Plugins

Painel de insights de contexto do DSH: painel de Context + comando /context + navegador de Context — gerenciamento completo do ciclo de vida do contexto com composição categorizada, detalhes de conteúdo, tendências de evolução, eventos de compactação/injeção e estatísticas.

Bancada de escrita de romances para DSH com predefinição de autoria, gestão de esboço e personagens, anotações de manuscrito, fluxos de revisão e um backend Python local gerenciado.

Descarga local de faturas IMAP, OCR, arquivo e resumos de reembolso em Excel para o DeepSeek Harness.

Plugin de memória persistente entre agentes e local-first para o DeepSeek Harness (DSH), desenvolvido com Mnemon. Ele compartilha memória de longo prazo entre agentes compatíveis com Mnemon e adiciona memória em tempo de execução, documentos de projeto pesquisáveis, recall semântico, grafo de conhecimento e uma interface de barra lateral.

Camada mnemônica.

Quadro de tarefas SQLite local como página de sobreposição nativa: projetos, tarefas, comentários, relações, anexos e automação de fluxo de trabalho, com status backlog → todo → in_progress → in_review → done; as ferramentas de Agente `taskboard_*` só podem enviar trabalho para in_review, além de uma CLI JSON headless e uma skill empacotada.

Espaço de trabalho de terminal para DeepSeek Harness com importação local de temas JSON/JSONC do VS Code, efeitos de fundo de terminal herdados, seleção de texto pelo mouse, visualizações estruturadas de ferramentas e diff, gerenciamento de Session/Profile/plugin e navegadores Skill/MCP.

Marketplace de plugins e skills orientado por tópicos do GitHub: uma página de configurações que percorre o registro coletado automaticamente (todo o tópico dsh-plugin mais o índice de skills, atualizado por CI a cada 2 horas) com instalação em um clique, detecção de tipo, confirmações de segurança para scripts de instalação e dependências ocultas do host, gerenciamento de chaves de ambiente e a especificação de reconhecimento STANDARD.md.

Plano de controle de memória em três níveis para DeepSeek Harness: contexto de runtime persistente, documentos de projeto pesquisáveis, memória de longo prazo plugável, roteamento inteligente, fluxos de trabalho de agente supervisionados, WebUI e ferramentas headless.

A memória que sonha — memória entre sessões para o DeepSeek Harness: lembra de você entre sessões, consolida automaticamente enquanto dorme (autoDream), congela memórias conflitantes para sua revisão e mantém uma trilha de auditoria reproduzível. Busca semântica local offline-first sobre SQLite com espelhos Markdown editáveis por humanos, um grafo de entidades, um painel de memória interativo, além de uma API externa e CLI.

Download local de faturas IMAP, OCR, arquivamento e pacote resumo em Excel para DeepSeek Harness

Compressão de contexto conduzida pelo modelo (Active Context Pruning) para o DeepSeek Harness: o modelo decide quando e o que comprimir.

A memória que sonha — memória entre sessões para o DeepSeek Harness: recorda você entre sessões, autoconsolida-se enquanto dorme (autoDream), congela memórias conflitantes para sua revisão e mantém uma trilha de auditoria reexecutável. Busca semântica local offline-first sobre SQLite com espelhos Markdown editáveis por humanos, um grafo de entidades, um painel de memória interativo, além de uma API externa e uma CLI.

A memória que sonha — memória entre sessões para o DeepSeek Harness: lembra de você entre sessões, autoconsolida enquanto dorme (autoDream), congela memórias conflitantes para sua revisão e mantém uma trilha de auditoria reproduzível. Busca semântica local offline-first sobre SQLite com espelhos Markdown editáveis por humanos, um grafo de entidades, um painel de memória interativo, além de API externa e CLI.

Adiciona login de conta, configuração de API e Provider personalizado, troca de modelo, fallback de imagem para modelos somente de texto e atribuição de token/custo ao DeepSeek Harness 47f.

Memória associativa proativa para DSH: injeta recall sem prompt em uma fronteira fixa, com auto-consolidação em três camadas, cristalização de skills e gerenciamento de contexto no estilo Astra. Inclui livros de passagem e um quadro PLAN que sobrevivem a mudanças de janela de contexto, além de detecção de nível com uma janela de modelo autodetectada. Armazenamento local em Markdown, agnóstico ao modelo, zero dependências; piso lexical de 0 GB com camadas semânticas opcionais.

Um painel de gerenciamento de plugins: ativação/desativação com um clique para plugins instalados, além de um marketplace dsh-plugin do GitHub com detalhes e instalação com um clique.

Central de controle do DeepSeek Harness para monitoramento oficial de saldo, custos e tokens por sessão, totais de tokens de terceiros, alertas de conclusão, recarga oficial, layouts flexíveis e controles de sessão assistidos por agente.

Painel de gerenciamento de runtime somente leitura para o cliente MCP oficial do DSH: status da conexão, ferramentas registradas, erros e contagem de reconexões, disponíveis pelo comando /mcp e por uma aba de Configurações, com exibição sanitizada e sugestões de patch para ativar/desativar.

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.

Plugin de agente de fluxo de trabalho de engenharia harness/loop orientado por habilidades.

Motor de memória entre sessões para o DeepSeek Harness: armazenamento SQLite + espelho Markdown editável por humanos, consolidação autoDream, busca semântica offline (vetorização/reclassificação/clustering locais), linha do tempo de entidade-atributo, Sleep Mode, autoSummarize com modelo personalizado e 7 ferramentas de memória.

Infraestrutura do ecossistema: um console de navegador leve para gerenciar plugins oficiais do repositório (sem patches) e uma habilidade make-dsh-plugin para desenvolvimento guiado de plugins.

Leitura aprofundada de livros e artigos em cinco modos (rápido, profundo, mapa de conhecimento, Feynman, livro completo) com relatórios de afirmação-evidência-dados, mapas mentais Mermaid/XMind, comparação em lote, verificação prévia de orçamento, progresso transparente de tarefas em segundo plano e exportações em MD/HTML a partir de URLs, arquivos ou texto colado.