Plugins

Substitui os provedores de sistema de arquivos e bash por um espaço de trabalho virtual mirage: as ferramentas de arquivos e os comandos de shell são executados sobre recursos montados (RAM, S3, Redis, Slack, Gmail, Notion, Postgres) em vez do disco do host, com modos de leitura/gravação/execução por montagem, roteamento de sandbox por comando (monty, pyodide, quickjs no processo; docker, e2b, daytona remoto), e CLIs instaladas (git, gh, slack, linear, ntn, gws, ou uma que você registrar) como palavras iniciais no terminal virtual.

Memória persistente supervisionada por LLM para agentes de IA — recuperação baseada em grafo, conhecimento entre sessões, binário único. Funciona com DeepSeek Harness, Claude Code, OpenClaw e qualquer runtime de agente.

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

Expõe os modelos gratuitos OpenCode Zen ao DeepSeek Harness, sem chave de API.

Labirinto de execução para sessões DSH: o caminho real do agente — avanço principal, desvios fracassados ou sem saída, retrocessos, novas tentativas de requisição e ramificações de subagentes — desenhado em uma única línea do tempo de relógio; com três trilhas sob cada faixa compartilhando esse eixo (densidade de chamadas de ferramenta, pulso de tokens, pressão de contexto) e um painel analítico determinístico abaixo (matriz de resultados de ferramentas, cadeias de falha-recuperação, distribuição de duração); acompanhe ao vivo em uma aba de sessão ou envie até 5 logs de sessão para comparar no mesmo eixo.

Memória causal para dsh: uma ponte MCP stdio sem dependências que monta as 17 ferramentas do servidor causal-memory com nomes simples (sem prefixo mcp__) — arestas decisão → resultado com relações tipadas (caused / enabled / prevented) numa loja SQLite local que sobrevive à compactação — mais uma secção de prompt de sistema fixada. Requer o binário do servidor causal-memory no PATH (pip install causal-memory ou uma versão pré-compilada).

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.

O Agent Context Editor é um plugin entre agentes para excluir, editar e comprimir seletivamente o contexto de conversas de IA manualmente. Também suporta pesquisar, filtrar, selecionar, ocultar, restaurar e desfazer alterações de conversa preservando a sessão original.

Trace Compare & Live Maze: desenha a exploração real do agente — caminho principal, desvios falhos ou sem saída, retrocessos e ramificações de subagentes — em uma única linha do tempo de relógio de parede; envie 1–2 logs de sessão para uma comparação no mesmo eixo ou observe seu crescimento ao vivo em uma aba de sessão.

Pacote do DeepSeek Harness: o relay AgentRouter como uma rota pi-ai, com um seletor de endpoint doméstico/internacional nas Configurações, além da compatibilidade de requisições de saída exigida pelo relay.

Painel de anatomia para os órgãos do Agent-Body: serve um painel de sinais vitais ao vivo em /anatomy dentro do próprio harness — órgãos, batimento, livro-razão de cura, contadores de auto-treinamento e o fluxo de pulso real — lido diretamente dos arquivos de runtime em vez de redigitado. Somente host, sem bundle de cliente e sem etapa de build.

Motor de contexto Zero-residence: payloads grandes de ferramentas são removidos do contexto ativo para um armazenamento consultável e apenas ponteiros determinísticos permanecem, de modo que os tokens de prompt por turno deixam de crescer com a transcrição. Qualquer conteúdo mascarado é reconstruído literalmente a partir do log da sessão sob demanda, por id de chamada de ferramenta ou seq de sessão.

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.

O órgão de memória do Agent-Body: após 2 minutos de silêncio entra em sono leve e após 5 em sono profundo, onde regras determinísticas destilam a experiência real em cartões de memória (armadilhas, playbooks, pontos quentes, problemas não resolvidos, fatos). Comandos recebidos recuperam cartões relacionados por palavra-chave e os injetam no contexto; cartões sem uso decaem numa meia-vida e são arquivados em vez de excluídos. Também remove o ruído dos avisos de homeostase de todo o corpo: repetições dentro de uma janela são contadas em vez de reimpressas, e um aviso que se repete sem nunca sarar converge para um desvio de estado estacionário conhecido e silencia. A consolidação e a recordação não fazem chamadas ao modelo.

Camada de coordenação de plugins: os plugins declaram suas capacidades, comandos são roteados ao plugin responsável sem chamada ao modelo, esquemas de ferramentas carregam sob demanda para reduzir tokens de prompt, o histórico de execuções se consolida em memória de longo prazo quando ocioso, e falhas são classificadas antes de qualquer nova tentativa.

Camada de integração nativa DSH para o motor de memória Minta: compõe a linha oficial dsh-mcp-client, registra a skill minta-memory-governance além de um preaquecimento de memória no início da sessão, e envia um preset de agente Minta; requer o motor Minta implantado separadamente (Python/Docker) para fornecer as 19 ferramentas MCP — não utilizável sem ele.

Dobragem de contexto sem perdas para o DeepSeek Harness: o trecho mais antigo é substituído por um resumo, e os originais permanecem no log da sessão.

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.

A CLI self do Superself como ferramentas voltadas para o modelo (contexto de projeto, unidades de trabalho, relatórios, decisões) mais um comando /self — estado de projeto cross-session, cross-project mantido fora do repositório de código.

Swarm estilo Kimi-Code: despacho de subagentes em paralelo em lote com agendamento adaptativo, um comando /swarm e linhas de progresso ao vivo no chat.

TypeSafe Jev (modelo de decisão System One) como a ferramenta jev_decide para o DeepSeek Harness: perguntas de noul, choice e score retornam probabilidades calibradas; as credenciais reutilizam a junta de credenciais do DSH; retry com backoff para 429/529 já embutido.

Adiciona contratos de execução persistentes, grafos de trabalho recursivos, clarificação crítica e gates de evidência para tarefas longas ou pouco especificadas do Harness.

Mescla o contexto de outras sessões no turno atual: resolução de conflitos ponderada por evidências, retratação de afirmações cujas premissas foram retratadas, rotulagem de confiança que resiste à injeção de prompts entre sessões, e empacotamento limitado por orçamento. Inclui um benchmark.