Plugins

Geração automatizada de testes unitários: um comando /testgen e a ferramenta generate_tests que estruturam, executam e corrigem os testes até que passem (LLM + geradores de templates offline; vitest/jest/mocha/node:test).

Planejamento de tarefas com memória muscular de experiência: recuperação por reflexo condicionado de soluções passadas, correspondência de capacidade do LLM e lições persistidas automaticamente.

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`

Task-driven plugin equip engine: dual retrieval (curated rules + LLM semantic), combo scoring (synergy/conflict/cost/trust), conflict detection and install-command export.

Durable citation-thread learning companion for DeepSeek Harness conversations

LLM auto-approval for sandbox escalation requests, with presets and a fail-closed fallback.

Unified LLM request/response inspector: reasoning-effort tuning, external-think export, traffic & bundle analysis.

Multi-agent math problem-solving & verification framework: brainstorm → solver iteration → multi-verifier debate → Verified knowledge base, with checkpoint resume and manual/auto intervention (also ships as an agent preset).

Per-subagent LLM provider/model selection with role templates.

LLM provider that runs the locally installed Claude Code CLI as the model backend, so requests go through an existing Claude subscription instead of a metered API key; native tool calls are bridged over MCP.

Ao final de cada turno do modelo, um LLM gera 3 sugestões críticas de acompanhamento, exibidas como chips de clique para enviar

Cadeias automáticas de fallback de provider/modelo para agentes do DeepSeek Harness quando as requisições ao LLM continuam falhando (retentativas esgotadas, autenticação, cota, limite de taxa)

Cartão flutuante arrastável mostrando o saldo/cota dos provedores usados mais recentemente (DeepSeek/Moonshot/Kimi For Coding): descoberta automática, níveis codificados por cor, atualização em tempo real

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

Ponte de visão nativa do provedor LLM: imagens coladas no chat são descritas por um modelo de visão (Qwen3-VL via pi-ai/llama.cpp), e a descrição em texto é enviada ao DeepSeek somente de texto para a resposta — admissão de imagem, roteamento e compactação passam pelos mecanismos nativos do harness, com cache de descrições LRU e nova tentativa em erro 503

DSH 插件：把网页大模型接入 Agent 工作流——真实浏览器驱动，支持代码审查、翻译、红队等多种角色。

OpenCode Zen free models provider for dsh

Contract regression harness for plugin authors: a scripted LLM adapter drives the real pipeline in isolated child processes with session-event assertions (load/contract/behavior/fault layers); zero API key, CI-ready.

Enhanced ACP server for DeepSeek Harness: block & reasoning streaming, usage telemetry, model/effort switching, permission presets, session resume/archive, per-session MCP servers, and Zed file/terminal forwarding.

Surveys local code and GitHub/npm for reusable implementations before development, evaluates reuse versus rewrite, and checks architecture coupling.

GPT plans dependency DAGs, DeepSeek workers execute tasks with adaptive parallelism, and an optional GPT reviewer audits incremental Git diffs and drives repair rounds.

Adds persistent execution contracts, recursive work graphs, critical clarification, and evidence gates for long or underspecified Harness tasks.

Vision-augmented DeepSeek adapter: a vision-capable model describes image input, then a text-only DeepSeek model reasons over the description.

Faithful port of the hermes-agent MEMORY.md / USER.md mechanism for DSH: bounded dual-bank memory (2200/1375 chars), a single `memory` tool (add/replace/remove/batch), frozen-snapshot injection per session, nudge reminders, DSH-native JSON storage — zero external dependencies, zero LLM cost.