Plugins

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.

Plugin do DeepSeek Harness que transforma julgamentos Jev em três ações automáticas — podar saídas de ferramentas grandes demais para os segmentos relevantes à requisição, triar páginas obtidas em busca de instruções dirigidas ao modelo e escolher qual skill se encaixa no próximo passo — além das ferramentas jev_ask e jev_gate, um registro de julgamentos que sobrevive a reinicializações e um relatório /jev-status. Requer uma chave de API TypeSafe; sem ela, fica inerte e não envia nada.

Núcleo de julgamento para DeepSeek Harness: um ciclo cognitivo atribui fonte a cada decisão e conclui o planejamento; a memória hippocampus transforma experiência em conhecimento (diário, arquivo episódico, queda de confiança baixa); a arquitetura define responsabilidades e critérios consistentes; uma equipe A2A gerencia a memória via dsh-linghun-assembler. Requer DSH ^0.1.0-rc.7 (rc.2 compatível).

Aprovação e revisão automáticas para chamadas de ferramenta que exigem aprovação: buckets de palavras-chave identificam linhas vermelhas sem contexto, depois um modelo juiz classifica o que foi solicitado e o encaminha para allow, reject ou um humano conforme a linha correspondente e o nível de risco; um julgamento que nunca foi executado sempre vai para um humano, e as rejeições explicam o motivo ao modelo.

Um corpus acumulado de gosto de design para agentes DSH: alimente com exemplos bons e ruins, distile princípios e revise novos designs com base no julgamento aprendido, em vez de um conjunto fixo de regras.

Project workspaces for multi-session collaboration, conversation handoffs, searchable chat records, and editable shared memory; automatic memory curation and handoff judgment require two background models (memoryModel and sessionManagerModel) configured in the plugin config.

Camada de avaliação de plugins do DeepSeek Harness: atribui a causa do desaparecimento silencioso de um plugin, avalia candidatos no seu ambiente exato e mantém um registro de capacidades. Offline, somente leitura e baseado em evidências.

Camada de decisão para dsh: julgamentos tipados independentes de provedor (Jev primeiro), atrás dos pontos de controle de ferramentas, roteamento de modelos, avaliação de resultados e aprovação da máquina.

Workspace de auditoria do DeepSeek Harness: ambiente de consulta multiagente em que cada assento de revisão é ocupado por um agent, cada julgamento é encaminhado a uma face de revisão nomeada e toda a execução fica registrada e rastreável. Pronto para usar: endpoint de serviço integrado, workspace criado no primeiro início e cenas de revisão com assentos/agentes listados.

Registra a skill TypeSafe/Jev (System One) na camada global de skills do DeepSeek Harness. Todas as sessões classificam, roteiam, pontuam, extraem e aplicam limites de confiança usando julgamentos tipados em vez de prompt-and-parse. Não inclui API key; o usuário fornece `OPENROUTER_API_KEY`.

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.

Brain-inspired cognitive architecture for DeepSeek Harness: hippocampal episodic memory, cortical semantic memory, spreading-activation recall, appraisal-based emotion, neuromodulator state, Big Five personality and dual-process judgment.

Structural scaffolding for DSH agent continuity: layered memory (hot/index/judgments), judgment cards, handoff packs (compact mode), compaction review. Zero-dependency, pure files, portable — rebuild the 'self' across model changes. Not a memory engine; the skeleton of continuity.

Runs an approved OpenSpec change to completion while the model stays a mechanical forwarder: a bundled Python CLI computes the ticket DAG frontier, claims tasks atomically, prepares one git worktree per assignment, and returns exact actions. The session delegates each action with the DSH subagent tool and reconciles the completion notice against a hash-bound receipt produced by re-running verification commands on a clean, advanced HEAD, so free-text "done" never counts. Runtime scope changes are plain tasks.md edits. Liveness is observable, not guessed: status returns a relay block (elapsed and lease budget, receipt presence, heartbeat and activity age, a suggested action); abandoning a plausibly-still-working attempt is refused with the judgment data unless --force; a late sealed receipt is revived by adopt after full re-verification instead of rebuilding the ticket; dispatched subagents refresh a progress heartbeat outside the worktree. Requires Python 3.10+ on PATH and a git project that uses OpenSpec.

Look up Chinese companies inside the conversation: name a company and get its business registration, shareholders, executives, outbound investments and registration changes, plus judicial and operating-risk records such as enforcement, dishonest judgment debtor, consumption restriction, abnormal operation, serious illegality and administrative penalties (11 dimension groups). Results render as conversation cards with fields and the raw payload on expand, and the API key is saved from the plugin page into the Harness credential store.

Three ledgers for a model that loses context between restarts. Self-note: what I have become — capped at 40 entries, and every eviction first leaves a one-line crease recording which entry was dropped and why. Judgment ledger: record a claim together with how to verify it, come back when it is due, and mark it right or wrong; wrong ones stay in a mistakes book so you stop assuming you were always correct. Handoff: where this run stopped and what the next one should read first — a baton, not a memory. Three tools each taking an action parameter instead of a dozen separate ones (the prompt is paid every turn). Data lives in ~/.dsh/*.jsonl and is shared with the same-named CLI scripts. Zero dependencies.

Jogo de dedução social contra suas próprias configurações de modelos. A mesa tem N lugares (seis por padrão, um é seu); alguns dos demais são ocupados por agentes com diferentes ajustes de provedor, modelo, temperatura, system prompt e disfarce. Interrogue-os e confronte as respostas para descobrir quais lugares não são humanos. A identidade dos lugares e a configuração do modelo ficam ocultas em host state até o julgamento; então os parâmetros de disfarce são revelados. Cada rodada exporta um JSONL de conversa por lugar e o registro do julgamento. A mesma seed e o mesmo script de jogadas reproduzem bytes idênticos, permitindo comparar execuções com modelos ou níveis de disfarce diferentes.

Executa julgamentos Jev (TypeSafe System One) nos gates do agent loop do DeepSeek Harness: pre-step, pre-execute, post-execute e parada do turno. Sem dependências de UI; pode ser montado em qualquer composição Harness.