Plugins

Transforma experiência explícita de sessão DSH em rascunhos nativos de Skill revisáveis que são salvos somente após aprovação do usuário.

Suporte a espaços de trabalho WSL para o DeepSeek Harness: uma experiência de espaço de trabalho WSL fluida, sem precisar instalar o dsh dentro do WSL. Depois de instalar este plugin, você pode adicionar um espaço de trabalho WSL diretamente na GUI.

Painel de gerenciamento de taverna para o DeepSeek Harness: cartões de personagem, worldbooks e presets com isolamento por sessão, resumos de memória, uma teia de relações entre personagens, opções de trama com um clique e um modo NSFW. A experiência completa também requer os plugins companheiros dsh-muv-engine e dsh-muv-table, que renderizam a barra de status, as opções de trama e as tabelas de variáveis.

Aprimoramento da experiência de entrada: entrada por voz, polimento por IA, anti-sobrescrita, otimização de prompts com visualização de diff, e troca automática de locale seguindo o idioma da UI do DSH.

Sistema de fluxo de trabalho de engenharia para agentes de código de IA — planejamento obrigatório, TDD, verificação, revisão e análise inteligente do grafo do código.

Encontra possíveis problemas de UX no seu projeto: revisa automaticamente código React/TypeScript, aponta cada problema e oferece sugestões concretas.

Memória de projeto para dsh com integração nativa ao sistema de tarefas: todos os todos da sessão e leituras de arquivos são condensados automaticamente em registros de tarefa entre sessões (links task↔file), de modo que fluxos de trabalho possam ser alternados e retomados sem recontextualização. Memória em tempo de leitura (sem varredura inicial): extrai símbolos de código, resume docs e cria cross-links docs↔symbols; aprimoramento semântico opcional de TS (auto ligado quando TS está instalado). Notas de experiência são deduplicadas automaticamente. Cada recuperação inclui uma citação rastreável. Pure JS, uma única dependência, funciona de saída, operação silenciosa, zero overhead.

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.

Experiência de edição estilo VSCode para o DeepSeek Harness: um editor de arquivos central baseado em Monaco (abas, abertura rápida Ctrl+P, barra de status) e revisão interativa de diffs dos resultados de edição/escrita do agente com Keep/Undo por alteração, reversão e arquivamento, persistidos entre reinicializações.

Preset modo especialista DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordenador + 17 subagentes com delegação automática. Funções: taskboard (estados pending/ready/running/done/failed, DAG dependências, reivindicação atômica, retry, recuperação), portas qualidade (pipeline 5 etapas: requisitos, implementação, verificação, revisão, integração; 2 reelaborações), Five-Anchor (revisão/convergência/anti-deriva/colaboração/recursos), Near-distance (modelo identidade/tarefa/saída), divulgação progressiva (~28% economia tokens), persistência, barramento P2P, revisão cruzada, pool experiência, via rápida, auto-retry. 17 especialistas: dados, redação, jurídico, PM, frontend, UI/UX, arquiteto, social, growth, fin. quant., backend, DevOps, BD, QA, segurança.

Instala o runtime browser4-cli e registra as skills Browser4 (browser4-cli, browser4-experience, browser4-plugin, scent-miner) no registro de skills DSH, fornecendo um motor de navegador AI-native para agentes autônomos, extração inteligente e automação web em larga escala.

Plugin do DeepSeek Harness que se conecta a um PowerContext Server via HTTP para recall, memória, handoff, experiência e skills.

Traga a experiência de chat da web/app do deepseek.com para o DSH: edite seu prompt e regenere respostas no lugar, com um paginador de versões <i/N> por mensagem (modelo em árvore, estável entre conversas).

Retrospectiva automática de sessão: após o fim de uma conversa, destila experiência útil em habilidades reutilizáveis na biblioteca de habilidades para o modelo chamar, com gatilhos acelerados por sinais, execuções manuais, um modo de aprovação e governança da biblioteca (arquivar/restaurar, nunca exclui diretamente).

Conjunto de disciplina de execução para o DSH com interceptação de tentativas idênticas, reflexão forçada, aplicação de todo, deduplicação de memória e promoção de experiência a habilidade (11 plugins + 6 habilidades).

Agent Experience Network local-first para DeepSeek Harness, destilando experiências em nível de tarefa a partir de traces e manifests ao vivo, classificando por evidência H0-H4, descobrindo por compatibilidade e promovendo somente após revisão explícita.

Permite que modelos somente de texto lidem com imagens coladas no chat, com uma experiência de visão nativa, visualização de imagens em lote e uma ferramenta analyze_image integrada compatível com OpenAI; modelos com capacidade de visão não são afetados.

Um núcleo de julgamento para o DeepSeek Harness: um laço cognitivo que dá origem e atribuição a cada decisão e leva o planejamento até o fim, memória hipocampal que condensa a experiência em conhecimento reutilizável e um cartão de persona personalizável (nome, personalidade, estilo de comunicação). Requer DSH ^0.1.0-rc.7.

Preenche automaticamente os campos de esforço de raciocínio, janela de contexto, limites de saída e modalidade de imagem para modelos de provedores não oficiais (personalizados), com dados do models.dev, e traz melhorias de experiência como reforço de compatibilidade e memória do esforço de raciocínio.

Adiciona uma seção Store nativa às Configurações do DSH para busca de catálogo, filtragem por tags, ordenação, instalação e gerenciamento de plugins instalados.

Planejamento de tarefas com memória muscular de experiência: recuperação por reflexo condicionado de soluções passadas, correspondência de capacidade do LLM e lições persistidas automaticamente.

Cross-session experience memory for DSH. Lessons are evidence-graded, injected when the turn is about the same thing, and shown just before an action only when the record declares which call it applies to. A rule that holds whatever the turn is about — "always answer in Chinese" — can be marked **standing** and is then carried every turn: measured on 24 isolated real-model turns, a standing rule is followed 6/6 against 0/18 for the controls (empty store, same record unmarked, unrelated standing record). A guess still cannot become always-on: a standing record needs a verified passage like any other. What nobody looks up is retired, reversibly. Five tools, seven slash commands, zero runtime dependencies.

Evidence-governed experience memory for DeepSeek Harness

Cipher memory platform as a DSH bundle: four memory types (attention, experience, preference, cognitive) sedimented per turn by four memory agents, cross-session deterministic recall injected via systemPrompt.context, insight review kept out of user-facing output, per-session UNNI/LOOP modes with memory-driven auto-continuation, memory search/ingest tools, plus a settings page (SOUL editor) and an AgentPool panel.