Plugins

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.

Busca acadêmica AI4Scholar: 38 ferramentas sobre Semantic Scholar, PubMed, Google Scholar, arXiv, bioRxiv/medRxiv e resolução de DOI (busca, grafo de citações, autores, recomendações, texto completo de PDF em fatias, citação automática, figuras científicas), uma busca unificada entre plataformas com deduplicação, um cartão de chave de API nas Configurações, e contabilidade de créditos por chamada com um cartão de saldo `/ai4scholar`.

Uma companheira Live2D de garota-baleia para a UI web do DeepSeek Harness: o modelo fica na tela e reage ao que o agente está realmente fazendo (pensando, chamadas de ferramenta, texto em streaming, erros, fim do turno); clique nela para enviar uma mensagem ao agente e ver a resposta surgir em um balão; clique com o botão direito para um menu de expressões, itens de vestir, cenários de mesa e animações de disparo único, cada ação mapeada a partir da folha de atalhos do autor do modelo original, de modo que nada se sobrepõe e tudo termina sozinho. Assets do modelo não comerciais (CC BY-NC-SA 4.0), código MIT, por Andersen216 (https://github.com/Andersen216).

RAG de base de conhecimento de literatura local: 10 ferramentas (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), busca híbrida BM25+vetorial+reranker, QA com citações e links DOI clicáveis, embeddings bge totalmente locais sobre um índice SQLite de arquivo único. Requer Python 3.9+ com pymupdf, faiss-cpu e sentence-transformers; o instalador `npx dsh-kb-rag-install` configura tudo isso e pré-baixa o modelo.

Quadro de tarefas baseado em sessão na sidebar: arraste sessões para colunas todo/doing/review/done, crie sessões com seleção de modelo e reasoning-effort, lixeira com restauração, notas, export/import.

Preset de agente Learning Mode: um agente de codificação que ensina enquanto codifica — explicações concretas ancoradas em cenários, orientação socrática e lacunas de prática TODO(你), modelado no estilo de saída Learning do Claude Code; instalável via dsh plugin add (dsh-learning-mode no npm).

Preset de agente Learning Mode: um agente de codificação que ensina enquanto codifica — explicações concretas baseadas em cenários, orientação socrática e lacunas de prática TODO(你), modelado no estilo de saída Learning do Claude Code; instalável via dsh plugin add (dsh-learning-mode no npm).

Grava o estado ao vivo do agente do harness (pensando, trabalhando, aguardando, concluído, erro) num arquivo de estado que um bichinho de desktop Electron Live2D incluído consulta, para que o balão e o rosto do bichinho acompanhem o que o agente está fazendo.

Ferramentas de citação para agentes: busca exata de DOI, busca bibliográfica no Crossref, formatação GB/T 7714 / APA / MLA / Chicago, geração de BibTeX e validação de DOI com concorrência limitada e autoverificação de saúde.

macOS desk pet forked from anneheartrecord/dsh-desk-pet, in a real always-on-top window that covers fullscreen Spaces: the pose follows whatever the local DSH is doing across six states, the right-click menu is a real AppKit one carrying quiet mode and a session list, and seven skins ship with it. Two of the seven are drawn from geometry by a script in the repo rather than generated, so making a skin needs no image model and no API credits; the bundled skill still expands one photo into all eighteen poses on your own image tool and credentials. There is no Electron and nothing to install alongside it: the window is driven through ctypes on the Python that ships with macOS.

Ships a skill about handing work to subagents instead of doing it inline - which tasks are worth fanning out, how many to run at once, how to send them in parallel, and how to check what they returned instead of trusting the summary.

Voice for the DeepSeek Harness: speak to the agent, hear it back, and see what it is doing from a floating window that stays on top of whatever you are running.