Plugins

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.

Adiciona um preset de permissão `auto` entre workspace-write e danger-full-access: um classificador concede uma vez as escalações rotineiras do sandbox, enquanto solicitações perigosas ou incertas continuam sendo encaminhadas a um humano.

Ponte para dispositivos HarmonyOS: loop de automação de captura de tela/instalação/log/crash/UI via hdc com read_image, conhecimento de API versionado priorizando fontes oficiais (SDK .d.ts + documentação offline embutida) e uma trilha de build/assinatura/lint via CLI do DevEco.

Automação de navegador (Playwright) com visualização ao vivo, um servidor MCP que expõe agentes do DSH a qualquer cliente MCP, e ferramentas de revisão de issues/PRs/webhooks do GitHub

A compactação automática primeiro grava uma nota de transição: quando a sessão se aproxima do limite de tokens, pede ao modelo um checkpoint do projeto no workspace e, opcionalmente, inicia uma nova sessão com instrução para continuar e estaciona a antiga. A nota deve ser escrita no ciclo de compactação atual e a seção conclusions precisa mudar de fato, impedindo que passe um arquivo obsoleto ou apenas tocado.

Companheiro de IA persistente para DSH que explora o Bilibili, interage com controles de permissão e evolui por meio de memórias de vida baseadas em evidências, interesses mutáveis, emoções simuladas, relações sociais e tarefas autônomas.

Integração mcp-unity de tiro único para DeepSeek Harness: servidor MCP incluído sem configuração manual permite ao agente controlar o editor Unity por meio de 34 ferramentas - cenas, objetos de jogo, transforms, materiais, prefabs, itens de menu, play mode, testes e logs do console - com reconexão automática.

Combine seus modelos e orçamentos de tokens com cada função, então deixe o DSH delegar subagentes especializados por tipo de tarefa. Cobre análise de arquitetura, UI/UX, implementação de código, exploração da base de código e pesquisa de documentação, com configuração automática mais esforço de raciocínio e permissões de ferramentas por função.

Um segundo cérebro autossuficiente para DeepSeek Harness — captura automaticamente conhecimento durável de diálogo num cofre Markdown local (dedup personalizado, pesquisa CJK, compatível com git), com uma base de conhecimento gráfica e um grafo de conhecimento interativo (filtro de legenda, coloração por dimensão temporal, seleção por caixa, mesclar, eliminar, exportar/importar PNG).

Suíte de agentes de pesquisa: controle de objetivos de longo prazo com cadeias de evidência auditáveis, agendamento via cron, equipes multiagente de especialistas, memória de pesquisa auto-evolutiva (recall FTS5 + RRF), workspaces de projeto e uma UI de workspace personalizada.

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.

Governança de plugins: plugins novos/atualizados ficam primeiro em uma área de candidatos e depois são montados a quente após a inicialização — sucesso promove, falha desativa automaticamente, falhas repetidas congelam, modo seguro com um clique, painel de diagnóstico na barra lateral (npm: dsh-my-guardian).

Confiabilidade de tarefas: nova tentativa automática em timeouts/falhas do modelo, continuação automática de tarefas inacabadas, verificação de conclusão, interrupção de repetições de pensamento, retomada após suspensão ou reinício, modo piloto automático e endpoint de acionamento remoto (npm: `dsh-task-reliability`).

Cobrança de cache por chamada no popover do medidor de contexto: totais da etapa, rodada e sessão atuais com tokens e valores de acerto / erro / saída, preços automáticos de pico e fora de pico no horário comercial de Pequim, tarifas por modelo e cobrança também de relays de terceiros.

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.

Compressão automática de contexto para DeepSeek Harness: comprime saídas de ferramentas antes que cheguem ao modelo e mantém cada compressão com perda reversível por meio de ferramentas de recuperação CCR.

Assistente de entrada DSH para prever a próxima mensagem, completar rascunhos e aprimorar/reescrever prompts. Sugestões são locais à sessão; Tab as insere no rascunho sem enviar. Requer modelo configurado; chamadas podem gerar custos. Código disponível; modificações exigem autorização prévia por escrito.

Envolve a CLI local do GitHub (`gh`) em ferramentas para agentes: pull requests, issues, execuções do Actions, busca de repositórios e chamadas à API bruta. Inclui os comandos slash `/gh status` e `/gh help` e dois painéis web: um cockpit global de repositórios e um painel de workspace por sessão.

Loop de auto-refinamento contínuo: memória persistente, revisão e refinamento periódicos, conhecimento compartilhado entre sessões e rollback automático por meio de uma ferramenta harness_refine chamável pelo modelo.

Cérebro DeepSeek + transcrição automática de imagens: anexe imagens na GUI e cada uma é transcrita pelo deepseek-v4-flash-vision-exp oficial por padrão (um cérebro V4-Pro puramente textual pode ver imagens), com qualquer VLM compatível com OpenAI ou Ollama local como alternativas.