Plugins

Responde com explicação visual HTML de uma página: rascunho breve em Markdown e página gerada pelo CLI am com diagramas de fluxo, sequência, árvore, linha do tempo e ER, tabelas e destaques.

Exploração de arquitetura AGI de caixa branca: metacognição (loop de autocognição), aprendizagem contínua (volante de conhecimento), modelo de mundo (espaço de condições, grafo de memória espaço-temporal), autoaperfeiçoamento (disciplina bootstrap), pipeline de caixa branca zero-LLM e guardrails de confiança auditáveis.

Memória de projeto apenas local, sem dependências de runtime empacotadas nem serviços externos: JSON como fonte da verdade mais um PROJECT_MEMORY.md gerado, Hot Memory limitada por tokens e congelada por sessão para estabilidade do cache de prefixos de prompt, recall BM25 entre projetos em cache, proveniência confiável de sessão/turno, governança explicável de duplicatas/conflitos antes da gravação, ciclo de vida editável de importância/pin/tags/substituição/arquivo, destilação configurável no fim do turno de nível superior e uma GUI web bilíngue para busca, inspeção, diagnóstico e configurações ao vivo.

Modo de aprendizado local-first: threads de aprendizado entre sessões com explicações por fonte.

Modo de aprendizado que explica cada passo do agente (em desenvolvimento).

Página Skill cockpit na navegação do app DSH (slot sidebar.panellist): lista todas as skills realmente expostas nesta máquina pelos seis tipos de raiz, explica por que uma skill está invisível (motivo de descarte, raiz ausente ou desativada) e alterna uma skill renomeando apenas seu arquivo de entrada (SKILL.md / SKILL.md.disabled). Raízes de skills do projeto permanecem somente leitura.

Modo de codificação compacto do Codex para DSH: guardrails leves de prompt contra GPT explicar demais, com prompt editável e ferramentas nativas no estilo Codex.

Selecione qualquer texto em uma conversa e toque no botão Explain para obter uma bolha de explicação em Markdown em streaming, com perguntas de acompanhamento recursivas.

Skill que estrutura perguntas antes da busca: separa premissas, definições e unidades de análise; escolhe um formato (veredito, explicação, causalidade, comparação, mapa de pesquisa ou ficha métrica), confirma rumo/viabilidade e responde em chinês ou inglês sem forçar verdadeiro/falso. Não confia na memória do modelo: pesquisa fontes nacionais e internacionais em paralelo, obtém e avalia fontes primárias por área (política, ciência, saúde, finanças, desastres, segurança alimentar, educação, esporte, justiça etc.), refaz a busca com termos de refutação e liga cada afirmação à URL completa e à posição da citação. Com key, três julgamentos factuais podem usar TypeSafe Jev (System One); sem ela, valem regras determinísticas. O modelo só pode reduzir a confiança.

Selecione um texto na interface Web do DSH para receber em streaming uma tradução e explicação de seu significado no contexto da conversa original. O painel mantém um histórico reproduzível e pode promovê-lo a uma sessão completa.

Treinador de revisão de Go (weiqi): analisa registros SGF, complementa a taxa de vitória e a análise de pontuação com o mecanismo KataGo incluído, explica no chat as jogadas custosas e grava os comentários em uma cópia SGF. Um painel web mostra o tabuleiro, as jogadas problemáticas, as escolhas da IA e as variações.

Batimento autônomo por agente raiz: compara TODO, quadro Agent Team e goal com o pulso anterior. Só comunica L1 (relatório), L2 (ask_user_question) ou L4 (escalonamento); nunca inicia trabalho. Mensagem inclui motivo, linha opcional de estado fisiológico e resumo da tarefa (máx. 800 caracteres). Deduplicação, horário silencioso, limite diário, pausas após contato/reinício e estado persistido; follow-ups não se acumulam. Compartilha com dsh-plugin-memory a vez advisory de ~/.dsh/proactive-cooldown.json (180 s). Silencia durante trabalho de subagente/colega; mostra a contagem e pausa polling com aba oculta. v0.8 adiciona diagnóstico dos pulsos/titular da vez e controles de janela, presença e linha fisiológica.

Plugin de modo de aprendizagem Feynman: ciclo ensinar → reexplicar → avaliar → reexplicar, renderizado como cartões de aula em HTML (diagramas mermaid + destaque de código shiki)

Validação de JSON Schema: validar/caminhos/explicar/normalizar.

Teste/extraia/substitua com segurança/explique estaticamente expressões regulares, sem executar código.

Selecione texto em qualquer app do Windows para explicar, resumir, traduzir ou ler em voz alta com DeepSeek Harness. A resposta aparece em streaming numa sobreposição sempre no topo com menu cápsula horizontal.

Adiciona Explain ao cartão de aprovação: uma chamada ao modelo retorna exatamente três linhas sobre a operação pendente, arquivos ou estado lidos/escritos/alterados/executados e veredito de risco/atenção/seguro com justificativa em uma frase. Também exibe detalhes de chamadas write/edit, que o renderizador deixa vazios por ler somente command.

Explica localmente execuções falhadas do agente DeepSeek Harness e depois produz um plano de recuperação com dados sensíveis removidos. Não requer modelo.

Proteção contra injeção de prompt ciente da origem para o DSH: rastreia contexto de turno não confiável, detecta sinais de injeção, pontua sumidouros sensíveis e bloqueia chamadas de ferramentas de alto risco com logs de auditoria explicáveis.

Memória local limitada com controle de autoridade CBDC: afirmações em SQLite + FTS5, recuperação delimitada com decisões explicáveis de usar/verificar/ignorar e trilha de auditoria completa, comandos /memory, injeção de até 3 afirmações/1200 caracteres por chamada, sem chamada extra ao modelo

Adds a Chinese end-of-line comment to every line of code shown in a DSH tool card - grey for the call being made, blue arrows for code in the output - written instantly by a local rule set and, for lines the rules cannot judge, by the current session model; a header toggle returns the block to plain code, and credentials are masked before anything is sent or cached.

Database workbench inside DSH: import the connections DBeaver already stores (data-sources.json, decrypting saved passwords locally) or register SQLite, PostgreSQL, MySQL and Oracle sources by hand, then hand them to the agent through eight mcp__db__ tools — list_datasources, list_tables, describe_table, sample_rows, execute_sql, explain_query, get_ddl and test_connection. Sources start read-only; one global switch enables INSERT/UPDATE/DDL, every call is row-capped and appended to a JSONL audit log. Also covers groups, bulk actions, a read-only schema browser and a bundled Python MCP server whose dependencies install from the panel. No DSH files to edit.

Transforma fluxos de código em diagramas Mermaid vinculados ao código-fonte e explicações interativas do CodeWalkthrough.

Cria um vídeo explicativo narrado a partir de um roteiro. Usa por padrão slides de cartões de texto (rápidos e precisos para tutoriais) ou imagens geradas por IA por segmento (exige AGNES_API_KEY). Inclui 14 vozes neurais chinesas online e 3 vozes offline para Windows, além de um pacote de amostras gerado em um comando para escolher pelo ouvido. Requer ffmpeg. Para vozes online, copie o skill video-remix incluído para `<workspace>/.dsh/skills/video-remix` e execute npm install lá.