Plugins

Servidor MCP de trabalho GitHub (dsh bundle): 23 ferramentas MCP para repositórios, issues, PRs, revisão de código e busca; sem dependências de runtime e com autenticação PAT/OAuth.

Revisão adversarial de código por múltiplas perspectivas: análises paralelas de correção, segurança e manutenção examinam um diff, com classificação determinística de gravidade, regras de supressão e histórico incremental.

Painel Git/GitHub para o perfil web do DSH: stage/unstage/discard/diff, branches, commit, push/pull/sync, log, navegador de arquivos, quadro de workflow e OAuth do GitHub com criação de PR.

Sincronização Git das configurações e perfis do DSH orientada por políticas, com projeções que consideram segredos, revisão de conflitos e controles de aplicação por linha.

Registro de trabalho entre sessões baseado em eventos: registra, acompanha e conclui tarefas com histórico completo de auditoria, exportação kanban e resumo do quadro injetado em cada turno do modelo.

Planejamento de execução persistido em disco para DSH: máquinas de estado de marcos/etapas, controle de dependências e fluxo de auditoria, com verificação determinística de conclusão por ferramentas dsh, CLI ou skill.

Preset de orquestração do cérebro principal: persona que prioriza delegação, bloqueio de execução da sessão raiz e skill portátil de regras AI-LAW.

Orquestração declarativa de DAG de tarefas para DSH: valida grafos de dependências, executa camadas topológicas em paralelo por subagents baseados em workflow e propaga falhas de forma determinística.

Ferramentas de workflow para o binário local aflare: geram, validam e executam DAGs YAML determinísticos com prioridade local (recuperação de falhas WAL, compensação Saga) pelo binário local. Mais de 300 modelos incluídos.

Pacote de skills de oficina de documentação: quatro Agent Skills somente de prompts que transformam uma base de código em READMEs, descrições de PR, changelogs e revisões de código. Instala no dsh por uma entrada de plugin dsh.bundle.

Skill para empacotar o DeepSeek Harness como app desktop Tauri 2 (macOS + Windows): guias de instalação para ambas as plataformas, inicialização por espelho chinês com sentinela de timeout do subagent, receita de ferramentas Windows sem admin nem VS Build Tools e listas de aceitação em três caminhos.

Preset de scaffold para projetos DSH: roteiro rigoroso de inicialização em 5 fases, padrões de engenharia e seis modelos iniciais executáveis (node-ts / react-vite / python / go / spring-boot / monorepo).

Pacote inicial para DeepSeek Harness: boas-vindas, trilha de aprendizagem 0→1, recomendações de plugins por cenário e checklist de autoavaliação, junto ao repositório chinês de tutorial dsh-handbook-zh.

Publica um documento HTML como link compartilhável que abre com um toque e aparece como cartão em apps de chat; publicar, atualizar e exportar para PNG/PDF/Word.

Voz duplex em tempo real com ASR/TTS em streaming da Volcengine: narração da resposta do agente, interrupção, palavra de ativação, legendas ao vivo, 30 vozes chinesas e confirmação que prioriza a resposta. É compilado no monorepo do DSH.

Entrada por voz na Web UI: botão de microfone no compositor transcreve a fala para o rascunho via Web Speech API, com opção para ativar o envio automático.

Adiciona visão a modelos somente de texto: a ferramenta describe_image delega imagens a um modelo de visão da lista de modelos do dsh usando o próprio runtime LLM do harness.

Permite que um agente DeepSeek somente de texto leia imagens na mesma sessão delegando a um subagent com visão; converte a imagem em um caminho no momento do envio.

Cliente HTTP puro que delega tarefas repetitivas de texto e visão (OCR, análise e comparação de imagens) a um servidor Unsloth Desktop (Unsloth Studio) já em execução por meio de unsloth_run e unsloth_vision. Nunca inicia nem controla processos.

Delega tarefas repetitivas de texto e visão (OCR, análise e comparação de imagens) a um servidor KoboldCpp (llama.cpp) local por koboldcpp_run e koboldcpp_vision, com gerenciamento sob demanda do ciclo de vida do servidor.

OCR local para imagens anexadas via mecanismo integrado do Windows (Windows.Media.Ocr): apenas o texto reconhecido é enviado ao modelo, nunca os bytes da imagem; o passthrough de visão é opcional (opt-in).

OCR local para imagens anexadas via Tesseract: apenas o texto reconhecido é enviado ao modelo, nunca os bytes da imagem; o passthrough de visão é opcional.

Adiciona visão a modelos somente de texto: um modelo de visão descreve automaticamente anexos de imagem do chat com prompt padrão e os reanalisa com prompts gerados pelo modelo quando faltam detalhes. Inclui modos system/custom, painel GUI, tratamento seguro de chaves e um pequeno patch no host para DSH 0.1.0-rc.6.

Leitura de imagens em duas etapas para modelos somente de texto: primeiro OCR local rápido e offline com RapidOCR; depois, como alternativa, um modelo de visão via modlens.