Plugins

Port completo de obra/superpowers para DeepSeek Harness: 14 habilidades de metodologia por meio de um SkillProvider nativo (rank 550), cobrindo brainstorming, planejamento, TDD, depuração, agentes paralelos e mais, com documentação localizada em chinês e instalação sem build.

Lê qualquer página como conteúdo principal limpo: detecção automática de codificação de caracteres (GBK/GB2312/UTF-8/Big5), remoção de ruído, texto/Markdown compacto, continuação por deslocamento, renderização SPA opcional, leituras em lote e rastreamento de sites.

StrataGate oferece ao DeepSeek Harness memória local-first, a longo prazo e evolutiva para preferências do usuário, decisões de projeto, conversas e resultados de ferramentas entre sessões; sobrepõe o histórico com decaimento temporal ajustável pelo usuário, reforça memórias pelo uso em respostas reais, mostra contagens de uso cientes do espaço de trabalho e mantém as evidências recuperadas rastreáveis até suas mensagens originais.

Auto-evolução contínua: estado do harness versionado, auditável e seguro para rollback (prompts, memória, skills, especificações de subagentes), refinado a partir das trajetórias das sessões, com portões de revisão e skills recarregadas a quente.

Conecta DeepSeek Harness ao Multisim MCP para geração de circuitos, simulação, diagnósticos, otimização de design e exportação de relatórios de experimento.

Rastreador inteligente nativo de IA e plataforma de engenharia reversa de JavaScript, baseado em DSH, Patchright/CDP e um runtime semântico independente, que recupera a lógica de geração de parâmetros a partir de evidências do navegador e entrega um solver verificável.

Memória de longo prazo para DSH: conversas destiladas automaticamente em fatos atômicos, resumos de cena e um perfil de persona, com memórias relevantes injetadas antes de cada etapa do modelo. Zero configuração, pronto para uso — recuperação híbrida BM25 + vetorial, embeddings locais offline opcionais, separação de famílias chat/trabalho.

ClearAI: o Epistemic Loop, nativo no DSH.

Infraestrutura de confiabilidade neutra em relação ao harness para agentes de codificação com IA: ações destrutivas reversíveis, redação antes da emissão, evidências de recuperação e um Decision Protocol compartilhado com adaptadores nativos opcionais.

Recuperação semântica, gerenciamento de recursos, recall automático (espaços duplos de usuário + agente) e memória de sessão para o DeepSeek Harness: memsearch/memfind/memread/membrowse/memgrep/memglob sobre URIs viking://, gerenciamento de recursos memadd/memremove, status de observador memqueue, captura de sessão memcommit e geração de guias de habilidades memlearn.

Painel de anatomia para os órgãos do Agent-Body: serve um painel de sinais vitais ao vivo em /anatomy dentro do próprio harness — órgãos, batimento, livro-razão de cura, contadores de auto-treinamento e o fluxo de pulso real — lido diretamente dos arquivos de runtime em vez de redigitado. Somente host, sem bundle de cliente e sem etapa de build.

Motor de contexto Zero-residence: payloads grandes de ferramentas são removidos do contexto ativo para um armazenamento consultável e apenas ponteiros determinísticos permanecem, de modo que os tokens de prompt por turno deixam de crescer com a transcrição. Qualquer conteúdo mascarado é reconstruído literalmente a partir do log da sessão sob demanda, por id de chamada de ferramenta ou seq de sessão.

Núcleo de órgãos do Agent-Body: plugins organizados como um único corpo. Cada comando vira um impulso nervoso que inerva de forma determinística o órgão competente e nomeia a capacidade a usar; um batimento de intervalo variável bombeia diretivas do operador, propriocepção e avisos de homeostase pelo sistema; arcos reflexos disparam sem chamada ao modelo; falhas seguem atribuição determinística (ferramenta, argumentos, permissão, timeout, rede), prescrição e laço de reverificação, e erros de argumento nunca são repetidos. Um órgão ausente é compensado pelo de maior sobreposição de capacidades, e os esquemas de ferramentas são filtrados pela intenção atual (redução medida de 84,7%, reproduzível no repositório). É o pacote de plugins do núcleo no repositório agent-body.

O órgão de memória do Agent-Body: após 2 minutos de silêncio entra em sono leve e após 5 em sono profundo, onde regras determinísticas destilam a experiência real em cartões de memória (armadilhas, playbooks, pontos quentes, problemas não resolvidos, fatos). Comandos recebidos recuperam cartões relacionados por palavra-chave e os injetam no contexto; cartões sem uso decaem numa meia-vida e são arquivados em vez de excluídos. Também remove o ruído dos avisos de homeostase de todo o corpo: repetições dentro de uma janela são contadas em vez de reimpressas, e um aviso que se repete sem nunca sarar converge para um desvio de estado estacionário conhecido e silencia. A consolidação e a recordação não fazem chamadas ao modelo.

Controla o traçado científico do OriginLab Origin a partir do chat de IA via MCP: 62 ferramentas. Watchdog de diálogos modais, porta de segurança LabTalk, release/reconnect, ajuste com parâmetros iniciais/fixos/ponderados, edições finas de gráficos e planilhas, ferramentas de matriz, FigureSpec YAML declarativo (difável e reproduzível), instantâneo somente leitura dos MCP Resources, ponte matplotlib-figure, montagem de PowerPoint com rótulos de painéis, busca de modelos do Graph Gallery, exportação EPS, lista branca de acesso a arquivos, baseline de regressão visual e entregável OPJU editável com verificação determinística de releitura.

Navegue por todas as mensagens enviadas na sessão atual: listagem completa do histórico classificada da mais recente para a mais antiga, filtro de texto, cópia com um clique e salto para uma mensagem (carrega automaticamente o histórico anterior quando o destino ainda não foi carregado).

Motor cron residente no host com um painel web de tarefas e uma ferramenta timer_agent: dispara sessões reais do agente conforme o agendamento, continuando uma sessão fixada para contexto ou iniciando novas em um espaço de trabalho do projeto escolhido.

Gestão do ciclo de vida de metas para o dsh com um quadro kanban interativo: metas, critérios, tentativas e revisões vivem no espaço de trabalho, guiados por ferramentas graph_*, com um quadro de duas raias renderizado na visão de conversa.

Port de DietrichGebert/ponytail v4.9.0: modo sênior preguiçoso sempre ativo com uma escada de 7 degraus (YAGNI até código mínimo), 6 skills para review, audit, debt, gain e help, sem ferramentas vazias.

Instala suites de qualquer repositório do marketplace git Claude Code, Codex, Cursor, Kimi ou agent-plugins.org — skills, servidores MCP, hooks e comandos slash são injetados nas sessões DSH em tempo de execução, com uma página de mercado na GUI Web.

Preset modo especialista DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordenador + 17 subagentes com delegação automática. Funções: taskboard (estados pending/ready/running/done/failed, DAG dependências, reivindicação atômica, retry, recuperação), portas qualidade (pipeline 5 etapas: requisitos, implementação, verificação, revisão, integração; 2 reelaborações), Five-Anchor (revisão/convergência/anti-deriva/colaboração/recursos), Near-distance (modelo identidade/tarefa/saída), divulgação progressiva (~28% economia tokens), persistência, barramento P2P, revisão cruzada, pool experiência, via rápida, auto-retry. 17 especialistas: dados, redação, jurídico, PM, frontend, UI/UX, arquiteto, social, growth, fin. quant., backend, DevOps, BD, QA, segurança.

Um quadro kanban compartilhado que permite a pessoas e agentes DSH gerenciarem tarefas do workspace por meio de uma aba Board e ferramentas kanban.

Conecta WeChat, QQ, DingTalk, Lark e Telegram ao DeepSeek Harness com configuração unificada, controles de acesso de chat privado e grupo, e comandos de chat e sessão do Agent no lado do canal.

Pacote de proxy de autenticação por senha com falha segura (fail-closed) para o perfil Web do DeepSeek Harness