Plugins

Agregação de modelos gratuitos para DeepSeek Harness (dsh). Registra o provider freeroute sobre cotas gratuitas upstream (OpenCode Zen / B.AI / OpenRouter / SenseNova integrados, mais catálogos remotos e gateways personalizados) com failover transparente.

Plugin DSH independente com 21 ferramentas de governança do ciclo de vida, todas somente leitura: classificação de tarefas; validação de estado, plano e evidências; pré-verificação e agregação de gates; auditorias de lançamento e instalação; análise de contexto e progresso; caminho crítico; reconciliação ao retomar; e prévia de mudanças que sempre nega a execução. Instale pelo npm como `@240xu/dsh-tech-lead`.

Barra de estatísticas Composer para DSH Web UI: preços oficiais em CNY com faixas de pico/fora de pico sincronizadas, contabilização por modelo, cronômetros ativos, união da árvore de subagentes, saldo DeepSeek, alertas de orçamento e estimativa de custo no streaming.

Descoberta, avaliação, classificação em níveis e roteamento de subagentes adaptativos de modelos para o DeepSeek Harness.

Roteamento de modelos de tier gratuito para o DeepSeek Harness (dsh) — descobre modelos gratuitos do OpenRouter, aplica o melhor modelo gratuito como padrão do agente, rotaciona automaticamente em limites de taxa; configuração paga intocada a menos que solicitado.

Habilidade de pesquisa de produtos: analisa mercado, tecnologia e cadeia de suprimentos, depois produz propostas de especificações de produto em três níveis.

Monitoramento do saldo da conta DeepSeek e do custo dos modelos com preços oficiais de ponta/fora de ponta, cobrança de tokens em três níveis (cache miss, cache hit, saída), detalhamentos por modelo e por sessão, uma barra de resumo no compositor com detalhes ao passar o mouse, exportação em CSV e um painel de configurações.

Roteamento de modelos em camadas para o DeepSeek Harness: camadas think/build, delegação de visão (o modelo de visão apenas descreve imagens; o modelo de trabalho age), geração de imagens e uma proteção de alto impacto.

Guarda de permissões com autoaprovação: um nível intermediário entre workspace-write e danger-full-access — permite automaticamente operações seguras dentro dos diretórios de confiança e sempre pede confirmação humana para as destrutivas, com 11 interruptores por categoria e um registo de auditoria.

Portão de escrita por compromissos: regras escritas pelo operador aplicadas antes da execução de uma chamada de ferramenta — uma camada de guarda determinística e uma camada de juiz LLM, fail-closed por padrão, com cada bloqueio registrado em um log de contradições.

Mencione um servidor com @ em uma sessão do DeepSeek Harness e execute comandos nele via SSH, atrás de um portão de aprovação de dois níveis que falha de forma fechada (fail closed).

Uma lista elevada de plugins para as Configurações Web do DeepSeek Harness — níveis de confiança, grupos colapsáveis e detalhes completos por plugin

Protocolo de colaboração multiagente independente de projeto para o DeepSeek Harness: guardas de laço que param laços descontrolados de agentes, um formato de passagem de seis campos, roteamento de revisão por nível de risco e uma sequência fixa verify→commit→push→review→close. Uma skill em vez das mesmas regras copiadas nas instruções de cada agente.

Agrupa sinais do arXiv, de laboratórios de primeira linha, artefatos oficiais, fabricantes de hardware e do X com consentimento em bundles de evidência versionados, e condiciona a reprodução em nível de afirmação a comandos, artefatos, métricas e verificadores.

Roteador de modelos em dois níveis para o DeepSeek Harness — roteamento por LLM-Judge, cadeias de fallback multimodelo, failover com backoff exponencial e orquestração em nível de tarefa (adaptação do pi-shift-router para o DSH)

Um nível intermediário de permissão para o DeepSeek Harness, entre workspace-write e danger-full-access: aprova automaticamente comandos inofensivos e operações direcionadas a áreas confiáveis configuradas, além do workspace atual

Scheduled daily toast popups summarizing yesterday's conversations and managing two-tier pending TODOs.

Keep conclusions alive across context compaction: the model writes a task checkpoint and the plugin re-injects it into the system prompt's first node — the span compaction never touches, so it survives any number of compactions. Four-tier injection (0/95/175/≤12000 chars) scales with session relatedness; checkpoints live in the plugin's own folder, never in your workspace.

Drives the OpenCode client already installed on your machine through its loopback opencode serve API, so its free-tier models work in DSH — the child process starts on first use, and OpenCode executes no tools of its own: a call it proposes is handed to the DSH tool of the same name and run there, or refused when there is no equivalent. No API key is needed.

An Auto toggle next to the model selector that schedules reasoning_effort per request: complexity is scored by a MiniMax/OpenAI-compatible model with a zero-dependency heuristic fallback (fallbacks not cached), effort ladders adapt to each model real effort list (low/high/max, low/high/highx/max/ultra, ...), heavy tool calls upgrade the tier within the same session, the lit button and reply badges show the effort actually used, and every decision plus observed token usage lands in a JSONL ledger. A standalone-button fork of imkingjh999/dsh-adaptive-effort; do not install it and the original in the same profile.

Switch OpenAI models between Codex-style Responses WebSocket transport and SSE from the composer, inheriting DSH provider settings with an optional priority-tier toggle.

Five-tier reasoning protocol injected into the system prompt — off / light / standard / deep / multi-agent, 0 / 3 / 9 / 17 / 19 rules — with the tokens each tier adds per request shown beside it. Alongside it: a claim ledger that marks a load-bearing claim with no evidence or check as unsupported, read-only analyst briefs, JSON-declared custom tools that work in the same turn, one persistent PowerShell session, and re-injection of host context after a configurable message gap. Tier 0 injects nothing and mounts no tools. A derivative of husongan/dsh-deepseek-2027 (MIT); do not install both — each injects its own reasoning-protocol section into the system prompt.

Runs an approved OpenSpec change to completion while the model stays a mechanical forwarder: a bundled Python CLI computes the ticket DAG frontier, claims tasks atomically, prepares one git worktree per assignment, and returns exact actions. The session delegates each action with the DSH subagent tool and reconciles the completion notice against a hash-bound receipt produced by re-running verification commands on a clean, advanced HEAD, so free-text "done" never counts. Runtime scope changes are plain tasks.md edits. Requires Python 3.10+ on PATH and a git project that uses OpenSpec.

Measures one university department's research output: matches author affiliation strings against a college's known name variants (detecting same-named departments at other universities), backfills papers that only name the university by faculty author IDs, classifies each paper by journal tier (CAS partition with Top flag, JCR quartile, CCF, Chinese core via a CNKI export merger), splits staff from student first authors, and writes a workbook with a dashboard sheet, a filterable paper list, a teacher-by-direction matrix and per-teacher statistics. Student authorship is inferred from affiliation and staff lists, not verified against enrolment records. Requires Python 3.9+ with pandas and openpyxl (pip install -r requirements.txt); papers come from the OpenAlex API, whose free per-IP quota is limited, and Chinese-journal coverage needs a manual CNKI export.