Plugins

Registra seções de system prompt para raciocinar em chinês simplificado/tradicional, com strict/prefer e política opcional do idioma de resposta. /thinking-zh alterna por sessão. Sem dependências runtime.

Sync do perfil DSH via WebDAV. 5 partes: models (cordis.patch.yml:llm-pi-ai), defaults (agent-default-model), patch (resto loader), plugins (deps package.json/dsh.profile.bundles), dirs (paths absolutos escolhidos, mesmo caminho, add-only; máx. 5 dirs, cada um ≤2000 files/8 MiB). Cifra local com passphrase AES-256-GCM/PBKDF2-SHA256 600000; só ciphertext vai a <address>/dsh-webdav/dsh-profile.prop. Merge 3 vias vs baseline: conflito mantém o mais novo, arquiva outro em sync/ (5/tag), sela antes de overwrite. Exclusões salvo plugins/primeira sync/dirs; remover dir para sync, não apaga arquivos. ETag If-Match/If-None-Match bloqueia overwrite concorrente. Manual/3/15/30/60 min. sync.json em <profileDir>/.dsh-webdav-sync/ (0600) guarda senha WebDAV/passphrase.

Inspeciona I/O, shapes, opset, operadores e tamanho ONNX; mede com ONNX Runtime local ou via SSH. Relata latência média/P50/P95/P99, FPS e provider real, com gates PASS/FAIL para FPS/P95/tamanho. Requer Python 3.10+, numpy, onnx, onnxruntime, psutil; remoto: python3/numpy/onnxruntime.

Modela e decide alegações de design/plano/documento: renderiza e revisa UML; verifica máquinas de estado, protocolos, dados, cobertura/simetria de rollback das migrações; encaminha concorrência ao checker adequado, audita dependências e compara relatórios.

Adiciona uma terceira linha Context window ao seletor de modelos do compositor: capacidades predefinidas (64K–2M), entrada personalizada, sincronização para todo o provider e proteção adaptativa de compactação.

Plugin de monitor genérico para DSH Desktop: mecanismo de regras por polling HTTP. Consulta qualquer endpoint em uma agenda (várias etapas, extração de variáveis, expressões condicionais JS); quando uma condição é atendida, desperta uma sessão visível do agente para agir, sem chamadas ao modelo nos demais casos. Painel GUI lateral para criar, editar, pausar, testar, disparar agora e ver o histórico, com UX igual à do scheduler integrado.

Expõe uma instância do DeepSeek Harness em execução via MCP para que um agente externo liste, crie e continue as sessões próprias dessa instância, delegue um turno e receba o resultado, responda às perguntas do agente DSH e defina como resolver futuras solicitações de aprovação.

Mostra o custo de cada skill no contexto do modelo e permite ocultá-la do catálogo sem excluir. Lista todas as skills do disco com a linha exata do catálogo recebida pelo modelo (description normalizada e truncada no limite), tamanho do corpo e estimativa de tokens. Pré-visualiza byte a byte a mensagem do catálogo como o agente a recebe, compara com a cópia já publicada na sessão atual e aponta skills que não chegam ao catálogo por frontmatter inválido ou shadowing de uma raiz prioritária. Ocultar grava disable-model-invocation no frontmatter, mas mantém o arquivo para continuar usando `/name`. Também importa de ClawHub, Skills.sh e URLs GitHub e desinstala skills do usuário.

Página de gerenciamento de skills para dsh: define cada skill como on, manual only, model only ou off por modo de agente; conta carregamentos por modo no histórico de sessões; pesquisa em skills.sh e instala do GitHub; importa do Codex, Claude Code ou pasta; cria, edita e versiona skills, com lixeira para as removidas. Os modos continuam funcionando após a desinstalação.

OCR de PDFs digitalizados somente com imagens para Markdown. Como um livro leva cerca de uma hora, cada página recebe checkpoint para retomada após interrupções; um log mostra o progresso e o relatório de qualidade aponta páginas vazias e linhas com baixa confiança. Requer Python 3.10+ e `pip install -r requirements`; na primeira execução, baixa o modelo OCR.

Organiza todas as skills carregadas em workspaces do usuário numa aba da barra lateral direita. Cada workspace tem suas categorias e a localização das skills; permite criar, renomear, reordenar e excluir categorias no local e mover skills arrastando ou selecionando. No primeiro uso, o modelo do perfil pode criar a classificação inicial ou distribuir as skills em categorias criadas antes pelo usuário. Clicar numa linha copia `/skill-name`; ao passar o mouse, expande a descrição fornecida pela skill.

Filtragem de skills por tags: atribua tags e entregue a cada workspace ou conversa somente o subconjunto selecionado por uma expressão booleana (por exemplo, `pdf + docx` ou `aegis * plugin`). Skills excluídas são bloqueadas por deny-shadow no catálogo do modelo, não apenas ocultadas nas configurações; as fora da expressão ainda podem ser adicionadas manualmente ou desativadas à força. `tagging-skills`, incluído, ensina o agente a derivar tags da máquina em execução.

Base de conhecimento e conversão DocChain: busca por nome, conteúdo e metadata; localizar por doc_id/nome e ler conteúdo; listar tópicos; upload em lote; converter para Markdown; busca por similaridade e descrições de imagem por documento em sidecar Markdown; pesquisa aprofundada. Cada recurso de script também é ferramenta DSH nativa in-process: doc search/content search/filename search/topic info/metadata search/upload/image search/image describe/doc2markdown. Configura vários ambientes com endereço/credencial próprios, troca com um clique e seleção prévia de tópicos por ambiente. Requer URL do serviço docchain e API key, exceto doc2markdown. Descrições de imagem também requerem endpoint multimodal OpenAI-compatible (modelo gateway interno por padrão, configurável).

Tradutor para Windows x64 com entrada própria na barra lateral e interfaces Workbench/Chat: tradução lado a lado de texto e documentos, tradução de região da tela, histórico recente, seleção de modelo host, entrada de voz e prévia. O OCR de documentos usa CUDA com fallback para CPU; o OCR de tela usa CPU. Não ative os pacotes CPU e CUDA ao mesmo tempo.

Tradutor para Windows x64 com entrada própria na barra lateral e interfaces Workbench/Chat: tradução lado a lado de texto e documentos, região da tela, histórico, seleção de modelo host, voz e prévia. OCR com CPU sem dependências NVIDIA. Não ative os pacotes CPU e CUDA ao mesmo tempo.

Voz bidirecional para o app web DSH: dite pelo compositor unificado e ouça respostas com botões de alto-falante ou leitura automática, em qualquer dispositivo. Requer DSH 0.1.7+, Node 22+, Python 3 com numpy e requests, um modelo TTS e microfone.

Notas de reunião para dsh: uma reunião por conversa, transcrita e separada por falante no próprio dispositivo, com pontos, atribuições, notas manuscritas, revisões e pontuações mensais no mesmo painel. Exporta SRT/Markdown/Word e cria um zip portátil que outro dsh pode importar. Atribuições confirmadas são enviadas à DingTalk/WeCom com um clique, conforme as configurações do robô. Modelos de reconhecimento são intercambiáveis, com importação de modelo local mais forte por arquivo; reconhecimento na nuvem fica desligado por padrão e não faz requisição antes do consentimento. Word requer Python e python-docx; a primeira execução baixa um modelo de 28 ou 77 MB.

Pesquise obras em domínio público no Project Gutenberg, Wikisource, Internet Archive e Standard Ebooks por título, autor, personagem ou enredo lembrado pela metade, ou importe EPUB/PDF/TXT/DOCX/Markdown e ouça na barra lateral. Usa vozes neurais do Microsoft Edge, Kokoro offline ou vozes do dispositivo; mantém a posição, aceita notas de voz ligadas ao trecho ouvido e permite conversar sobre o livro com o modelo DSH.

Reconhecimento estruturado de imagens: medições locais com sharp e um modelo vision na nuvem retornam em uma chamada descrição, OCR com coordenadas, localização de objetos e atributos detalhados. Cache por fingerprint retorna imagens repetidas em milissegundos sem consumir a cota do modelo.

Ferramentas de mídia Cloudflare Workers AI para dsh: text-to-image, text-to-speech e speech-to-text. Inclui etiquetas de preço por modelo, cartão nativo de configurações, reutilização de conta Cloudflare existente e arquivos de saída nomeados pelo modelo usado.

Permite que o modelo veja um vídeo de verdade: o ffmpeg local extrai imagens com timestamps e o faster-whisper transcreve o áudio, para que o agente leia pixels reais quadro a quadro em vez de confiar em resumo textual. Tudo local, sem upload; informa quando não há fala. Somente Windows; requer Python 3.10+ e ffmpeg. A primeira execução de video_eyes_setup baixa cerca de 700 MB (faster-whisper e seu modelo).

Provedor Tencent Yuanbao Search para a conexão ctx.web: uma chamada direta à Search API por consulta retorna título, URL, snippet e data ISO-8601 reutilizáveis; resolve credenciais a cada busca sem turno auxiliar do modelo. Requer uma API key Tencent Cloud WSA.

Runtime de decisão System One para dsh. Ferramentas rápidas não generativas (choice, score, screen, gate) num gateway local ou hospedado; sem que o modelo precise chamar algo, reduz automaticamente saídas grandes por segmentos, recusa chamadas idênticas repetidas após System One confirmar estagnação, confere alegações de conclusão com evidências reais de ferramentas e corrige novas tentativas com falha. npm: dsh-harness-reflex (plugin) e harness-reflex (core, também servidor MCP stdio).

Gate por workspace que oculta do modelo schemas de ferramentas e seções de prompt de sistema de plugins escolhidos nos diretórios onde não são necessários.