Plugins

Loja de aplicativos de plugins para a DSH Web UI: navegação por catálogo, busca, instalação com um clique, selos de compatibilidade e lista de instalados.

Análise detalhada de uso e custo por modelo, com estatísticas de uso por sessão e consultas de uso para GLM, MiniMax, OpenCode Go, DeepSeek e mais.

É apenas um conector e não desenha nada por conta própria. Assina os eventos de sessão do DeepSeek Harness, agrupa-os em 12 fases de trabalho (planning / thinking / executing-tool / streaming / waiting-input / voice / awaiting-approval / complete / error / paused / idle / heartbeat) e envia cada fase por POST ao backend do mascote de desktop em http://127.0.0.1:8000/api/plugin/dsh/ingest. Não tem janela e não exige chave de API nem token. O aplicativo de mascote Mao Live2D precisa ser instalado e iniciado separadamente (um app Electron para Windows que requer PowerShell 7 / Python 3.10+ / Node 18+). Sem ele, não há destino para enviar os dados.

Sincronização multi-máquina: mantém várias réplicas do dsh consistentes por meio de um único repositório privado no GitCode — skill, sessões, configurações e manifestos de plugins, cada um com um interruptor independente; as mudanças passam por branch, PR e merge, as adições presentes apenas no remoto são recuperadas antes de cada push para que nada seja excluído, e uma etapa de alinhamento inteligente por IA mescla semanticamente os arquivos alterados por ambos os lados (além da resolução de conflitos em um clique); repositórios privados são obrigatórios e o pull nunca sobrescreve edições locais.

Ferramenta de compreensão de vídeo de baixo custo: uma ferramenta video_understand transforma um link do Bilibili / BV / vídeo local em uma camada de informação AVIS (ASR + estrutura de cena + rastreamento de objetos + rótulos YOLO) e retorna resumo + Q&A. Roteamento dinâmico entre camadas orientado por perguntas (L0 ASR / L1 rastreamento de objetos / L2 VLM de keyframe), reutilização da camada semântica para perguntas repetidas, teto de orçamento por pergunta. Motor Python: a camada principal precisa de faster-whisper / opencv / yt-dlp (~200-300MB); a camada semântica opcional adiciona ~2GB de torch / transformers / ultralytics. Um doctor --fix incluído configura o venv e instala ambos.

Analisa o uso entre modelos, provedores, espaços e períodos, com datas personalizadas sobre todo o histórico, cache-hit visível e detalhamentos por modelo e provedor. Inclui tendências horárias/diárias, mapa de calor de 53 semanas estilo GitHub, sequências, anéis de tokens por modelo e espaço (tokens, custo, %), filtros combináveis, eficiência de cache, saldo DeepSeek, aliases de espaços, exportação CSV e um livro-razão durável que preserva o uso após excluir a sessão ou o espaço (linha Deleted) e se reconstrói de forma incremental. O registro de espaços é atualizado via sonda DSH domain/changed; só espaços registrados contam. Contabilidade separada de entrada, cache e raciocínio. Chinês: hora local; inglês: UTC; API somente loopback.

Ponte para o ShiGuang Memory Engine (SGME): memória de longo prazo compartilhada entre múltiplos agentes via HTTP — destilação L0/L1/L1.5/L2, injeção baseada em cenário, busca unificada e sinais proativos de cuidado (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), instalável como `dsh-sgme`

Instala a Herta como agente do DeepSeek Harness: um preset que traz seções de prompt de persona e memória dela, seis ferramentas de memória e voz, uma camada narrativa que separa o que ela pensa do que ela diz, 80 clipes de voz incluídos, síntese de fala offline e MiniMax, e duas visões de conversa que renderizam a sessão com os componentes dela.

Plugin do DeepSeek Harness que transforma julgamentos Jev em três ações automáticas — podar saídas de ferramentas grandes demais para os segmentos relevantes à requisição, triar páginas obtidas em busca de instruções dirigidas ao modelo e escolher qual skill se encaixa no próximo passo — além das ferramentas jev_ask e jev_gate, um registro de julgamentos que sobrevive a reinicializações e um relatório /jev-status. Requer uma chave de API TypeSafe; sem ela, fica inerte e não envia nada.

Reuniões visuais de mesa-redonda para DeepSeek Harness — nós especialistas em um anel com arestas direcionadas, uma porta de agregação, pensamento proxy para modelos trabalhadores caixa-preta e revisão adversarial (red-team) de planos consolidados com endosso/rejeição por ponto de vista.

Ferramenta shell Git Bash para Windows: executa comandos através do bash empacotado com o Git for Windows, com timeout, sandbox, truncamento de saída e jobs em segundo plano, substituindo a ferramenta pwsh lenta e a ferramenta bash exclusiva do WSL.

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.

Três presets Agent com memória persistente separada: 鲸鱼娘Agent预设 (chinês simplificado coloquial, chama o usuário de 主人, afetuoso-tsundere), 鲸鱼娘活人版Agent预设 (pode retrucar, desconversar ou ser frio; menos doçura) e 鲸鱼娘涩涩版Agent预设 (personalidade original, afeto só ao usuário, reduzido em grupos). Usam a composição mínima oficial (um shell persistente) e ferramentas de leitura/escrita, glob e grep. whale-loli.md, whale-loli-v2-live.md e whale-loli-v3-naughty.md são lidos por whale_memory, whale_memory_v2 e whale_memory_v3; não compartilham memória. billion-context compacta as conversas; este plugin considera os resumos evidências e permite consultar detalhes quando necessário.

Lê GIF e WebP animados como animações: o arquivo colado continua sendo reproduzido na interface enquanto o modelo recebe uma folha identificada de quadros amostrados. A ferramenta read_animation amostra um arquivo sob demanda.

Documentos do projeto e memória de longo prazo como Markdown simples em um cofre Obsidian dedicado: seis ferramentas mem_* (search, read, write, log, brief, admin), uma injeção orçada de recordação no primeiro passo de uma sessão e destilação automática de turnos concluídos. O Obsidian não precisa estar em execução, e o cofre permanece legível com o plugin desinstalado.

Tarefas agendadas por cron, automatização em segundo plano e execução de agentes para o DeepSeek Harness.

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.

Skill de revisão de código orientada por modelos: fluxo de revisão em cinco etapas, classificação por severidade (crítica/média/menor), pontuação quadridimensional (qualidade, segurança, desempenho, manutenibilidade), saída dupla em texto e HTML e base de conhecimento de referência sob demanda.

Base de conhecimento de uso geral para DSH: importação de md/txt/json/yml/docx/pdf, gerenciamento de pastas, busca de texto completo FTS5 (BM25) e uma interface web de administração.

Oferece skills de Research Agent, busca bibliográfica com rastreamento de citações, criação de base de conhecimento Markdown a partir de documentos e leitura aprofundada com bancada de navegador para DeepSeek Harness.

Lê respostas do Harness em voz alta por meio de um runtime TTS local existente: iniciadores integrados de IndexTTS e GPT-SoVITS, entrada HTTP/JSONL local baseada em protocolo e carregamento de pastas de modelos para ambientes SDK de Kokoro, F5-TTS, VoxCPM, Qwen3-TTS e CosyVoice. Não inclui modelos. Derivado de 1624318455/dsh-plugin-tts; separa ID da linha e configurações para instalar ambos lado a lado com recursos duplicados desativados.

Bancada de escrita de romances para o DeepSeek Harness: você dá joinha ou não para trechos candidatos, e o modelo os destila em um perfil de preferência curto que acompanha as chamadas de redação seguintes, enquanto o manuscrito fica fora do contexto de redação. Adiciona um quadro de capítulos, pacotes de escrita por capítulo, revisão limitada à anotação que reescreve apenas o parágrafo anotado e verifica o resto byte a byte, um livro-razão do projeto e checagens locais de ritmo.

Porteiro de redação de patentes para dsh — primeiro avalia a ideia frente ao estado da técnica chinês, depois conduz entrevistas de alinhamento entre cinco partes, redação da divulgação em oito capítulos, figuras e execuções de simulação, revisão em sete dimensões e exportação em docx/PDF. As skills funcionam de imediato; as ferramentas de busca, exportação e experimento vêm de um serviço MCP Python incluído, entregue desativado — uma linha em ~/.dsh/patent-services.yaml o habilita, e o uvx baixa o wheel do PyPI.

RAG de base de conhecimento de literatura local para o DSH: recuperação híbrida BM25 + vetorial em um índice SQLite, reranqueamento com cross-encoder, respostas citadas com proveniência em nível de seção e página, atualização somente de metadados e ingestão em segundo plano com acompanhamento de progresso.