Plugins

Controle por rodada do nível de raciocínio (reasoning_effort) para DeepSeek Harness: Auto agenda low/high/max pelo histórico recente de tool calls, ou permite fixar um wire level (off/on/minimal/low/medium/high/xhigh/max), com mapeamento wire personalizado, proteção de capacidade por modelo e presets de janela de contexto (64K–1M); seu capability card por modelo funciona com [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (instalável pelo dsh-market) para testar raciocínio em gateways compatíveis com OpenAI (vLLM / LM Studio / self-hosted). O card escreve capacidades llm-pi-ai, o adapter controla o wire (compat.thinkingFormat) e o plugin mantém a lista de takeover.

Editor Markdown no estilo Typora para a barra lateral direita do DSH: renderização ao vivo de matemática e Mermaid, clique à direita de uma imagem para continuar na linha seguinte e salvamento com versão protegida por Ctrl/Cmd+S, mesmo fora do workspace da sessão. Insere seleções no chat com o caminho absoluto.

Evidências de mídia local (vídeo/áudio/imagem): linha do tempo, transcrição, regiões. Fallback por mídia em meta.attempts, nunca silencioso: multimodal do host→OpenAI compatível/rotação de chaves→ffmpeg/ASR local→metadados. Cooldown só auth/cota; candidato fica no fim da cadeia, não é descartado. Oculta erro antes de cortar; verifica magic bytes, não extensão. vision-bridge opcional; registro multimodal/AV inline (video_url/input_audio) depende dos peers opcionais dsh-thinking-levels e dsh-llm-openai-completions; ausentes, degrada sem erro. Padrão remoto; strictLocalOnly mantém local. ffmpeg/ffprobe e CLI ASR local não vêm no pacote, só são usados no fallback local; sem eles, degrada a metadados. Hosts 0.1.7/0.2.0/0.2.1 (6 rc, enum engines.dsh); npm dsh-media-lens.

OpenAI-completions-compatible adapter for custom gateways (vLLM / LM Studio / self-hosted proxies): always role:"system", thinking driven by the model config, Qwen-style response split, and vision-model image input (single / multiple).

Manual model probe for DeepSeek Harness: a session-view tab where you pick provider, API type, model and route, then send one real raw HTTP request over openai-completions, openai-responses or anthropic-messages — streaming or not — and read latency, TTFT, HTTP status, token usage and a three-layer diagnosis chain (API request / model response / strict check) on one screen, with errors in plain language.