Plugins

Revisor agêntico de respostas para o DeepSeek Harness: cada turno final do assistente é revisto por um LLM separado com nota de 1 a 100; pontuações abaixo do limiar reconduzem o agente com feedback concreto. A pontuação aparece como uma etiqueta na linha de ações da resposta (verde aprovado / vermelho precisa de trabalho, com número de tentativas e motivo ao pairar). Configuração de barreira ao vivo sobre um servidor HTTP em 127.0.0.1, além de uma doca recolhida acima do compositor e um separador opcional na barra lateral direita via dsh-better-sidebar.

Orquestrador multimodelo: o cérebro principal decompõe tarefas complexas e distribui subtarefas para subagentes GLM / Kimi / Qwen conforme os pontos fortes de cada modelo, com uso de tokens por modelo.

Companheira de desktop Mimi para DSH que acompanha os estados das sessões de trabalho com reações e balões animados, oferece um modo de chat separado e inclui o Windows Computer Use para observar e controlar janelas da área de trabalho.

Portão de frescor para as afirmações do agente sobre testes, typecheck, lint e build: cada execução de verificação vira um recibo em tools/post-execute, edições de arquivos são rastreadas e, ao agent/turn-stopping, uma afirmação cujo último recibo está desatualizado, falhou ou não tem resultado legível induz um passo extra nomeando o recibo e os arquivos editados desde então.

Plugin de aprimoramento do DSH Desktop: fatos verificáveis na mesa. Restrições entram só quando relevantes; injeção em camadas (estável no system prompt, volátil em snapshot de cauda) com cache de prompt válido. Disciplina: cada turno é classificado (pergunta/pesquisa/discussão/diagnóstico/execução) — sem editar arquivos em perguntas nem corrigir o não pedido em diagnóstico; citações de código não aberto e afirmações sobre símbolos não vistos são sinalizadas. Memória: avisos em 75%/90% de contexto, recap exportável e conhecimento de projeto por diretório. Artefatos: contrato de tarefa, registros de mudanças e hipóteses com portão de evidências, decisões de design. Dashboard: roteamento e blocos em lume-metrics.jsonl via lume_metrics; personas destiladas de chats, romances ou fichas.

Guarda e monitor de concorrência para DeepSeek Harness: fila FIFO quando requisições simultâneas de modelos atingem o limite, estatísticas persistidas por dia com classificação por tipo de erro, e detecção de interrupção para fluxos abandonados.

Registra agentes personalizados definidos localmente como subagentes chamáveis no dsh: a conversa principal invoca qualquer agente pelo nome via use_agent, cada um executando como um subagente dsh real com sua própria persona. Suporta retomada de ponto de interrupção para execuções interrompidas.

Um plugin de leitura de PDF sensível ao conteúdo para modelos de visão: perfila cada página para figuras (vetoriais e raster), tabelas, risco de fórmulas e layout de coluna dupla, depois aplica extração híbrida sensível ao conteúdo, renderizando páginas com figuras/tabelas/fórmulas como recortes de região de alta DPI. Fornece uma pré-visualização de baixa resolução para entender o layout da página e renderiza uma região especificada em alta resolução. Empacotado como múltiplas ferramentas para agentes.

Trilho de histórico de conversas na borda esquerda do chat: cada marca é uma solicitação real do usuário, passe o mouse para pré-visualizar seu texto, clique para pular para aquele turno.

Uma UI estilo estação de trabalho retro macOS System 7 para DeepSeek Harness com janelas de desktop, gerenciamento de Workspace e Agent, Finder, Terminal, Monitor, ferramentas de contexto e acessórios de mesa.

Construtor visual de fluxos de trabalho por arrastar e soltar para DSH — orquestre chamadas de ferramentas, subagentes e ramificações condicionais em uma tela React Flow.

Renderiza a atividade ao vivo de sessões multiagente como um escritório em pixel art em um painel lateral da interface Web — cada sessão é um trabalhador boi/cavalo digitando na sua mesa quando ocupado ou vagando quando ocioso, com monitores de trabalho acessíveis por clique e cartões de aprovação no local.

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

Organização de projetos e sessões com grupos de múltiplas pastas, resumos de atenção, busca de chats agrupada, seleção nativa de pastas, fixação, favoritos, ordenação e um centro de arquivo.

Assume os atalhos de entrada do sistema para a caixa de entrada de chat e configura o comportamento de forma independente para cada atalho.

Plugin de recolhimento de mensagens (撤回) para a Web UI do DSH: um botão de desfazer em cada mensagem do usuário que remove o turno e tudo o que vem depois, de forma durável, sem reverter alterações de código.

11 skills de workflow compartilháveis (handoff, triage, to-spec, to-tickets, wayfinder, teach, wait-what, dsh-mode-routing, ask-matt, overnight-execution, full-throttle) como um pacote de skills instalável

Encaminha cada tarefa para um modelo e sua revisão para outro, com evidências de qualificação, failover e um diário durável.

Dê ao agente dsh um navegador de verdade: cada conversa ganha seu próprio processo Chrome ou Edge, com perfil e porta CDP próprios, controlado por seis ferramentas e espelhado ao vivo na barra lateral direita, onde você pode acompanhar o trabalho e assumir clicando ou digitando sobre a imagem. Não é preciso instalar mais nada — ele usa o Chrome ou Edge já presentes na máquina, não baixa navegador, não exige app companheiro nem extensão, e mantém abas e logins entre as chamadas de ferramenta.

Um controle remoto mínimo por celular para DeepSeek Harness: a página do celular carrega apenas a instrução enviada e a conclusão final da IA, enquanto chamadas de ferramenta, acesso a arquivos, despacho de sub-agentes e rastros de raciocínio ficam no computador, acessíveis via LAN, Tailscale ou túnel Cloudflare com QR code, link e senha para cada rota.

Emparelha duas máquinas DeepSeek Harness com um código de uso único — diretamente em uma LAN, ou entre redes por um relay com criptografia ponta a ponta e um padrão oficial sem configuração — para que um agente possa executar tarefas e trocar arquivos na outra, mantendo os arquivos de cada máquina no lugar.

Motor de persona para o DeepSeek Harness: um config.json governa o nome próprio da IA (por modelo e nível), como ela te chama, sua postura relacional, o texto de caráter, contratos por item com interruptores, o idioma da cadeia de pensamento e o tom das respostas (opt-in, por modelo), além de memória de longo prazo condicionada à confirmação humana: a IA só anexa candidatos, uma linha de confirmação os ativa, e o log é somente de acréscimo e reexecutável. Entradas confirmadas entram como bloco citado de dados, não de instruções; as marcadas com um kind vão para arquivos arbitrários e nunca chegam ao prompt. As seções do prompt são relidas do disco a cada montagem, então edições aplicam sem reiniciar. Presets: instantâneos JSON compartilháveis. Zero dependências, sem rede, sem shell.

Skill de metodologia de clonagem de sites: uma árvore de decisão que prioriza a fonte real, cobrindo sites estáticos, sites de conteúdo React/Vue/Next e frontends com muito WebGL/Canvas, verificação obrigatória de código executável citado de análises de IA de segunda mão, e 13 scripts Node sem dependências para reconhecimento de navegador via CDP, coleta de assets/fontes, rastreamento de rotas, caça a sourcemaps e auditoria por diferença de pixels.

Extensão RTK (Rust Token Killer) para dsh-router: reescreve cada chamada da ferramenta bash por meio de `rtk rewrite` para que o agente leia uma saída de comando comprimida, e retorna ao comando original quando o rtk não está presente ou não tem equivalente.