Plugins

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

Uma ferramenta de visão `describe_image` para modelos apenas de texto: imagens (caminho local, URL, anexo) vão para um endpoint de visão configurável compatível com OpenAI e apenas o texto retornado entra na sessão.

Centro de habilidades para a GUI web dsh: navegue por todas as habilidades carregadas agrupadas por origem, ative ou desative a invocação de modelos, crie novas habilidades e exclua em uma lixeira recuperável.

Centro de habilidades para a GUI web do dsh: navegue por todas as habilidades carregadas agrupadas por origem, ative ou desative a invocação do modelo, crie novas habilidades e exclua para uma lixeira recuperável.

Ponte de visão para modelos somente-texto: cole uma imagem e receba evidências estruturadas em JSON (OCR, layout, semântica).

Widget de baleia fixo no canto para a GUI web do DSH — saldo, uso do dia e custo por turno com tarifas de horário de ponta/fora de ponta; bolhas editáveis de alerta de saldo e orçamento diário; fila de bolhas personalizadas baseada em módulos com escolhas ponderadas A/B e linhas ou imagens aleatórias; mais de 30 modelos de fornecedores (OpenAI, OpenRouter, Kimi, SiliconFlow, Ark, Zhipu, MiniMax e outros) com saldo por modelo e cota de assinatura; além de som ao concluir tarefas, áudio importado, papéis personalizados e um gerenciador de recursos. Somente local, sem telemetria.

Plugin de blindagem de prompt de sistema para modelos DeepSeek: acrescenta uma secção de prompt de conformidade incondicional na ordem 100, expõe uma ferramenta de perfil com metadados de calibração e mostra um distintivo de estado da blindagem em tempo real orientado por uma projeção da sessão.

Plugin de ferramenta do DeepSeek Harness que expõe ao modelo a automação de navegador do BrowserSkill (bsk)

Visão para modelos apenas de texto: cole uma imagem e o modelo muda para a variante Vision Toolkit para perguntas e respostas sobre imagens, comparação de múltiplas imagens, OCR de capturas longas, reprodução de UI a partir de capturas, localização de elementos e diferença de pixels. Sem chave de API por padrão — as imagens são processadas pelo serviço gratuito hospedado pelo autor, 100 por máquina por dia; configurável para seu próprio provedor.

Plugin de estúdio TongFlow para DeepSeek Harness (dsh): modelo de projeto no estilo de equipe de filmagem, fluxos de trabalho TongFlow criados pelo agente, geração de mídia determinística, tela incorporada.

Executa auditorias de segurança locais de relés de API de IA e proxies de LLM a partir do DeepSeek Harness, gerando relatórios em Markdown sobre injeção de prompts, sinais de substituição de modelo, reescrita de chamadas de ferramentas, vazamento de erros, integridade de stream e riscos de Web3 controlados por perfil.

Conecta o dsh a um runtime local do SandBase Harness via stdio MCP para gerenciar agentes e sessões, transmitir turnos, inspecionar artefatos e cancelar tarefas.

Coleção DSH de segurança autorizada: nove modos de trabalho (coordenador de red team, pentest, auditoria de código, análise binária, ataque-defesa, evasão de AV, resposta a incidentes, segurança em nuvem, resolução de CTF) e quinze plugins de tempo de execução, gerenciados a partir de uma página de configurações com implantação, instalação, atualização e desinstalação com um clique.

Componentes de UI interativos renderizados diretamente nas respostas: layout, gráficos, formulários, quizzes, mermaid, cenas 3D e um loop de eventos de ação de volta para o modelo.

Use assinaturas ChatGPT (Codex), Claude e Grok como provedores de LLM do DeepSeek Harness, com login em Configurações, catálogos de modelos, uso, além das ferramentas image_generate, video_generate e x_search.

Provedor não oficial de LLM Command Code: registra uma rota `commandcode` com um catálogo de modelos ao vivo e suporte a reasoning-effort.

UI generativa dentro da conversa: o modelo renderiza cartões HTML interativos diretamente no fluxo do chat, com preview em streaming e renderização em sandbox.

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.

Skin de controle deslizante de reasoning adaptável que mapeia os níveis de esforço de raciocínio disponíveis de cada modelo em uma escala de intensidade visual de 0 a 30, com retratos, plano de fundo e cores de interface sincronizados.

Esquadrões multimodelo persistentes configurados em Configurações e selecionados no Composer, com políticas de modelo/ferramenta por membro; o Agente principal planeja dinamicamente cada envio como um DAG limitado com loops limitados de revisão/reparo, enquanto o Run Center rastreia novas tentativas e tokens por membro a partir dos eventos oficiais de uso do Harness.

Painel de uso na barra lateral que atribui tokens ao site de retransmissão que atendeu cada solicitação, lido a partir da sua configuração de provedor existente: totais de hoje/mês/todo o período, detalhamentos por site e por modelo, um mapa de calor de atividade anual e saldos de New API / Sub2API / DeepSeek.

Relata quais skills cada turno invocou (carregadas pelo modelo, escritas como /name, ou nenhuma) e gere o diretório local de skills: instalar a partir de um repositório colado, pasta, SKILL.md ou endereço de zip, definir um nome de exibição chinês no meta.yaml da skill, e remover uma skill mantendo uma cópia de segurança.

Permita que o modelo se conecte a bancos de dados e escreva SQL.

Memória de longo prazo para DeepSeek Harness em Markdown simples, um fato por arquivo, legível em qualquer editor. O índice `MEMORY.md` tem um limite rígido de 200 linhas / 25 KB imposto por `ctx.tools.guard()`: uma escrita que ultrapassasse o limite é recusada, enquanto uma reescrita que o reduza sempre passa, permitindo compactar passo a passo um índice superdimensionado. O plugin nunca escreve memórias por conta própria — o que é mantido é decidido por você e pelo modelo. O mesmo armazenamento também é usado por Claude Code, Codex, Kiro e OpenClaw.