Plugins

Padrões aprimorados de autocompactação para predefinições de agente do DeepSeek Harness: aplique com um único comando limites/presupostos de retenção ajustados e políticas por modelo, de forma idempotente, com backups e rollback.

Sessões anônimas: um subagente autônomo e efêmero com seu próprio predefinição (sem contexto pai) e conjunto completo de ferramentas, janela flutuante arrastável, totalmente apagado sem vestígios ao fechar.

Contexto de rede de conhecimento de negócios OpenBKN para DeepSeek Harness

Suporte ao raciocínio DSV4.1 com contexto multimodal e aceitação limitada de artefatos para DeepSeek Harness

Ponte universal do Model Context Protocol (MCP) para o DeepSeek Harness: conecta agentes a servidores MCP stdio/sse/websocket com um motor de escala dormente de 10k, busca de ferramentas BM25 em submilissegundos, orçamento dinâmico de tokens e um dashboard de UI web em tempo real.

Plugin de seleção automática do nível de raciocínio para o DeepSeek Harness (DSH): o modelo Jev System One julga quanta reflexão cada mensagem merece, a faixa é derivada automaticamente dos níveis declarados pelo modelo, um envelope de contexto faz com que acompanhamentos como “continuar” herdem a profundidade do tópico, empates resolvem para cima e qualquer falha usa silenciosamente o nível original. | Esforço de raciocínio por mensagem orientado por Jev: escadas por modelo derivadas do que cada modelo anuncia, um envelope de contexto de tamanho fixo para que acompanhamentos herdem a profundidade do tópico, empates resolvem para cima, fallback silencioso em todos os caminhos de falha.

Preset de agente mínimo para Windows no DeepSeek Harness: persona fixa de uma linha, três ferramentas, sem contexto de runtime.

Exclusão por mensagem no DSH: remove uma mensagem do usuário, um passo de resposta ou uma resposta inteira do assistente do contexto derivado do modelo através do contrato oficial de substituição de superfície, e a oculta do transcript visível sem reescrever o log somente de acréscimo.

Ativações proativas em nível de host para o DeepSeek Harness: o modelo agenda os próprios alarmes (uma vez, intervalo ou cron, com jitter opcional), sessões frias são despertadas na hora via session resume, os follow-ups do modelo são limitados por horas de silêncio e um orçamento diário, e turnos de despertar silencioso terminam com proactive_reclaim e saem do contexto como lápides. Arquivos de agenda declarados sincronizam seus JSON com os alarmes do host por glob de forma idempotente; min_idle_seconds adia os despertares até a sessão de destino se acalmar, e um painel web gerencia alarmes e histórico — o motor de batimento para companheiros de IA e personagens de RPG com rotinas próprias.

Mescla o contexto de outras sessões no turno atual: resolução de conflitos ponderada por evidências, retratação de afirmações cujas premissas foram retratadas, rotulagem de confiança que resiste à injeção de prompts entre sessões, e empacotamento limitado por orçamento. Inclui um benchmark.

Alimenta cada prompt do dsh no pipeline local de memória de feedback agent-feedback-loop — captura insatisfações, revisa-as offline em reflexões e anexa ao turno o contexto compilado de regras de recorrência, nunca bloqueando um prompt. Requer o runtime agent-feedback-loop; executar agent-feedback-loop install depois conecta automaticamente os perfis dsh existentes.

Mostra uma sessão do DSH como uma tela de conversa — cada turno é um nó, qualquer turno bifurca uma sessão filha real, e um contexto compactado se dobra em um nó verde a partir do qual você pode continuar falando; o trilho esquerdo agrupa telas por workspace do DSH e as renomeia em sincronia com os títulos das sessões.

Âncora de instruções de sessão para o DeepSeek Harness: o primeiro passo de uma nova sessão injeta um bloco de instruções de composição livre como mensagem originada do plugin, e ele é reancorado após uma compactação com resumo, a cada N turnos, ou quando a pressão de contexto medida cruza um limite. Um comando /anchor reancora sob demanda sem chamada ao modelo; uma página de configurações gerencia a biblioteca de presets paginada, a ordem de injeção, a origem de reancoragem e os limites de caracteres.

Inteligência de base de código multilíngue para IDEs compatíveis com MCP, a CLI e o DeepSeek Harness: chat, busca, auditoria, refatoração e relatórios prontos para apresentação a partir de código local.

Escopo de MCP por workspace para o DeepSeek Harness — decida quais servidores MCP uma sessão pode ver a partir do diretório em que foi aberta.

Consciência de deriva do workspace para agentes do DeepSeek Harness: detecta alterações de arquivos externas/do usuário e as injeta no contexto do agente em limites de passo.

Teclas de envio e de nova linha configuráveis, um menu de contexto do composer com três fontes (deixar a cargo do DSH e de outros plugins / menu do navegador / menu personalizado com estilo do plugin), um painel de comandos rápidos com listas de prompts categorizadas em que cada prompt pode ser anexado a cada envio ou apenas na primeira mensagem de uma sessão, uma linha de criar e mover na parte inferior de cada categoria, um otimizador de prompts que reescreve o rascunho com uma chamada separada ao modelo, memória do tamanho do painel de configurações e injeção automática do cabeçalho x-opencode-session para rotas do OpenCode. As listas de prompts ficam em um arquivo global ~/.dsh/quick-prompts.json, independente da sessão e do projeto.

Inteligência de base de código multilíngue para o DeepSeek Harness e IDEs compatíveis com MCP: chat, busca, auditoria, refatoração e relatórios prontos para apresentação a partir de código local.

Notas autoadesivas em todo o workspace em uma tela infinita: as notas são arquivos Markdown simples, criadas manualmente, capturadas de conversas ou destiladas pela IA, e podem ser devolvidas como contexto; inclui 12 ferramentas de modelo e 5 habilidades embutidas para criar, etiquetar, organizar, comparar e mesclar notas.

Adaptador do DeepSeek Harness para o Context Mode: ferramentas ctx_* em processo para execução de código em sandbox e uma base de conhecimento FTS5, além de orientação de roteamento da janela de contexto.

Lógica de compressão de contexto inspirada no cérebro humano que reduz drasticamente o uso de contexto e o consumo de tokens em tarefas longas.

Comprime o contexto de tempo do DSH de ~280 caracteres para 46, injetando uma linha de data compacta no snapshot do contexto de execução; zero dependências em runtime.

Gaveta de pergunta lateral aberta a partir da linha de ações de uma resposta concluída: perguntas de acompanhamento rodam em uma sessão independente e autoarquivada, semeada com o texto da conversa anterior (somente leitura, limitada a 48.000 caracteres), sem tocar na sessão principal. A sessão lateral herda o modelo da principal, trocável dentro da gaveta, com um anel de uso de contexto.

Injeção de prompt única no nível da requisição, sem mais poluição do contexto. Compatibilidade de UI e dados no estilo SillyTavern, gatilhos por palavra-chave/regex/constante e uma ferramenta lore_lookup para busca sob demanda.