Plugins

Ponte BrowserSkill para controlar janelas visíveis do Chrome e Edge Agent a partir do DeepSeek Harness, com ferramentas nativas de navegador, observações de acessibilidade e VOM, capturas de tela, controle de múltiplas sessões próprio e uma sobreposição de UI Web ao vivo.

Uso do computador no macOS com foco em acessibilidade: observações sempre atualizadas, rejeição de estados obsoletos, permissões delimitadas e entrada segura.

Conjunto de ferramentas de depuração ROS2 e análise de visão do estado do robô para DeepSeek Harness: enumeração de node/topic/service/action/interface/TF, JSON de topologia do grafo inteiro, verificações rosdep, builds com gate de aprovação e scaffolding de mensagens customizadas, capturas de tela da GUI e observação de visão multimodal, além de renderização offscreen RViz2 headless (malhas low-poly, leitura direta de pixel, passthrough GPU - renderização de movimento a 30Hz) com análise VLM paralela em tempo real.

Memória entre sessões com lembrança determinística de zero token (bigram-Jaccard fundido com FTS5 BM25 via RRF, tokenização ciente do chinês), reforço que fortalece observações repetidas, e procedimentos cristalizados em arquivos SKILL.md refinados no lugar por um ciclo active-stale-archived com archive e rollback reversíveis. Ingest e disposal expõem um nível de autonomia escolhido pelo usuário; conflitos e gravações de alta importância sempre vão para revisão humana, e nada é autoapagado. Requer Node 22.5+.

Telemetria de execução sem intervenção para o DSH: cada sessão grava automaticamente tarefa, nível do modelo, ferramentas, falhas, duração e status em um diário legível por humanos, com uma seção de estatísticas (puro observador — sem ferramentas, sem chamadas de LLM, sem injeção)

Automação de desktop Windows para DeepSeek Harness: loop observe/act com prioridade para acessibilidade e 30 ferramentas padrão (alvos de elemento/coordenada, roteamento de estratégia auto/a11y/event), semântica de segurança de observações substituídas e sem repetição, botão de desligamento persistente, proteção contra desatualização RuntimeId/rect-drift, cartões de chat e painel flutuante (ops ao vivo, mural de frames, configurações de autodetecção de ambiente), descrição de visão em mosaico para modelos de baixa resolução, trilha de auditoria JSONL e lista de permissão de pid. Requer Windows 10+ e Python 3.9+ com uiautomation e pillow (instaláveis pela página de configurações).

Security-audit facts AI coding agents cannot compute, plus a verdict gate: euthyna history attributes deleted lines to commits and flags those from security fixes (--origins finds the first introducer), euthyna coverage reports which changed symbols no test ever invoked, and euthyna gate checks each finding against six gates, downgrading any without evidence to an observation.

Distills session work into background observations and reflections to preserve context across compaction.

DSH Plugin DevKit: runtime observation kernel, isolated debug boot, host contract tests, slot preview

Conversation-level multi-agent workbench for editable task planning, real child-session observation, plan-versus-runtime comparison, and evidence-backed recovery previews; tested with DSH 0.1.1-rc.2.

Clean Architecture reference library for DSH: 8 pinned reference repos (Go, Java, C#, Python) indexed into a local FTS5 database, with assertion rules, a review ledger, and a read-only observation panel.

Step-0 observation probe for dsh-compaction-audit: logs every compaction/* session event and probes whether shadowedSeqs still resolve to readable events in session.events. Observe-only; never injects, never blocks.

Ferramentas de humano no circuito (`human_task` / `human_task_ready_check`): pausam o agente até que o usuário realize uma ação no mundo real ou retorne uma observação (operação em GUI, teste de jogo, verificação visual, checagens de hardware), com controle por consentimento da sessão e uma verificação de presença AFK, retornando um resultado JSON estruturado por um diálogo web de tarefa.

Encaminha as imagens do chat para um modelo de visão fixo compatível com OpenAI, devolve observações factuais ao modelo principal selecionado e reaproveita observações por sessão em replays, compactações e reinícios.

Um plugin do DeepSeek Harness que transforma a sincronização git do anywhere-claude-mem em um peer do DSH: puxa memória entre máquinas no início da sessão e envia novos prompts/observações assim que chegam ao worker do claude-mem

Memory bridge between DeepSeek Harness and ai-memory: runs ai-memory's finalize-session when a DSH session ends, so the observations it already captured become searchable wiki pages. Skips subagents, queues concurrent session ends, and sweeps sessions abandoned by a forced restart. Requires a separately installed ai-memory server with its DSH lifecycle hooks wired by hand — ai-memory’s own install-hooks does not support DSH; this plugin only finalizes what capture has already recorded.

A headless-first macOS Computer Use driver for DeepSeek Harness with AX-first observations, window-bound multimodal evidence, host-owned approval, and evidence-backed action receipts

Insight dock for the DSH Web GUI: lets an agent park a short, strictly-bounded side observation while it works, shows it above the composer, and lets the user ask to hear it later — with a context anchor that survives context compaction.

Linux X11 computer use for DeepSeek Harness: 9 tools (screenshot, move/click/drag/scroll mouse, type, key combos) driven by a zero-dependency Python XTest helper — native-pixel coordinates, per-action verification, optional auto-observation screenshot.

Human-in-the-loop tools (`human_task` / `human_task_ready_check`): pause the agent until the user performs a real-world action or returns an observation (GUI operation, game testing, visual verification, hardware checks), gated by session consent and an AFK presence check, returning a structured JSON result via a web task dialog.

Observational file-mutation rollback for the fs tools: write/edit pre-images are checkpointed as git blobs or snapshots and restored through a model-facing rollback_files tool or a /rollback command.