo de trabalho de engenharia para dsh: cinco fases com portões (esclarecimento de requisitos, aprovação de plano, TDD, subagentes paralelos, finalização verificada) com seis habilidades de fluxo de trabalho adaptadas de obra/superpowers.

12 skills de engenharia testadas (git commit, code review, test-first, plugin dev, debugging, changelog, PR review, task breakdown, e mais): cada SKILL.md passa por um validador de formato alinhado com as regras oficiais de skills além de um smoke test de carga isolada.

Sugestões de próxima mensagem sensíveis ao contexto no compositor DSH, com ciclo de gatilho repetido e revisão explícita do usuário antes de enviar.

Seis skills de engenharia para Claude Code e DSH: pesquisa, exploração de arquitetura, orquestração de implementação, revisão de diff em três eixos, auditoria de complexidade e testes de mutação. Delegam pelas ferramentas genéricas de subagentes do host quando disponíveis.

Mostra qual índice graft uma sessão dsh está servindo e se ele ainda corresponde ao código, e oferece ao modelo graft_ask, graft_grep, graft_callers, graft_skeleton e graft_map como ferramentas nativas.

Memória de longo prazo governada para o DeepSeek Harness: registro de evidências somente para adição, com proteções de escrita, afirmações em 7 níveis de autoridade, cadeias de substituição e injeção pré-etapa com orçamento e cotas por domínio.

A CLI self do Superself como ferramentas voltadas para o modelo (contexto de projeto, unidades de trabalho, relatórios, decisões) mais um comando /self — estado de projeto cross-session, cross-project mantido fora do repositório de código.

Preset de agente Learning Mode: um agente de codificação que ensina enquanto codifica — explicações concretas baseadas em cenários, orientação socrática e lacunas de prática TODO(你), modelado no estilo de saída Learning do Claude Code; instalável via dsh plugin add (dsh-learning-mode no npm).

Config-only DeepSeek Harness bundle that mounts the in-box MCP client bridge against morluto/rea over stdio, for reverse engineering anything with agents, from app behavior down to native binaries.

Full upstream REA 6.4.0 integration over the official DSH MCP bridge: all 170 tools, the version-matched reverse-engineering skill, and the six original MCP prompts with argument completions reachable from the composer / menu, all sharing one REA process and complete structured Evidence. External analysis engines are bring-your-own.

Engineering intelligence for coding agents — persistent, evidence-aware, project-isolated engineering memory with unified hybrid search (memory + RAG documentation) for DeepSeek Harness.

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.

Revisões de advisor que convergem por rodadas, um modo de engenharia cujas escritas exigem um token de design, escalonamento de uma tarefa para um modelo mais forte e consulta paralela multimodelo; uma página de configurações edita as rotas de modelo, timeouts e orçamentos.

Registra a skill fight-scene-director para projetar cenas de luta em vídeo por IA, portada da skill Codex de mesmo nome. Emite prompts estruturados em chinês para Seedance 2.0/2.5 e MiniMax H3, além de prompts de imagem de mapa de trajetória e posição inicial.

Otimizador de prompt na barra de entrada: reescreve rascunhos com 6 estratégias × 3 idiomas mais instruções personalizadas, com objetivo/todo/resumo de compactação/resultado de ferramenta e contexto de chat opcionais, um diálogo de confirmação, histórico dos últimos 5 e persistência de configurações em três níveis.

Aprende o que você deixa por dizer em seus prompts a partir de turnos bagunçados e das suas próprias correções, e injeta as diretivas aprendidas no prompt de sistema de cada nova conversa; as diretivas são editáveis em Configurações e um botão do compositor reescreve o rascunho atual com elas.

Adiciona contratos de execução persistentes, grafos de trabalho recursivos, clarificação crítica e gates de evidência para tarefas longas ou pouco especificadas do Harness.

Prompt optimization, next-sentence prediction, inline completion, and per-session draft stashing for the DSH input box.

Multilingual writing, chunked long-form collaboration and continuity review, with on-demand DSH delegation discovery. Requires Python 3.9+ on PATH.

Settings page for the REA reverse-engineering tool gateway (rea-mcp-lite) that lives in the same repository: tick which tool bundles load into context, see the tool count and token cost of each bundle, hot-swap them without restarting DSH, and check this repository and REA for updates, including classifying the tools a new REA release added. Requires REA (rea-agents) and the gateway registered as the rea MCP server (see repo README).

Context governance for DSH: folds oversized tool results, collapses the tool surface and keeps the prompt cache warm, so long sessions stop getting more expensive.

Locks the model's reasoning, replies and tool-call descriptions to a chosen target language (Simplified Chinese by default) with system-prompt sections at the head, middle and tail of the prompt, offering three strength levels, an auto mode that follows the DSH interface language, a settings panel that shows the language currently in effect, and a sidebar quick switch.

Rewrites drafts with one model call or predicts the next reply when empty; independent tasks, safe draft replacement, result previews, and original-text recovery.

Seleção de britadores cónicos hidráulicos MACKORN NH/NS e linhas de britagem e crivagem: 21 ferramentas cobrem requisitos do cliente, modelo/câmara/CSS, configuração da linha, simulação granulométrica Whiten 1972, calibração por medições, custos energéticos, desgaste de revestimentos, avaliação de distribuidores e proposta de 14 capítulos. Plugin DeepSeek Harness e servidor MCP por stdio e HTTP remoto, sem dependências.