Plugins

Driver de navegador discreto para agentes de IA: poucas ferramentas, controle total e eficiência de tokens.

Inclui 27 skills de engenharia e produtividade (mattpocock/skills v1.3.1), sem instalação manual. O autor afirma tê-lo construído com 40 bilhões de tokens e oferecer eficiência de desenvolvimento 10 vezes maior sobre as skills originais. Ajuda iniciantes a começar mais rápido com a coleção. Suporte completo a GitHub Issues; Markdown é uma prévia e GitLab ainda não é compatível. Obrigado pelo uso e apoio.

Filtra saídas, remove contexto obsoleto e revela skills sob demanda no DSH 0.2.1-alpha.1.

Plugin de memória DSH próprio: armazenamento persistente SQLite + guarda de auditoria em nível de banco (enforceAudit) + log de auditoria. Captura conhecimento automaticamente após as conversas, agentes recordam via memory_recall, com compartilhamento multiagente entre Claude Code/Codex/Cursor. Zero dependências externas.

Analisa o uso entre modelos, provedores, espaços e períodos, com datas personalizadas sobre todo o histórico, cache-hit visível e detalhamentos por modelo e provedor. Inclui tendências horárias/diárias, mapa de calor de 53 semanas estilo GitHub, sequências, anéis de tokens por modelo e espaço (tokens, custo, %), filtros combináveis, eficiência de cache, saldo DeepSeek, aliases de espaços, exportação CSV e um livro-razão durável que preserva o uso após excluir a sessão ou o espaço (linha Deleted) e se reconstrói de forma incremental. O registro de espaços é atualizado via sonda DSH domain/changed; só espaços registrados contam. Contabilidade separada de entrada, cache e raciocínio. Chinês: hora local; inglês: UTC; API somente loopback.

Força a compressão de contexto ao executar modelos llama.cpp de baixo contexto como Qwen3.8-27B, melhorando a eficiência do modelo e a suavidade de uso, junto com prompts de compactação bem refinados.

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.

On-demand memory for DeepSeek Harness: session logs are distilled into layered markdown (a summary, an index and per-topic files), and a mem_query tool returns only the matched entries rather than the whole index. Nothing is injected per turn, there are no dependencies, and every entry keeps a source pointer back to the conversation it came from.

Context curation for DeepSeek Harness: content-aware tool-output slimming, dead-log sweep, pinned user requirements and in-flight work, archive-then-compact with an audit trail.

A DSH conversation workspace: turn actions, provenance quotes, local notes and summaries, in-conversation find, focus lock, and per-workspace command buttons.

Multi-agent frugality defense plugin: read-ledger dedup metrics, compaction-immune rules, completion gate, cheap-model review lane.