Plugins

Auto-memória no estilo Claude Code, nativa: arquivos de memória tipados (user/feedback/project/reference) com um índice MEMORY.md injetado automaticamente no system prompt (pegada zero quando vazio); memory_write/read/list/delete seguem as regras de escrita do Claude Code (deduplicar e atualizar, datas absolutas, links cruzados); camadas por workspace e por usuário, bloqueio de arquivo entre processos com recuperação de lock órfão, Markdown puro em disco, sem serviços externos, sem embeddings.

Lista de componentes do pacote Semi Design compartilhado pelos plugins DSH da tnnevol. O botão `Semi UI` no cabeçalho da conversa abre 35 componentes e uma página de caso com várias contas. Eles se organizam em sete grupos na barra lateral, de entradas, formulários, seletores e árvores a tabelas, cartões, sobreposições e feedback; cada componente é renderizado ao vivo com descrição de uma linha e esquema da página. A prévia pode seguir os temas claro, escuro ou do sistema. Instale pelo npm com `dsh plugin --profile web add @tnnevol/dsh-semi-ui-showcase`.

Controlo remoto da web dsh a partir de um navegador de telemóvel: o plugin adiciona um painel de Definições no harness (separadores de modo cloud/autohospedado, início de sessão da conta, início/paragem da ponte, feedback) com rotas de retransmissão /dsh-remote da mesma origem; a ponte de desktop e o relay-router autohospedado deste repositório criam um túnel da web dsh local para uma PWA de telemóvel com autenticação por chave de acesso, lista de dispositivos em direto e quotas de tráfego opcionais.

Controle dsh web pelo celular, de qualquer lugar sem IP público: relay na nuvem via 4G ou roteador próprio. Um comando instala a ponte desktop e o painel integrado (nuvem/autohospedado/WeChat, login, controle da ponte e feedback). Túnel E2EE celular↔desktop; QR ou link único autoriza o desktop sem redigitar a senha. Inclui HTTP/WebSocket, chave de acesso, lista de dispositivos e cota opcional. Bot WeChat ligado por QR notifica tarefas concluídas/com erro/paradas; responder com um número aprova ou nega decisão pendente e retoma a tarefa. Mensagens WeChat só entre Tencent ilink e ponte local, nunca pelo relay.

Checklist de componentes do pacote compartilhado de Semi Design usado pelos plugins DSH do tnnevol, aberto a partir de um botão `Semi UI` no cabeçalho de uma conversa: 35 componentes mais uma página de casos multiconta, organizados em sete grupos da barra lateral que vão de entradas, formulários, seletores e árvores a tabelas, cartões, sobreposições e feedback, cada um renderizado ao vivo com uma descrição de uma linha e um esboço de página, com pré-visualização em claro, escuro e seguindo o sistema. Instale do npm com `dsh plugin --profile web add @tnnevol/dsh-semi-ui-showcase`.

Memória Markdown entre sessões LLM-Wiki/`SOUL.md`. Por padrão, só é injetada ao iniciar após a primeira mensagem do usuário e apenas na sessão ativa. Inclui remember/recall/consolidate/forget, skill e pack/unpack. Orçamento boot-block por arquivo protege o índice e registra `last_access`; inclui painel de saúde somente leitura, índice declarativo, grafo, filtros e `checkup`. Requer formato de sessão v4 (DeepSeek Harness oficial 0.1.7+) e source kind do produtor `plugin:memory` nas mensagens injetadas. v0.13 declara `engines.dsh` compatível com a série oficial 0.2.1-rc.5 e recusa hosts antigos. Review now envia imediatamente um resumo de crescimento (`growth-now`) por `POST /api/memory/control`, respeitando o speech floor compartilhado.

Pacote mobile-first de melhorias de qualidade de uso para a UI web do DeepSeek Harness: abas de sessões ativas estilo Chrome, abrir/fechar a barra lateral em tela cheia por gesto, barra sobreposta, recentes quando recolhida, troca de sessão sem focar a entrada, adaptação a viewport/teclado IME, resposta tátil, rolagem interna de código/tabelas, menu de permissões oculto, ajustes em tela cheia com memória de aba, pulso de status via compositor e proteção contra arraste acidental — 14 recursos. Cada um é ativado separadamente em Configurações → QoL, tem efeito imediato e fica salvo por navegador no localStorage. Apenas CSS/JS no cliente; regras móveis limitadas a 768px ou menos, sem alterar o desktop.

Selecione elementos do navegador diretamente durante o Vibe Coding e envie feedback visual estruturado para o Agent do DeepSeek Harness.

Revisão de planos com anotações ancoradas e feedback estruturado de volta para o agente.

Memória de experiências e reflexão para agentes DSH: extrai lições candidatas após tarefas e recupera em tarefas futuras relevantes apenas as lições revisadas pelo usuário. Inclui procedência da fonte, busca por projeto, tratamento de conflitos, feedback de uso e revisão de expiração. Captura e recuperação têm controles separados; escrever em AGENTS.md exige prévia e aplicação explícita. Guia inicial de 4 etapas nas configurações.

Base de conhecimento no padrão Karpathy LLM Wiki para o DSH: habilidades wiki-write/wiki-search, pipeline sem dependências (lint/index/sincronização de memória mnemon/feedback de qualidade), plugin de ciclo de vida mínimo que injeta esquema + pré-visualização de conhecimento, e recordação semântica SiliconFlow via proxy compatível com Ollama.

Bancada científica reproduzível: células orientadas por agente, figuras inline com feedback/reexecução, proveniência por manifesto, snapshots de ambiente e habilidades de figuras nível publicação (9 ferramentas bio_* + UI da bancada).

Revisor de respostas com agentes para DeepSeek Harness: outro LLM reavalia cada resposta final de 1 a 100; abaixo do limite, devolve o agente com comentários concretos. A nota aparece como um selo na linha de ações (verde: aprovado; vermelho: precisa melhorar), com tentativas e motivo ao passar o cursor. A configuração ao vivo fica na aba Reviewer 配置, em um servidor HTTP 127.0.0.1 ou numa aba lateral opcional do dsh-better-sidebar.

Adiciona uma ferramenta de captura de tela mais dois pontos de captura automática opcionais, colocando a tela na conversa como um bloco de imagem; requer um modelo com capacidade de imagem.

Quatro skills de fluxo de trabalho do GitHub para triagem de PR, feedback de revisão, diagnóstico de GitHub Actions e publicação segura de draft-PR, reutilizando capacidades DSH existentes com fallbacks de gh/git.

Mapeia o áudio do sistema analisado localmente para efeitos de conversação reativos à música, julgamentos de jogo de ritmo, feedback de pontuação e combo, e barras de espectro RGB opcionais no DSH Web.

Memória do DSH em Markdown. Registra diariamente conversas reais entre usuário e assistente sem chamar o modelo; depois um LLM as resume no prompt de sistema de cada turno. Busca local CJK bigram + BM25 em 3 níveis (índice/resumo/texto completo) recupera só os detalhes pedidos. Itens P0 e do usuário nunca mudam automaticamente; esquecer marca stale em vez de apagar, com auditoria em status.md. 6 ferramentas: recall/write/status/extract/feedback e biblioteca de skills. Grupos prontos para virar skill exibem cartão ao fim do turno; clique cria SKILL.md, instalado após aprovação. Aprendizado vem ativo e usa o modelo da conversa. O controle principal para o LLM, mas mantém a captura. Falhas aparecem em prompt e status.md. JavaScript puro, sem dependências runtime além dos pacotes Harness.

Feedback sonoro para a interface web do DSH: classifica cliques por semântica (normal, primary, toggle, send, close, danger, link) e toca um sinal nas transições de tarefa da sessão atual (started, finished, failed) e em interações pendentes. Cada cenário tem seu próprio seletor de sinais e botão na página de configurações. Os 78 sinais e 12 pacotes são sintetizados no navegador com Web Audio API; o pacote não inclui arquivos de áudio nem faz solicitações de rede. É uma adaptação comunitária de dsh-plugin-uisfx para DSH 0.2.0, com as mudanças registradas em PROVENANCE.md.

Um enxame matricial de subagentes que roteia tarefas heterogêneas para o modelo mais adequado a partir de um gateway tipo OpenRouter e cfgpu.com/llm/square, despacha cada uma via subagentes em processo ou chamadas diretas de LLM, e rastreia o consumo de tokens por modelo com uma classificação orientada por feedback.

RAG de grafo de conhecimento duplo para notas Markdown com decaimento de memória half-life: grafos de pré-requisitos + similaridade (travessia P/S-Agent), fragmentação por parágrafos, busca híbrida n-gram/embedding e loop explícito de feedback de pesos — plugin nativo Cordis, instalável via npm como @eqman00003/knowlp-rag.

Personagens ligados ao model e mundo compartilhado para DeepSeek Harness: persona/memória editáveis, diários AI e consolidação do sono opcionais, controles chinês/inglês, pets desktop atentos à tarefa, temas e estatísticas; updates preservam ajustes. Windows/Linux/macOS; requisitos por sistema no guia. Diários/consolidação consomem tokens. Recomenda-se fechar pets/bolhas visíveis antes de instalar/atualizar (arquivos abertos podem falhar). Consultas de contas Codex/OpenAI API validadas por usuários; outras fontes aguardam validação/feedback.

Painel de fontes na conversa do DSH Desktop: o modelo de chat atual executa rodadas de busca LLM, candidatos aparecem em cartões compatíveis com GitHub, e feedback keep/exclude, favoritos e fontes escolhidas permanecem na mesma conversa.

Equipe de montagem de memória para DeepSeek Harness: cada mensagem inicia um ciclo de cinco etapas (judge, retrieve, assemble, feedback, calibrate), conduzido por subagents nos papéis judge, retriever, archivist, advocate, editor e scribe. Usa busca BM25, materiais em ordem temporal e montagem LLM para criar pacotes úteis injetados em linghun. Funciona com dsh-linghun.

Plugin nativo DeepSeek Harness: envia cada prompt para a captura local agent-feedback-loop e injeta regras recorrentes compiladas no contexto.