Plugins

Adiciona uma tela de conversação editável ao DeepSeek Harness, onde as ligações do grafo selecionam o contexto para pedidos da tela, com ramificação, fusão e importação de sessões locais de agentes.

ThoughtDAG para DeepSeek Harness: transforma a sessão DSH atual em um grafo de pensamento editável em uma tela infinita.

Memória PLUR para o DeepSeek Harness — engramas injetados diretamente no prompt, sem necessidade de chamada de ferramenta

Auto-memória no estilo Claude Code, nativa: arquivos de memória tipados (user/feedback/project/reference) com um índice MEMORY.md injetado automaticamente no system prompt (pegada zero quando vazio); memory_write/read/list/delete seguem as regras de escrita do Claude Code (deduplicar e atualizar, datas absolutas, links cruzados); camadas por workspace e por usuário, bloqueio de arquivo entre processos com recuperação de lock órfão, Markdown puro em disco, sem serviços externos, sem embeddings.

O Agent Context Editor é um plugin entre agentes para excluir, editar e comprimir seletivamente o contexto de conversas de IA manualmente. Também suporta pesquisar, filtrar, selecionar, ocultar, restaurar e desfazer alterações de conversa preservando a sessão original.

Memória de longo prazo para DSH: conversas destiladas automaticamente em fatos atômicos, resumos de cena e um perfil de persona, com memórias relevantes injetadas antes de cada etapa do modelo. Zero configuração, pronto para uso — recuperação híbrida BM25 + vetorial, embeddings locais offline opcionais, separação de famílias chat/trabalho.

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.

Grafo de conhecimento de código local-first para agentes de codificação: 10 ferramentas MCP para compressão de contexto em camadas, planejamento DAG, indexação incremental de AST, flywheel de habilidades entre sessões, diagnósticos e importação/exportação de artefatos de grafo.

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.

Redutor de resultados de ferramentas ciente do conteúdo: 13 redutores cortam saídas excessivas por significado em tools/post-execute (testes falhos são mantidos, contexto de diff é removido, JSON e CSV são amostrados, problemas de lint são agrupados por regra, frames de pilha de dependências são colapsados e diretórios lotados são contados), com os originais completos despejados em disco atrás de um localizador.

Gateway MCP de divulgação progressiva que pesquisa grandes catálogos remotos via `mcp_search` e depois invoca esquemas exatos via `mcp_call`, com conexões preguiçosas e caches limitados

Plugin de memória de longo prazo NeatMem para o DeepSeek Harness — cliente REST leve para um servidor neatmem

Dobragem de contexto sem perdas para o DeepSeek Harness: o trecho mais antigo é substituído por um resumo, e os originais permanecem no log da sessão.

Disciplina de execução modular de fronteira para DSH: roteamento baseado em evidências em 26 habilidades, planejamento de arquivos estilo Manus, gates de verificação, recuperação após sequências de falhas e um painel web interativo.

Perfilagem de desempenho e diagnósticos da cache do LLM para DeepSeek Harness — engenharia de contexto, perfilagem de latência e relatórios de comportamento da cache.

Mostra qual índice graft uma sessão dsh está servindo e se ele ainda corresponde ao código, e oferece ao modelo graft_ask, graft_grep, graft_callers, graft_skeleton e graft_map como ferramentas nativas.

Memória de longo prazo governada para o DeepSeek Harness: registro de evidências somente para adição, com proteções de escrita, afirmações em 7 níveis de autoridade, cadeias de substituição e injeção pré-etapa com orçamento e cotas por domínio.

A CLI self do Superself como ferramentas voltadas para o modelo (contexto de projeto, unidades de trabalho, relatórios, decisões) mais um comando /self — estado de projeto cross-session, cross-project mantido fora do repositório de código.

Adiciona contratos de execução persistentes, grafos de trabalho recursivos, clarificação crítica e gates de evidência para tarefas longas ou pouco especificadas do Harness.

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.

Plugin do DeepSeek Harness: o CLI `self` do Superself como ferramentas voltadas para o modelo, além de um comando /self — estado do projeto entre sessões e projetos para os agentes.