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.

Memória associativa proativa para DSH: injeta recall sem prompt em uma fronteira fixa, com auto-consolidação em três camadas, cristalização de skills e gerenciamento de contexto no estilo Astra. Inclui livros de passagem e um quadro PLAN que sobrevivem a mudanças de janela de contexto, além de detecção de nível com uma janela de modelo autodetectada. Armazenamento local em Markdown, agnóstico ao modelo, zero dependências; piso lexical de 0 GB com camadas semânticas opcionais.

Configura o contextWindow para modelos registados no dsh, para que sessões longas deixem de ser incorretamente avaliadas como excesso de contexto.

Histórico de entrada estilo terminal para o compositor web: recuperação por setas priorizando as extremidades, com restauração exata do rascunho/cursor, histórico persistente local do navegador, busca reversa com Ctrl+R e reconhecimento de contexto deslizante; a versão 0.5.0 adiciona uma camada de entrada inteligente — trechos entre sessões (/save, /load), modelos de prompt com variáveis, insights de reutilização e destaque de resumos de compactação.

Plugin do DeepSeek Harness que transforma julgamentos Jev em três ações automáticas — podar saídas de ferramentas grandes demais para os segmentos relevantes à requisição, triar páginas obtidas em busca de instruções dirigidas ao modelo e escolher qual skill se encaixa no próximo passo — além das ferramentas jev_ask e jev_gate, um registro de julgamentos que sobrevive a reinicializações e um relatório /jev-status. Requer uma chave de API TypeSafe; sem ela, fica inerte e não envia nada.

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.

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

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.

Envolve o trabalho em tarefas nomeadas e, quando uma tarefa fecha, dobra todo o seu intervalo de mensagens num único resumo no próximo limite de passo; o conteúdo original pode ser restaurado a pedido.

Troca de modelo e controle do esforço de raciocínio para o DeepSeek Harness: as ferramentas de agente set_model e list_models permitem que o agente mude sozinho de provedor, modelo ou profundidade de pensamento no meio da tarefa, com motivo obrigatório, lista branca de provedores e proteção contra pressão de tokens da janela de contexto; o modelo ativo é injetado no contexto de execução, e a transição automática do Plan Mode troca para um modelo de planejamento configurado ao entrar no modo plano e restaura o modelo de execução anterior ao sair.

Pacote de rotação da janela de contexto orientada pelo modelo para o DeepSeek Harness: contexto de trabalho novo, notas duráveis gerenciadas pelo modelo, uma pequena cauda recente literal e recuperação direcionada do histórico — sem sumarização.

Compressão de diálogo in-loco por curva de esquecimento para DeepSeek Harness: turnos recentes permanecem verbatim, turnos médios são estruturalmente desidratados (sem LLM), turnos antigos se dobram em um par de resumos limitado — conversas ilimitadas em um orçamento de memória limitado.

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.

Windowed, reversible context management for DeepSeek Harness; replaces Basic compaction.

Fronts stdio MCP servers with three router tools (list_capabilities, describe_tool, call_tool) so schemas load on demand instead of riding every request; shapes every tool result through a deterministic output ladder that archives the original first (retrieve_spill reads it back); prices tool groups in tokens and can hide built-in groups per agent. Bridges to a standard-library Python router, so Python 3.9+ is required.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

One MCP tool instead of every schema you own — a lazy capability broker that cuts resident tool context by a measured 94.4%. Search, inspect, enable and call MCP servers and skills on demand.

Adaptive Reversible Context (ARC) para o DeepSeek Harness — governança de contexto ciente de provedor e de cache, com recuperação reversível.

Visibilidade de contexto estilo Codex para DeepSeek Harness: ocupação ao vivo da janela de contexto, detalhamento de composição, taxa de acerto do KV-cache e mapa de calor de uso estilo GitHub de 53 semanas

Rapid-refill circuit breaker for DeepSeek Harness automatic compaction. It refuses a compaction that would be futile — the context refilled within fewer than N tool turns M times in a row, which the unbounded step-pressure trigger cannot detect — and instead of burning a summarization call on every step it reports the situation with advice, usually that a single read or tool output was too large. Shows state and re-arms through /compaction-breaker, and injects one prompt section so the model relays it to the user. Covers host-plane sessions through its profile bundle; ordinary sessions need one row replaced inside an agent preset.

Context occupancy and account balance for the DeepSeek Harness Web Client: a session-header readout, a balance capability seam, and a DeepSeek provider

Adds per-route context window and compaction threshold fields to the Models settings page and a vendor-aware thinking-effort picker to the composer, writing llm-pi-ai capacities, reasoningEfforts, and a compaction-basic patch row.

会话注入门控：给 DeepSeek Harness (dsh) 加一个会话级上下文裁剪闸门，按会话取消/恢复插件贡献的 skill、tool、系统提示词段落——3 条影子通道、5 条本地路由、零依赖零配置。Per-session injection gate for DeepSeek Harness (dsh): trim skills, tools and prompt sections per session. Zero-config, zero dependencies.

Context-window attribution for DSH Web: a Mini Utility Dock panel that ranks the user messages, assistant turns, reasoning blocks and tool results of a session by the tokens each one occupies, so it is clear which entries hold the window. It also shows the share by entry type, the heaviest entries across the live sessions of the host, and, where the host provides them, provider usage and the estimated system/tools/messages composition. The panel is read-only: it does not estimate cost, modify a session, or trigger compaction.