Plugins

Fork mantido de feibi-mochi/deepseek-harness-control-center, sem atualização desde 2026-09-09. Usa o conjunto oficial de modelos em vez de prefixo fixo para precificar; assim DeepSeek V4.1 Flash (`deepseek-flash`) é tarifado e mostra seu relógio de pico/fora de pico. Analisa estruturalmente a página oficial de preços para que renomear ou retirar um modelo não interrompa a sincronização. Acrescenta interface em inglês à original chinesa. Mantém saldo, custo/tokens por sessão, relógio de 24 h, cota Z.ai e registro local, seguindo o tema claro/escuro do host.

Retém chamadas a modelos DeepSeek pelo restante de cada janela de pico configurada, em vez de enviá-las, para que sejam cobradas pela tarifa fora de pico. Também pausa goals ativos enquanto espera e mostra saldo da conta e gráfico de gastos de 8 horas.

Registra uso de tokens da API e custos estimados por preço de modelo em cada rota, com grupos de cobrança opcionais, exibição CNY/USD sincronizada, relatórios de sessão, totais do composer e total diário clicável na barra lateral.

Mostra no cabeçalho da sessão o uso e saldo do modelo ativo: uso móvel/semanal/mensal do OpenCode Go e limite mensal do modelo escolhido; janelas de 5 horas e semanal do Command Code com créditos restantes; e saldo da conta DeepSeek.

Acompanha o uso acumulado de tokens no DeepSeek Harness, detalhado por modelo e dia, com painel nas configurações e diretório de dados alterável on-line.

Expressões nativas de IA para chat bidirecional: pessoas veem imagens, enquanto modelos somente de texto leem significados fixos. Inclui seletor, expressões personalizadas, importar/exportar e dois estilos visuais.

Tarefas agendadas por sessão: injeta um prompt na sessão atual após um atraso, em horário fixo ou em intervalos recorrentes para despertar o modelo. Gerencie pelo painel acima do composer, por /schedule ou por sete ferramentas do modelo. Timers congelam quando o DSH fecha e nunca retomam sozinhos; pausar preserva o tempo restante.

Memória Hypatia orientada a eventos para DSH: registra conversas automaticamente por eventos da sessão, consolida em segundo plano resumos de trechos e unidades de trabalho por uma rota de modelo dedicada e injeta lembranças recuperadas. Sem trabalho de modelo por chamada na sessão principal.

Inspector LLM em nível de fio: captura corpos HTTP raw de solicitações e respostas do provedor e atribui cada captura à sessão pelo fluxo llm/stream. A solicitação aparece em árvore recolhível com tamanho por nó (um caso medido tinha 98,6% em um único array de 973 entradas); a resposta recompõe chunks SSE estilo OpenAI em reasoning/content/tool calls/usage. Inclui aba Conversation View e página visualizadora loopback.

Disjuntor de reabastecimento rápido para compactação automática do DeepSeek Harness. Recusa uma compactação inútil se o contexto se encheu novamente em menos de N turnos de ferramenta, M vezes seguidas (caso que o gatilho ilimitado step-pressure não detecta). Em vez de gastar uma chamada de resumo a cada etapa, relata a situação com orientação — geralmente que uma única leitura ou saída de ferramenta foi grande demais. Consulte e rearme via /compaction-breaker; injeta uma seção de prompt para o modelo repassar ao usuário. Sessões host-plane usam o bundle do perfil; sessões comuns exigem substituir uma linha no agent preset.

Entre com uma conta ChatGPT e veja o uso da assinatura Codex nas configurações de modelos do DSH Web, com OAuth pelo navegador ou código de dispositivo.

Adiciona um botão de brilho à esquerda do seletor de modelo no composer: reescreve o rascunho como uma tarefa mais clara e completa, substitui no local e permite desfazer em um clique. Oferece cinco estilos e fica desativado quando há chips de arquivo/comando.

Controle nativo de computador no Windows para DeepSeek Harness: duas ferramentas operam e leem qualquer app desktop. Uma chamada em lote executa find/click/type/key/read/wait/screenshot em uma passagem do mecanismo; se as etapas forem conhecidas, basta uma ida e volta ao modelo. read retorna texto da janela, não imagem. Entrada e captura priorizam UI Automation, mensagens Win32 e PrintWindow fora da tela, sem tocar no foco ou ponteiro do usuário.

Use seus modelos DSH no [Libre WebUI](https://github.com/libre-webui/libre-webui) para chat, Work em sandbox e acompanhamento de uso; as credenciais do provedor permanecem no DSH. Requer Libre WebUI 0.37.0 ou posterior.

Sonda manual de modelos para DeepSeek Harness: em Session View, escolha provedor, tipo de API, modelo e rota; envie uma solicitação HTTP raw real por openai-completions, openai-responses ou anthropic-messages, com ou sem streaming. Exibe latência, TTFT, status HTTP, tokens e diagnóstico em três camadas (API request/model response/strict check) numa tela, com erros em linguagem simples.

Compactação de contexto do DeepSeek Harness orientada pelo modelo: o agente decide quando e o que comprimir e registra substituições duráveis no log da sessão. A compactação de resultados de ferramentas é reversível, com recuperação exata byte a byte por hash.

Mostra o saldo da conta DeepSeek no rodapé da barra lateral, com botão de atualização. O popover traz saldo, gráficos diários de tokens e custo estimado em 7/30 dias, tabela por modelo e link para a página oficial de uso. O saldo vem do `/user/balance` oficial; o uso é agregado dos logs locais das sessões DSH e calculado pelas tarifas CNY publicadas de pico/fora de pico, por isso é identificado como estimativa e informa seu escopo.

Substitui o seletor de modelo do chat por uma lista recolhível agrupada por provedor; reúne provedores espelho do vision-bridge sob o upstream e mantém as opções reasoning-effort declaradas nas configurações de cada modelo. Testado apenas no DSH Desktop; a versão web não foi testada.

Console em página inteira aberta pela barra lateral, com 8 abas: visão geral; sessões do serviço sessions (título, diretório, execução, atualização e filtros); bundles instalados e entradas Loader de pluginInventory/pluginManager com ativação por bundle; mercado de repositórios públicos `topic:dsh-plugin` pela GitHub Search API; editor de modelos/provedores que grava no namespace llm-pi-ai via `remote.settings.mutate`, troca modelo da sessão, adiciona/edita provedores e modelos, salva chaves API via `remote.credentials` e preserva campos ocultos do perfil; MCP; skills; uso lido do loopback do host `/api/dsh-usage/overview`. Serviços são declarados por `ctx.inject`; se faltar um, o console não é montado e não trava.

Disponibiliza na LAN todos os modelos já configurados no DeepSeek Harness por endpoints compatíveis com OpenAI e Anthropic. Inclui chaves de API, limites por chave, disjuntor, filtros de modelos e relatórios de uso.

AlphaRSI: ciclo de autoaperfeiçoamento com três funções que evolui a receita de treinamento de modelos de sequência alfa. Operator executa walk-forward, Evaluator avalia com OOS RankIC e Refiner propõe hiperparâmetros via busca bayesiana TPE; só mantém receitas estritamente melhores. Execução offline com um comando, pacote de dados reconciliado por sha1 e detecção automática de GPU. Inclui uma skill.

Replica no DeepSeek Harness os provedores e modelos do cc-switch assim que são salvos e mostra no compositor e no cartão de configurações as janelas do plano, saldo ou script de uso personalizado de cada provedor.

Continuação do simon300000/dsh-auto: a predefinição de permissões Auto Approve da DSH Web UI analisa cada aprovação com uma única chamada ao modelo, sem subagente revisor. Aprova automaticamente apenas ações aprovadas e encaminha as demais para aprovação humana. Memoriza decisões confirmadas em listas de permitir/negar por projeto e globais, com uma linha do tempo de aprovações na barra lateral direita.

Evita que um argumento redundante de elevação do sandbox faça a chamada de ferramenta falhar. pwsh, bash, write e edit anunciam todo o enum `sandbox_permissions`, mas o DSH aceita apenas um nível estritamente mais amplo que o atual; repetir o mesmo nível é recusado antes da execução e pode consumir um turno em novas tentativas. Registra um único listener waterfall de tools/execute e, somente diante dessa recusa documentada e se houver o campo de elevação, reenvia uma vez a mesma chamada sem esse campo. É seguro: a recusa ocorre antes da execução (nada rodou) e a chamada corrigida não corresponde novamente, sem loop. Verificado: antes, isError=true e comando não executado; depois, saída real e isError=false, com um tool/call e um tool/result. Sem dependências.