Plugins

Memória persistente supervisionada por LLM para agentes de IA — recuperação baseada em grafo, conhecimento entre sessões, binário único. Funciona com DeepSeek Harness, Claude Code, OpenClaw e qualquer runtime de agente.

Exploração de arquitetura AGI de caixa branca: metacognição (loop de autocognição), aprendizagem contínua (volante de conhecimento), modelo de mundo (espaço de condições, grafo de memória espaço-temporal), autoaperfeiçoamento (disciplina bootstrap), pipeline de caixa branca zero-LLM e guardrails de confiança auditáveis.

Evolua skills, agentes, prompts, código e plugins de dentro do DeepSeek Harness, com o AgentDescent.

Webhook de mensagens instantâneas e notificações locais na conclusão de turnos, erros ou aprovações (Feishu/WeCom/DingTalk/Slack/Discord/personalizado).

Quadro de tarefas compartilhado para múltiplos agentes (criar/reivindicar/transicionar/consultar) sobre uma chave de serviço Cordis.

Loja de plugins integrada para a DSH Web UI: navegação, busca, instalação com um clique e selos de compatibilidade.

Exporte o log de sessão somente-anexação (append-only) como Markdown ou HTML legível por humanos, agrupado por fonte de trajetória.

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.

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.

Camada de coordenação de plugins: os plugins declaram suas capacidades, comandos são roteados ao plugin responsável sem chamada ao modelo, esquemas de ferramentas carregam sob demanda para reduzir tokens de prompt, o histórico de execuções se consolida em memória de longo prazo quando ocioso, e falhas são classificadas antes de qualquer nova tentativa.

AI Company Framework: transforme uma frase em uma empresa multi-agente — 15 Skills planos (boss/pipeline/role-template/11 roles/generic customer-memory), 7 templates de workflow, runtime AgentTeams + painel de atividades, sidebar de funcionários com isolamento por sessão, bridge para bot do Feishu (bot do boss e bots por funcionário, roteamento de grupo, push autônomo, gate de decisão humana, guia de contato externo), memória SQLite por cliente com memória de três camadas (merge cross-group), switch de modo /company; sem RAG.

Math Agent Framework para DeepSeek Harness: motor de derivação simbólica (CES / formas quadráticas / ODE / PDE), verificação com SymPy, provas formais verificadas pelo compilador do Lean 4 e verificação adversarial multiagente no estilo QED, exposto como ferramentas DSH nativas por meio de um shell TS que faz a ponte para um motor Python. Requer clonar o repositório math-agent-framework e executar `pip install -r requirements.txt`, com MATH_AGENT_HOME apontando para a raiz do repositório. Cada resultado carrega procedência (versões do motor, seed, tolerâncias) e é marcado como dados não confiáveis.

Fixa cada requisição no nível nativo de esforço máximo e adiciona um painel de profundidade de raciocínio por modelo/modo com um slider de capacidade de 0 a 20, perfis Velocity/Apex isolados e caixas de ferramentas de raciocínio offline. Distribuído como build ofuscado; uso comercial permitido, engenharia reversa fechada.

um plugin de demonstração para uma predefinição com motor de edição/pré-visualização musescore wasm integrado para o agente compor

Adiciona memória de linha do tempo ao DeepSeek Harness: um log de fatos de largura fixa e somente-anexação + uma pirâmide de resumos mantida pelo próprio agent, com orçamento de leitura fixo e custo de recall que não cresce com o volume de memória.

Microsoft Agent Framework (MAF) plugin for DeepSeek Harness: validate, run, and scaffold declarative agents and workflows (YAML).