Plugins

Registro local de uso que lê os logs de sessão deste dispositivo e mostra consumo de tokens por dia, modelo e workspace, taxa de acerto de cache, divisão entre ferramentas e chat e custo estimado. Inclui editor de preços por modelo no app.

Adiciona ao compositor DSH uma barra de raciocínio (normal/strict/max). O modo loop, exclusivo, tem três níveis com 3, 5 ou 8 rodadas de autorrevisão; uma opção de revisão contrária pode ser combinada com qualquer um. O modelo lê o nível atual por clarify_tier e forge_level.

Adiciona um botão ✦ abaixo do compositor do DSH. Uma chamada ao modelo padrão configurado transforma o rascunho em um prompt mais completo, preserva a intenção e o idioma originais e substitui o texto no lugar, sem enviá-lo.

Adiciona uma faixa de luz como um cometa na borda da janela do DeepSeek Harness: até quatro em paralelo, com cor baseada no modelo de cada sessão. Inverte a direção enquanto aguarda sua resposta e volta ao compositor ou workspace quando a conversa termina.

Polish reescreve com o modelo já usado pela conversa. Quatro estilos, proteção que mantém fatos concretos literalmente, desfazer num clique e sem API key própria.

API Hub: gerencia e chama provedores de API locais (chaves, modelos, saldos) e skills dentro do DeepSeek Harness.

Substitui o seletor de modelos do composer do DSH por uma versão pesquisável e agrupada por provedor.

Plugin para DSH Web: exibe em tempo real cotas e uso dos provedores de modelos (DeepSeek / GLM Coding Plan / OpenRouter / Kimi Coding Plan + adaptador personalizado).

Exibe romances locais EPUB, TXT e Markdown sob regiões de chat nativas DSH selecionadas, apenas quando expandidas explicitamente. Preserva o raciocínio real e a saída das ferramentas sem enviar o texto do romance ao modelo. Requer DSH >=0.2.1-rc.2 <0.3.0-0.

Lê um snapshot de uma conta de Genshin Impact (personagens, talentos, armas, artefatos e histórico de desejos) e o expõe por seis agent tools e um painel com seis abas. Substats de artefatos vêm da vitrine pública de personagem no jogo. A pontuação inclui CV e modelos de pesos por personagem com seis graus; a análise de desejos cobre pity, níveis de sorte e progresso por banner. Para ler personagens, armas e histórico, exige login QR no Miyoushe; dados da vitrine são públicos por UID.

Pet chibi de baleia maid para DeepSeek Harness: come arroz branco enquanto o model gera, vive dentro da janela DSH ou em qualquer lugar do desktop macOS/Windows e mergulha atrás de tesouros entre turnos. No Windows, o overlay desktop é compilado durante a instalação e ignorado se swiftc ou o .NET SDK não estiver disponível; nesse caso, o pet fica dentro da janela DSH.

Plugin de gráfico Git para DSH: árvore do repositório e histórico em trilhas SVG (curvas, losangos de merge, badges de ref, marcas de término e exportação) em uma aba do dsh-better-sidebar. As convenções chegam ao modelo: sete frameworks integrados ou modelos próprios, opção de ocultar os integrados, inclusão em cada etapa do modelo e verificação com os 20 commits mais recentes. Compartilha o prefixo /git com o plugin upstream; escolha apenas um.

Agent Settings gerencia perfis reutilizáveis de subagente na barra lateral, cada um com descrição de uso e rota própria de provedor/modelo; o agente pode iniciar o perfil correspondente como subagente.

Camada de decisão local não generativa: phocinae_ask e phocinae_gate retornam vereditos tipados com confiança calibrada de um modelo pequeno e fazem escalonamento fail-closed. Requer um phocinae-server local (pip install phocinae-server), com o modelo Phocinae-Largha-150M-v1 na porta loopback 8155.

Caixa de memória de longo prazo para as configurações do DeepSeek Harness: digite uma vez e cada nova sessão a recebe. A versão 0.3.0 pode expandir uma nota bruta em uma folha de requisitos de cinco seções: mantém literalmente os requisitos do usuário, marca como 推断 e permite excluir qualquer conteúdo inventado pelo modelo, e lista pontos em aberto sem decidir por você.

Adiciona um painel de teste em Configurações → Modelos: lê o catálogo da implantação e testa cada modelo configurado com uma única ida e volta mínima de chat (um “ping” curto e limite baixo de saída) pelo serviço Host LLM, verificando a conexão com uma solicitação real. Cada linha informa sucesso/falha, código harness (NO_ADAPTER, MISSING_CREDENTIAL, AUTH, RATE_LIMIT, TIMEOUT etc.) e latências do primeiro token/total. Permite teste individual ou geral com 3 modelos simultâneos. Credenciais são resolvidas dentro do processo Host e nunca chegam ao navegador; sondagens independentes por modelo passam por rota limitada à mesma origem e ao tamanho do corpo. JS puro, sem etapa de build, MIT.

Adiciona a assinatura Meta Muse Code como provedor de modelos DSH. Declara a rota Meta incluída em Configurações > Modelos, sincroniza o catálogo de chat da conta (incluindo Muse Wonder) no seletor e adiciona um cartão de login e o comando `/muse-login` para executar o fluxo integrado de código de dispositivo Meta, renovar a chave emitida e mostrar o estado com um ponto vermelho ou verde. Requer assinatura Muse Code ativa; não precisa do Meta CLI.

Seleção de modelos com busca prioritária, favoritos, recentes, grupos de provedores recolhíveis e navegação pelo teclado.

Com Jev, ajusta raciocínio do chat principal sem trocar modelo, seleciona/aplica separadamente capacidade e esforço de subagentes e inspeciona decisões pelo feedback de alocação por resposta.

Registra no DSH modelos de um workbuddy2api-hub local como um provedor OpenAI compatível por chave API; cada chave mantém seu modelo. Emblema lateral mostra saldo da chave principal e tokens, créditos e custo equivalente de API de hoje/esta semana. Requer workbuddy2api-hub rodando localmente.

Livro de custos por turno e etapa para DeepSeek Harness. Aba Turns junto a Chat e Trajectory mostra tokens, custo estimado, economia de cache e inspetor de argumentos, resultados brutos e fonte. Só no cliente; preços estimados pelo uso registrado do modelo.

Detalhamento de tempo por resposta: modelo, ferramentas e outros, com primeiro token, decodificação e totais por ferramenta, em registro JSONL local. Requer Node 24+ no runtime DSH.

Análise forense de decisões antigas de roteamento. Reproduz sessões e classifica deterministicamente, sem LLM, a complexidade de cada turno pelo formato do pedido. Identifica dois desperdícios: modelo caro em tarefa simples (diferença mensurável) e modelo barato que falha em tarefa difícil; cada nova tentativa reenvia todo o contexto, custando mais que o upgrade. Distingue erros de capacidade do provedor (RATE_LIMIT/TIMEOUT/TRANSPORT) de falhas do modelo. Deriva regras da evidência e estima custos por tabela integrada por milhão de tokens.

UI de compositor para DeepSeek Harness: esforço de raciocínio no menu do modelo vira slider contínuo, lendo níveis ao vivo do adaptador para aceitar qualquer quantidade. Cada nível desenha sua chama num canvas atrás do controle. Com acesso total ativo, o acionador de permissões, inclusive sua linha no menu, usa a cor de erro do tema.