Plugins

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

Aprimoramento da experiência de entrada: entrada por voz, polimento por IA, anti-sobrescrita, otimização de prompts com visualização de diff, e troca automática de locale seguindo o idioma da UI do DSH.

Oh My DSH (OMD) adiciona resumos de contexto com recuperação da fonte original, verificação vinculada a tarefas, otimização de prompts, navegação de código CodeGraph, controle do computador OpenCU e quatro temas cobrindo layout, barras laterais e configurações.

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.

Pipeline de custo de tokens para o DeepSeek Harness: compactação em camadas sensível à pressão (projeção sem perdas abaixo de 40% de pressão de contexto, sumarização por LLM acima), allowlist de ferramentas por agente, conversão de texto longo em imagem com sumarização por visão e o comando /token-status que acompanha pressão, níveis e tokens economizados.

Conecta DeepSeek Harness ao Multisim MCP para geração de circuitos, simulação, diagnósticos, otimização de design e exportação de relatórios de experimento.

Otimizador de reasoning_effort por rodada para dsh — reduz automaticamente o raciocínio em chamadas de ferramentas simples e eleva-o para trabalhos pesados, cortando o tempo de pensamento entre chamadas de ferramentas.

Compactação reversível de contexto para DeepSeek Harness: recodificação tabular sem perdas em estilo TOON de arrays JSON uniformes, janelas de tabela amostradas por stride com números de linha e deduplicação entre turnos para saídas de ferramenta repetidas; cada substituição passa por um limite bytes+tokens (≤72% de bytes, estritamente menos tokens estimados) e o original é gravado em disco atrás de um aviso `[save-token #id]`, recuperável numa única chamada via a ferramenta `save_token_expand`, com contagem de tokens facturados e evitados num painel de definições.

Pipeline em camadas de otimização de tokens para DeepSeek Harness: escala de saída, carregamento tardio de MCP, driver de compactação e relatório de acertos de cache. Construído sobre as APIs reais de plugin do DSH; economiza cerca de 40–60% de entrada em sessões longas.

Gateway MCP de divulgação progressiva que pesquisa grandes catálogos remotos via `mcp_search` e depois invoca esquemas exatos via `mcp_call`, com conexões preguiçosas e caches limitados

Envolve o trabalho em tarefas nomeadas e, quando uma tarefa fecha, dobra todo o seu intervalo de mensagens num único resumo no próximo limite de passo; o conteúdo original pode ser restaurado a pedido.

Aprimoramento de prompts para o compositor: o botão “✨ Enhance” reescreve o rascunho em uma versão mais clara e estruturada usando pensamento de primeiros princípios, com base no contexto da sessão, na memória e na conversa recente; faz perguntas de esclarecimento em um cartão quando faltam informações importantes e mostra o resultado antes de aplicá-lo ao campo de entrada.

Otimização de rede para a interface web do DSH: reduz o tamanho de transferência com cache e compressão para acelerar muito o carregamento da página, além de um indicador de queda de conexão e reconexão automática. Ideal para usuários que buscam desempenho máximo ou usam redes instáveis.

Runtime de persona eficiente em tokens para DeepSeek Harness com renderização local de catgirl e divulgação progressiva do esquema de ferramentas.

Companheiro de sessão com quatro módulos: exportação inteligente de conversas (Markdown/PDF/JSON/imagem longa PNG, com redação de privacidade e ZIP em lote), resumos de transferência de contexto com salvamento/importação de modelos, otimização de custo de API (preços oficiais em tempo real, agendamento por horário de pico/fora de pico, orçamentos diários/mensais, roteamento de modelos) e busca global em conversas com localização no chat (Ctrl+F, CSS Custom Highlight API)

Encaminha cada tarefa para um modelo e sua revisão para outro, com evidências de qualificação, failover e um diário durável.

Lógica de compressão de contexto inspirada no cérebro humano que reduz drasticamente o uso de contexto e o consumo de tokens em tarefas longas.

Conjunto de competências de auditoria de marca GEO: visibilidade em pesquisas de IA, recomendações, citações, presença de concorrentes e diagnóstico de lacunas de conteúdo em mais de 17 motores de IA (ChatGPT/Perplexity/Claude/豆包/DeepSeek/Kimi/文心一言).

Adds prompt optimization, cancellation, and undo controls to the DeepSeek Harness composer.

Allows deepseek harness to think dynamically like human,automatically judge the difficulty of tasks with suitable thinking chain.

Fronts stdio MCP servers with three router tools (list_capabilities, describe_tool, call_tool) so schemas load on demand instead of riding every request; shapes every tool result through a deterministic output ladder that archives the original first (retrieve_spill reads it back); prices tool groups in tokens and can hide built-in groups per agent. Bridges to a standard-library Python router, so Python 3.9+ is required.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

DeepSeek Harness 输入栏「提示词精炼」插件：✨ 一键把模糊草稿改写为目标/背景/步骤/要求/[假设] 结构化提示词；成本可路由（默认模型可换成便宜的优化模型）、结果缓存、token 用量统计落盘。静态版为功能主体，动态版免安装尝鲜。

One MCP tool instead of every schema you own — a lazy capability broker that cuts resident tool context by a measured 94.4%. Search, inspect, enable and call MCP servers and skills on demand.