Plugins

Acesso a bancos no DeepSeek Harness pelo servidor MCP DBHub: configure conexões MySQL, MariaDB, PostgreSQL, SQLite e SQL Server por workspace/ambiente; o agente configura, lista, consulta e pesquisa objetos SQLite com quatro ferramentas fixas. Senhas e strings completas de conexão são inseridas só na Settings UI, nunca como argumentos; o modelo vê apenas metadados como mysql://host:3306/db. Cada ambiente pode ser read-only (o modelo pode ativar, mas não desativar) ou acessado por túnel SSH manual. Cada chamada inicia um processo dbhub de curta duração e instala o dbhub se estiver ausente.

Kit de busca e planejamento para o site de tutoriais de modding Minecraft BeiShan Besson: 7 ferramentas pesquisam 194 tutoriais indexados, planejam rotas de aprendizado, comparam ambientes de versão e obtêm o texto dos artigos.

Faz web_fetch funcionar com Clash/mihomo em TUN e fake-ip: libera 198.18.0.0/15, fdfe:dcba:9876::/64 e 2001:2::/48 na verificação de endereço público, mas mantém bloqueados loopback, endereços privados e link-local. Sem variáveis de proxy ou mudanças no Clash.

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.

Núcleo: envelope, assinatura, handshake, idempotência e armazenamento em disco.

Executa uma instrução em todas as máquinas Windows/macOS online, entre redes e regiões. Um relay sem dependências comunica-se apenas por conexões de saída (Tailscale, VPS público atrás de TLS ou túnel). Cada máquina executa no próprio checkout e retorna commit, fingerprint da árvore de trabalho e hash do comando; divergência de ambiente é marcada como não verificável, não como resultado diferente. Enviar trabalho requer operator token separado do device token de cada máquina.

Usa o subsistema WSL como ambiente de execução de sessões DeepSeek Harness: shell, leitura/escrita de ficheiros e comandos ficam no subsistema; seletor de diretórios e terminal gráfico também usam caminhos WSL. O bubblewrap no subsistema isola os comandos.

Inspetor de Skills somente leitura para DeepSeek Harness. Separa cargas reais (somente evidência observada) de Skills descobríveis e declaração de execução. Estados declared/observed/unavailable: sem evidência = “não observado”, nunca “não executado/acionado”; não atribui resultados à Skill. Validação e avaliação separadas; compara casos repetíveis sem pontuar. Testa should-trigger/should-not-trigger em sessão nova real e distingue chamada do modelo/pedido explícito (/name não é gatilho natural). skill_review somente leitura retorna pacote estruturado e aponta omissões. Cálculo local a partir de definições/recibos. Chinês usa modelo host só a pedido, preserva fences/caminhos/frontmatter localmente. Clonar não altera a origem nem executa scripts.

Plugin de seleção automática do nível de raciocínio para o DeepSeek Harness (DSH): o modelo Jev System One julga quanta reflexão cada mensagem merece, a faixa é derivada automaticamente dos níveis declarados pelo modelo, um envelope de contexto faz com que acompanhamentos como “continuar” herdem a profundidade do tópico, empates resolvem para cima e qualquer falha usa silenciosamente o nível original. | Esforço de raciocínio por mensagem orientado por Jev: escadas por modelo derivadas do que cada modelo anuncia, um envelope de contexto de tamanho fixo para que acompanhamentos herdem a profundidade do tópico, empates resolvem para cima, fallback silencioso em todos os caminhos de falha.

Ambientes de execução por projeto para o DeepSeek Harness: adota ou cria automaticamente um venv Python local ao projeto (.venv_local/python) e conecta as toolchains e variáveis de ambiente dos runtimes que cada projeto usa (python venv / node / go) — python e pip sempre resolvem para o projeto, nunca silenciosamente para o Python do sistema.

Automação de desktop Windows para DeepSeek Harness: loop observe/act com prioridade para acessibilidade e 30 ferramentas padrão (alvos de elemento/coordenada, roteamento de estratégia auto/a11y/event), semântica de segurança de observações substituídas e sem repetição, botão de desligamento persistente, proteção contra desatualização RuntimeId/rect-drift, cartões de chat e painel flutuante (ops ao vivo, mural de frames, configurações de autodetecção de ambiente), descrição de visão em mosaico para modelos de baixa resolução, trilha de auditoria JSONL e lista de permissão de pid. Requer Windows 10+ e Python 3.9+ com uiautomation e pillow (instaláveis pela página de configurações).

Gerenciador de ambiente uv nativo do DSH: cria, sincroniza e executa virtualenvs Python a partir da aba de configurações, com fallback para pip, visibilidade somente leitura do conda e pré-visualização de sync de projeto em dry-run.

Adiciona uma ferramenta net_doctor que informa o ambiente de proxy, o NODE_USE_ENV_PROXY e a acessibilidade da DeepSeek API e do registro npm, e define NODE_USE_ENV_PROXY nos processos filhos de bash e npm.

Quarto preset de permissões para o dsh: sessões sem restrições e com GPU (danger-full-access) com aprovação do usuário por operação para escritas fora do espaço de trabalho ou em caminhos protegidos (.git/**, .env*); implementado apenas como um bundle sobre o hook ask oficial tools/pre-execute, sem editar o core.

Descoberta de plugins dsh orientada por requisitos e receitas de ambiente: plugin_guide combina necessidades em linguagem natural a um diretório curado de plugins com motivos e comandos de instalação; recipe instala setups inteiros (通知全家桶, 安全审计套装...) a partir de bundles da comunidade com planos ordenados.

The judgment layer for DeepSeek Harness plugins: attribute why a plugin silently disappeared, judge a candidate against your exact environment, and keep a capability ledger. Offline, read-only, evidence-first.

Registers one tool, report_health, that answers whether a scheduled report job actually ran. It judges by side effects rather than exit codes: how old the newest report folder is, how many documents it holds, whether more than one report category is present, whether the audit ledger was synced recently, and how long ago the last log was written. Exits nothing, calls no model, and reads only local paths you can override by config or environment variable.

Self-narrative memory in five budgeted segments (800 chars, not a full context): a first-person note the model writes to itself, a profile of you aggregated from approved facts, environment facts kept separate from who you are, heat-ranked conclusions, and habits. Every injected fact is traceable to a fact id and can be retired; the profile can be edited by hand, and self-notes stay plain lines you can clear. Facts fade by use and time without ever changing their credibility. Preference-like lines you say are auto-detected as candidates (never auto-approved), with conflicts kept side by side. Recall over past conversations with citations, an incremental index that only decodes newly appended frames, a pointer-required warm layer, a doctor that says which part is broken, a heartbeat proving injection is alive, and export/import so the whole thing moves to another machine.

Use hosts SSH e distribuições WSL como workspaces DSH remotos, configure o ambiente, transfira configurações de modelos e incorpore localmente a interface remota.

Pipeline para livros didáticos digitalizados: OCR a cerca de 5 vezes a velocidade do ONNXRuntime (requer Python 3.10+ com pymupdf, rapidocr, openvino e numpy), seguido por relatório de estrutura e plano de leitura por capítulo antes de abrir o PDF.

Informações de desenvolvimento local do Harness: verificações de ambiente e runtime, git status/diff/log/commit, snapshots na gravação com restauração por versão e checagens de projetos Node, Python e Go.

Registra Brave como provedor de web_search. Obtém a API key do DSH credential store, de $DSH_HOME/.credentials.yaml ou do ambiente. Sem cartão de configurações ou mecanismo alternativo: uma solicitação à Brave Web Search API por busca.

Registra um provedor QwenWork (千问办公) que reutiliza o login local do cliente desktop. Executa uma ponte compatível com OpenAI limitada ao loopback 127.0.0.1 e traduz as solicitações de modelos DSH para o protocolo conversacional de envelope de controle estilo ACP realmente usado upstream.

Painel 护航 no cabeçalho da sessão ativa/desativa o watchdog dsh-guard local e mostra estado de varredura, vida do guard e último scan. O watchdog Python é implantado separadamente e localizado por DSH_GUARD_ROOT. Padrão Windows D:\AI\Projects\dsh-guard; defina a variável para outro diretório.