Plugins

Captura de janela ao estilo Codex para o DSH Desktop no macOS e Windows: pressione ambas as teclas Command (macOS) ou ambas as teclas Ctrl (Windows), ou o botão de câmera, para capturar a janela frontal, anexá-la ao chat atual e injetar uma árvore de acessibilidade estilo VoiceOver como contexto oculto.

Transforme o uso de tokens do seu DSH em um jogo gacha: alimente um monstro com tokens, ganhe moedas, faça pulls de 14 waifus de IA (Kimi/GLM/Gemini/Claude e mais), aprimore artefatos e monte uma equipe de batalha no estilo Balatro com bônus diários de login.

Alertas de áudio e voz para a Web GUI do dsh: tons diferenciados e fala opcional para aprovações, perguntas, conclusões e erros.

Geração de PPTX estável e editável para agentes de IA — IR semântica de entrada, DrawingML nativo de saída

Quadro de tarefas baseado em sessão na sidebar: arraste sessões para colunas todo/doing/review/done, crie sessões com seleção de modelo e reasoning-effort, lixeira com restauração, notas, export/import.

Detecção de código morto para bases de código geradas por IA: o graphlint constrói um grafo de dependências, encontra código inacessível a partir de qualquer ponto de entrada para permitir a limpeza da base de código e a compreensão da eficácia funcional, e expõe as ferramentas graphlint_query / graphlint_build / graphlint_config, além de uma habilidade graphlint, aos agentes DSH.

O pacote DeepSeek Harness registra uma habilidade que converte produção longa (artigos acadêmicos, análises setoriais, comentários empresariais) em pipeline de 9 papéis: scouts T1 literatura / T2 dados / T3 casos em paralelo, T4 analista, T5 redator, T6 companheiro crítico, T7 auditor, T8 finalizador, T9 revisor par executados pelo coordenador. Em 6 fases com verificação triangular de evidências, M-gate de 23 verificações, auditoria G0-G14 incluindo gate de rastreamento IA chinês, pontuação peer-review com correspondência de periódicos, e 4 checkpoints humanos. Instala com `dsh plugin add lunheng-article-pipeline` (package.json#dsh.bundle.patch mais lib/index.js); envia fichas de papel T1-T9, modelos e 11 scripts de verificação sem dependências, com READMEs em cinco idiomas.

Faz seu telefone tocar via CallKit: ferramentas `call_me` e `text_me`, além de ligações opcionais de fim de turno e de aprovação, cuja resposta falada é transcrita de volta para a sessão.

Recolhe mensagens ruidosas (Think, Bash, etc.) nas conversas.

Decisões tipadas do Laya (`noul` sim/não, `choice`, `score`) como um serviço Cordis de primeira classe (`ctx.laya`) mais as ferramentas `laya_ask` e `laya_plan` visíveis ao modelo. O plugin em si não instala nem baixa nada: é um cliente de um sidecar `laya-mcp serve` que você mesmo inicia, e informa que o sidecar não está em execução em vez de falhar de forma obscura na primeira chamada de ferramenta.

Interação por voz em chinês full-duplex para DSH Web: dite e edite tarefas, envie solicitações, gerencie sessões, responda perguntas do DSH e ouça anúncios concisos de conclusão de tarefas.

Move sessões entre workspaces por arrastar e soltar com verdadeira migração no local; recupera sessões órfãs ou não registradas; reaponta workspaces obsoletos após renomeação de pastas. IDs e histórico permanecem intactos, com backup e rollback por etapa.

Fornecedor web_fetch com Playwright/CDP para a ferramenta web_fetch integrada: renderiza páginas num navegador real, remove ruído (Readability + DOMPurify) e devolve markdown.

Preset de agente Learning Mode: um agente de codificação que ensina enquanto codifica — explicações concretas ancoradas 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).

Verificações de saúde para plugins DSH: verificação de manifest/patch/entry/build/pack/install, plugin_check chamável pelo modelo, detecção de profile host-shadowing + BOM, diagnósticos de ambiente e preflight de poison.

Microfone do compositor para a interface web: toque para monitorar a transcrição ao vivo e segure para falar, com leitura da resposta por Edge TTS do host transmitida enquanto o modelo gera, pausa de eco durante a leitura e toque para parar.

Sua web UI do DeepSeek Harness, reconstruída para o celular na sua mão. Criado para desenvolvedores que programam no Termux no Android: layout em coluna única, barra lateral em drawer, composer de uma linha, configurações e detalhes de trajetória roláveis em tela cheia, estatísticas de sessão acessíveis com um toque. O desktop permanece intocado.

API de runtime de scripts compatível com o Tavern Helper (JS-Slash-Runner) para o DSH (reimplementação própria, sem código upstream).

Notificações no navegador e um bipe quando um turno termina, o agente faz uma pergunta ou há aprovação pendente; clicar na notificação leva à sessão; endpoint de acionamento remoto e canal SSE (npm: `bsfeng-dsh-notify`).

Ponte QQ bidirecional sobre OneBot v11 (WebSocket reverso): sessões por grupo e por chat privado, voz speech-to-text citada por @, visualização privada de imagens/figurinhas animadas, ferramentas de rosto e figurinha.

Math Agent Framework para DeepSeek Harness: motor de derivação simbólica (CES / formas quadráticas / ODE / PDE), verificação com SymPy, provas formais verificadas pelo compilador do Lean 4 e verificação adversarial multiagente no estilo QED, exposto como ferramentas DSH nativas por meio de um shell TS que faz a ponte para um motor Python. Requer clonar o repositório math-agent-framework e executar `pip install -r requirements.txt`, com MATH_AGENT_HOME apontando para a raiz do repositório. Cada resultado carrega procedência (versões do motor, seed, tolerâncias) e é marcado como dados não confiáveis.

Plugin do DSH que conecta agentes ao Cheat Engine para depuração dinâmica de memória: varredura, análise de ponteiros, breakpoints e hacking de memória de jogos.

Suíte remota móvel: plugin de pareamento Host com oferta QR, loopback Host Gateway, Tunnel criptografado e WebRTC Direct na mesma LAN, mais um APK Android neste repositório.

Hooks de ciclo de vida orientados por configuração, incluindo injeção de contexto: declare event, handler e outcome em YAML, onde handler é uma ferramenta in-harness (MCP incluído), um comando shell ou um endpoint HTTP, e outcome é model-visible context, um denied tool call ou fire-and-forget.