Plugins

Skills de fluxo de trabalho de pesquisa ARIS como um pacote DeepSeek Harness: 82 skills mais revisão adversarial entre modelos via Codex.

Seu companheiro de aprendizado com IA: ajuda você a planejar os estudos, entender conceitos e construir projetos para dominar um assunto.

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.

Evolua skills, agentes, prompts, código e plugins de dentro do DeepSeek Harness, com o AgentDescent.

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

Selecione texto em uma resposta DSH confirmada para abrir um Topic independente, persistente e somente leitura de múltiplos turnos vinculado a evidências da sessão de origem e arquivos do projeto enquanto o Agent de origem continua em execução.

Otimização com um clique de uma instrução bruta em um prompt profissional: três estilos de saída, perfilagem de papel/tarefa/objetivo ciente da situação, aprendizagem autoiterativa (memória de sessão + padrões inteligentes + substituições do usuário), /template para 22 sub-cenas com zero chamadas de modelo, ✨ otimizar/desfazer com um clique na caixa de entrada, ferramenta prompt_optimize, hook de auto-otimização e documentos zh/en detectados automaticamente.

Uma aba de estudo com colunas de mapa de curso, tutor e quadro que transforma arquivos markdown, pastas locais ou repositórios do GitHub em cursos guiados, com desbloqueio de lições, acompanhamento de maestria, repetição espaçada e importação de cursos projetada por tutor.

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).

Loop de auto-refinamento contínuo: memória persistente, revisão e refinamento periódicos, conhecimento compartilhado entre sessões e rollback automático por meio de uma ferramenta harness_refine chamável pelo modelo.

Roteamento e evolução inteligentes de subagentes: vincule funções a qualquer provedor/modelo registrado no DSH, incluindo modelos fornecidos pelos plugins de provedor Codex e Claude Code, com aprendizado por workspace.

Plugin cognitivo inspirado no cérebro: memória episódica, semântica, procedural e emocional com sinais de aprendizado por reforço, uma pilha de objetivos com gatilhos temporais, pesquisa autônoma na Web orientada pela curiosidade e iniciativas proativas.

Preset de agente Learning Mode: um agente de codificação que ensina enquanto codifica — explicações concretas ancoradas em cenários, orientação socrática e lacunas de prática TODO(你), modelado no estilo de saída Learning do Claude Code; instalável via dsh plugin add (dsh-learning-mode no npm).

Agente de escrita em colaboração profunda para DSH: aprendizado de estilo de escrita por usuário a partir de pares de edição, fluxo clarify→outline→section-writing→red-team→reader-gallery, síntese de projeto a relatório (relatório de laboratório / introdução de produto / pesquisa / README), 41 ferramentas MCP e interface web de seleção-aperfeiçoamento com pré-visualização de arquivos no app.

Exporta eventos somente de metadados de turno, modelo, ferramenta, aprovação, nova tentativa e erro do DSH para o Tuning Engines, para rastros governados, avaliação de políticas, análise de custos e revisão de Work Session, com uma fila de novas tentativas apoiada em disco.

Bridge de tutoria DeepTutor: explicações profundas, questões de auto-teste, planejamento de trilha de aprendizagem, busca na base de conhecimento pessoal (RAG) e arquivamento de notas via ferramentas deeptutor_run / deeptutor_kb / deeptutor_note.

Preset de agente Learning Mode: um agente de codificação que ensina enquanto codifica — explicações concretas baseadas em cenários, orientação socrática e lacunas de prática TODO(你), modelado no estilo de saída Learning do Claude Code; instalável via dsh plugin add (dsh-learning-mode no npm).

Predefinição de agente de documentação técnica para DeepSeek Harness: escrita orientada por templates com biblioteca de templates autoaprendentes, remoção de sabor de IA para documentos técnicos e kit de ferramentas de garantia de qualidade (auditoria de documentos, consistência entre documentos, renumeração, sincronização de versão, exportação PDF e Word, automação de capturas de tela).

Companheiro de aprendizagem de fios de citação durável para conversas DeepSeek Harness

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

Memória de sessão → plugin de sedimentação de conhecimento OKF: um sistema de memória com autoaprendizagem neural orientada por previsão. O conteúdo de alto valor das sessões é sedimentado como memória de longo prazo conforme a especificação OKF v0.1 e evocado automaticamente entre sessões. Plugin de memória de sessão para OKF com autoaprendizagem neural (recordação preditiva, captura orientada por incerteza, feedback de reforço).

Loop de autoaprendizagem para dsh: registra lições, redige e promove habilidades; revisão periódica do curador que corrige, consolida e descontinua habilidades.

Publishes a lesson into the DSH conversation: the dependency spine, the question and the vault's drawings, drawn in the vault's own palette.