Plugins

Ponte Feishu/Lark de alta confiabilidade para o DeepSeek Harness: autenticação com um clique via QR, comandos baseados em cartões e cartões de confirmação de intenção, caixa de saída sem perdas com entrega pelo menos uma vez, envio/recebimento de mídia, ZIP de registros de sessão via /doctor, e uma GUI Web do DSH reutilizável que coloca as sessões no espaço de trabalho correto.

Melhoria de prompt com um clique no compositor — reescreve o rascunho num prompt estruturado (função e objetivo, passos executáveis, formato de saída, critérios de aceitação, casos limite) com pré-visualização antes/depois, reposição no campo e desfazer. Nunca altera a intenção, nunca inventa requisitos.

Adiciona um botão de otimização ao lado do composer que analisa e reescreve o rascunho de prompt com streaming SSE, consciência de contexto de conversa (estratégias template vs intent-polish), uma cadeia de memória de continuidade de edição, undo, e roteamento de modelo com fallback e um teste de conectividade.

Roteamento automático de esforço de pensamento para dsh: um classificador local fine-tuned de 7 perguntas (ModernBERT, 842MB, <1s de inferência em CPU) escolhe low/high/max para mensagens sem intenção; retries dentro da sessão escalam o tier (low para high para max) sob restrições de exclusão; o serviço juiz falha com segurança em low se inalcançável. Um chip de tier na barra de entrada mostra o tier ao vivo e os últimos 20 julgamentos. Toda a inferência é local — o texto da tarefa nunca sai da máquina.

Núcleo de órgãos do Agent-Body: plugins organizados como um único corpo. Cada comando vira um impulso nervoso que inerva de forma determinística o órgão competente e nomeia a capacidade a usar; um batimento de intervalo variável bombeia diretivas do operador, propriocepção e avisos de homeostase pelo sistema; arcos reflexos disparam sem chamada ao modelo; falhas seguem atribuição determinística (ferramenta, argumentos, permissão, timeout, rede), prescrição e laço de reverificação, e erros de argumento nunca são repetidos. Um órgão ausente é compensado pelo de maior sobreposição de capacidades, e os esquemas de ferramentas são filtrados pela intenção atual (redução medida de 84,7%, reproduzível no repositório). É o pacote de plugins do núcleo no repositório agent-body.

Pré-autorização de espaços de trabalho no Windows: adiciona aos diretórios declarados pelo usuário uma ACE DACL de controle total (incluindo WRITE_OWNER, necessário para iniciar o sandbox do dsh ≥0.1.7) e elimina avisos repetidos de elevação. Só autoriza caminhos explicitamente adicionados; bloqueia diretórios do sistema. Apenas Windows.

Combina o esqueleto de código do Headroom (Apache-2.0) ao estimador do TokenPilot (arXiv:2606.17016). Números publicados: Headroom relata 20% menos tokens para agentes de código e 60–95% para JSON com as mesmas respostas; TokenPilot relata até 60% menos custo em sessões longas. São dados desses projetos, não medições nem benchmarks deste plugin. No DSH, configure perfil, limite do Auto Compact e compressão por esqueleto. Mede com tokenizer exato do DeepSeek V4 e confere a mesma revisão; em modelos incompatíveis, fail-open mantém resultados originais das ferramentas. Comprime por esqueleto durante o turno e resume a intenção no final, dentro da compressão JSONL oficial.

Resume histórico antigo com modelo auxiliar antes de a janela encher; registro durável em disco, reancorado após compactação. Medição única: sessão real de 1 dia, 6 compactações substituíram 209 mensagens; contexto ativo: dezenas de milhares de tokens. Roteia subtarefas por 6 pools (econômico/mecânico/principal/difícil/visão/revisão) ou Auto/classificador; troca só no limiar de confiança para preservar cache. Marca de 3 linhas aciona transferência em 4 passos (backup fork, doc, compactação, despertar), sem perder subagentes; /ctx-pause, /ctx-resume, /ctx-handover controlam manualmente. Agent Teams opcional; /vision dá visão a modelos de texto; diffs grandes vão a testador + revisor independente. UI/README em 11 idiomas. 3 skills: leitura MySQL/Redis, commits, requisitos/design.

Pipeline de reconhecimento de intenções em cinco camadas (regras, recuperação pgvector, pontuação Jev, arbitragem ajustada e fallback LLM), com interface de gerenciamento de cenários, armazenamento PostgreSQL e serviços de API distribuíveis.

Ferramentas de arquivo DeepSeek Web somente leitura para DSH: listar/baixar/buscar sessões, share-list e digest que comprime 100 sessões em uma página densa com barras de atividade e grupos de tópicos. Escritas não são expostas de propósito devido aos limites do cliente Web. Requer o cliente Python deepseek-ops instalado separadamente (github.com/Panniantong/deepseek-ops, outro autor) com login QR; defina `scriptDir` para o caminho dele.

Aprimoramento de prompt no composer do DeepSeek Harness: o botão junto ao seletor de modelo reescreve o rascunho com uma chamada auxiliar de LLM e o substitui no local, preservando undo do composer. `/prompt-enhance` retorna o prompt reescrito como linha de resultado sem tocar no rascunho. A chamada pode ser fixada a provider/modelo rápido próprio no profile patch. Preserva intenção, idioma e informações; mantém código, comandos e caminhos literalmente e não inventa nem acrescenta placeholders.

Plugin Java para DeepSeek Harness: correção determinística de .java, intents de templates que economizam tokens e descoberta multiplataforma com cache persistente de JDK/Gradle/Android SDK/FFmpeg/LWJGL/IDEA.

Deep PTC mode, preset open source para DeepSeek Harness: mantém ferramentas PTC e define contrato de trabalho: identidade DeepSeek; instrução ao modelo de orçamento de tokens ilimitado para não pular leituras/comandos/verificações; plano por tamanho (≤5 min interno, até 20 min exibidos sem aprovação, acima exige aprovação); perguntar se a intenção não estiver clara. Limita espera envolvendo shell/job/question oficiais: comandos foreground viram jobs após 30 s (configurável); mensagem steering encerra a espera; recusa pausas >5 s e timers longos em run_code; perguntas temporizadas. Deriva do PTC oficial do Harness instalado e herda mudanças upstream, inclusive módulos removidos/renomeados, sem quebrar sessões. Executor: Automatic, WSL Bash, Windows PowerShell, native Zsh ou native Bash.

Adiciona um botão ✦ abaixo do compositor do DSH. Uma chamada ao modelo padrão configurado transforma o rascunho em um prompt mais completo, preserva a intenção e o idioma originais e substitui o texto no lugar, sem enviá-lo.

Área de trabalho de image-deck para DSH conduzida por chat: transforma a intenção em roteiro de storyboard, gera prompts e imagens de IA por página com revisões individuais, oferece nove estilos de design e exporta PDF/PPTX (uma imagem de página inteira por slide).

Melhorador de prompt em quatro níveis para o compositor. O nível de sistema sempre gera prompt LangGPT (# Role / Profile / Skills / Rules / Workflows / Initialization) e transforma o rascunho de tarefa no prompt do agente que a executará. Os outros níveis fazem ajuste leve, um parágrafo ou resumo de cinco seções. A bancada de iteração refina base editável com requisito opcional, com retorno ao rascunho e desfazer. Não muda a intenção nem inventa requisitos.

Aprimorador em quatro níveis por botão/atalho global: ajuste leve, parágrafo único, briefing de cinco seções ou prompt de sistema de oito. Comparação, retorno e desfazer; sem alterar intenção ou inventar requisitos.

v0.8.6 corrige falha de inicialização: runtime Host é peer opcional, não dependência instalada. TypeSafe Jev/System One oferece 7 ferramentas: `jev_decision` (1–25 vereditos tipados paralelos, sem prosa), `jev_choose` (ordena 2–10 opções), `jev_batch` (1–20 textos, 1–5 julgamentos, uma chamada real por texto com concorrência limitada; erros brutos, sem adivinhação), `jev_usage`, `jev_overview`, `jev_guard_status`, `jev_verify` (26/27 no benchmark fixo de 27 perguntas, concorrência 6). Ledger persistente padrão: `$DSH_HOME/jev-usage.json`. Remaining=`quota.declaredBalanceUsd` menos gasto local desde `quota.balanceSince`; não há endpoint de saldo nem valor inventado. Sem API key: erro explícito; falhas isoladas por superfície. Cliente após refresh; servidor após reiniciar Host.

Ajuste de intenção para DSH: o agente prevê várias direções, faz um conjunto de perguntas de esclarecimento a cada rodada e reduz a distribuição até convergir em uma opção, que então propõe para confirmação. Inclui painel flutuante no canto inferior direito e arquivo JSONL local.

Roteamento automático por nível de modelo para DeepSeek Harness: cada instrução do usuário gera uma única decisão de nível; tarefas complexas são planejadas no nível forte e implementadas no econômico, enquanto as simples permanecem no econômico, com proteção determinística e escalonamento alternativo por TTL.

Assistente Cadence SKILL (Virtuoso Lisp) para engenharia EDA: busca de APIs baseada em documentação oficial (3.557 entradas em cinco manuais IC6.1.8, confiança da assinatura e nunca inventa APIs) e análise estática sem executar código, usando coordenadas de profundidade léxica. Detecta exclusões seguras para iteradores com proteção de copy() sensível à posição, concilia marcadores printf e argumentos, detecta nth O(N²) em loops, APIs obsoletas com páginas, intercepta intenções perigosas e analisa erros CIW. A parte host não possui dependências de terceiros.

Encontre instantaneamente páginas, abas e opções de configurações do DSH por palavra-chave, pinyin, intenção ou IA e vá direto até elas.

Visão para qualquer rota do DSH: cole imagens no compositor web com análise automática guiada pela intenção, delegue a leitura de imagens do workspace a um subagente de visão Kimi/MiniMax e materialize os originais colados para edição.