Plugins

Pet de desktop para a DSH Web UI com 25 animações transparentes, deslocamento pela tela, reações a cliques e arraste, além de um pipeline reprodutível de geração de assets.

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.

Acesso remoto multi-dispositivo para o DeepSeek Harness: continue uma sessão ativa pelo celular, tablet, navegador ou outro computador por um canal com criptografia ponta a ponta (Noise IK + transporte adaptativo por relay/WebRTC), com autorização de dispositivos, capacidades remotas somente via ApiProxy e pré-visualização de arquivos somente leitura pelo dsh-file-viewer — sem shell, área de trabalho remota ou acesso de escrita.

Acesso remoto multidevice para DeepSeek Harness: continue uma sessão ativa pelo telefone, tablet, navegador ou outro computador por um canal criptografado de ponta a ponta (Noise IK + transporte adaptativo relay/WebRTC), com autorização de dispositivos, capacidades remotas exclusivas do ApiProxy e pré-visualização de arquivos somente leitura via dsh-file-viewer — sem shell, área de trabalho remota ou acesso de escrita.

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).

Porta todos os 38 temas do opencode (33 TUI, 4 desktop 2.0 e system) para DeepSeek Harness. Traz pipeline orientado a dados JSON → resolução de cores → substituição DSH, persistência por navegador, escolha monoespaçada/proporcional e cinco fontes de código; o fallback system mantém apenas a tipografia.

Verificação de qualidade de dados para DeepSeek Harness — pipelines de perfilamento, limpeza e verificação com relatórios estruturados.

Kit de ferramentas de P&D quantitativa para DeepSeek Harness — 59 ferramentas em seis domínios cobrindo dados de mercado, indicadores, avaliação de fatores, validação walk-forward de ML, risco (VaR/CVaR/drawdown/Beta com Kupiec POF), opções, títulos, FICC e simulação de fundos, com um pipeline de pesquisa ponta a ponta PDAT→PET.

Pipeline de QA como 10 agent skills: análise de requisitos, estratégia de teste, escrita e revisão de casos, automação E2E (Playwright) e API, exploratório, escopo de regressão e análise de bugs, respaldado por uma base de conhecimento compartilhada com regras de formato, modelo de risco e validadores de schema.

lowtide: pipeline de tarefas em lote fora do pico com adjudicação humana para dsh (consciente de preços pico/vale)

Controla o idioma de raciocínio do DeepSeek Harness. Default English apenas faz as respostas seguirem o idioma da pergunta; Simplified Chinese também fixa o raciocínio em chinês. Injeta uma seção do prompt do sistema renderizada primeiro com order mínimo e protege a reordenação do assemble pipeline contra plugins anteriores ou com order menor. Opcionalmente antepõe ao texto do usuário em cada turno uma frase com marcador idempotente. Alternância em Settings → General, aplicada ao vivo em hosts schemastery >= 3.18.3.

Instala quatro presets de pesquisa matemática multiagente para o DSH: v2 (pipeline guiado por probabilidade com debate entre vários verificadores), v3 (base de conhecimento Markdown em estilo de artigo com um agente planejador e uma biblioteca de métodos reutilizável), v4 (residentes persistentes auto-organizados que trocam mensagens e se reúnem) e v5 (um instituto de pesquisa com um acadêmico que decompõe e atribui o trabalho, pesquisadores votantes, trabalhadores temporários, chat em grupo e um quadro de tarefas compare-and-set); os quatro suportam retomada por checkpoint, intervenção humana e um interruptor opcional de verificação formal em Lean (off/encourage/require), cuja prova aprovada transforma o voto em uma checagem de fidelidade das afirmações Lean.

Leitura profunda e resumo para DSH: livros, artigos, vídeos e web convertidos em notas estruturadas do Obsidian via parsers de plugins, subagentes paralelos MapReduce de leitura profunda, saídas JSON Schema e cache idempotente.

Geração de imagens e vídeos por IA para a GUI Web DSH. Catálogos por canal e adaptação por família (gpt-image, Grok Imagine, Nano Banana, Seedream, GLM-Image, Qwen-Image, MiniMax image-01, DALL-E 3), estúdio lateral, canvas infinito com nós, prévia de arquivos, skills de canvas e modelos de prompt. Vídeo aceita texto/imagem para vídeo, primeiro/último keyframe e várias referências, com envio/consulta/download assíncronos, ferramentas de vídeo no host, nós de vídeo e montagem local com ffmpeg de dois ou mais nós em um MP4.

Shell web móvel para a GUI Web do DSH: drawers sobrepostos, FAB arrastável, correções para o compositor móvel e um botão flutuante de upload de imagem fixado acima do compositor (galeria/câmera nativa, integrado com o pipeline validado de add-images), sem regressão no desktop. Publicado no npm como dsh-webui-mobile.

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.

Portado do plugin ARS Claude Code (44k+ estrelas no GitHub): skills de pesquisa acadêmica para DeepSeek Harness — um time de agentes de pesquisa profunda, um pipeline de escrita de artigos, um painel de revisão por pares multi-perspectiva e um orquestador de ponta a ponta, além de dezesseis comandos /ars-*.

O pacote DeepSeek Harness registra uma habilidade que converte produção longa (artigos acadêmicos, análises setoriais, comentários empresariais) em pipeline de 9 papéis: scouts T1 literatura / T2 dados / T3 casos em paralelo, T4 analista, T5 redator, T6 companheiro crítico, T7 auditor, T8 finalizador, T9 revisor par executados pelo coordenador. Em 6 fases com verificação triangular de evidências, M-gate de 23 verificações, auditoria G0-G14 incluindo gate de rastreamento IA chinês, pontuação peer-review com correspondência de periódicos, e 4 checkpoints humanos. Instala com `dsh plugin add lunheng-article-pipeline` (package.json#dsh.bundle.patch mais lib/index.js); envia fichas de papel T1-T9, modelos e 11 scripts de verificação sem dependências, com READMEs em cinco idiomas.

Pipeline de pesquisa multiplataforma e busca profunda: harvest_scout para descoberta paralela em GitHub, Web, Twitter, Reddit, Xiaohongshu, Bilibili e YouTube; harvest_deep_research para relatórios de pesquisa abrangentes automatizados; além de extração, verificação entre fontes e auditoria de credibilidade.

Preset modo especialista DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordenador + 17 subagentes com delegação automática. Funções: taskboard (estados pending/ready/running/done/failed, DAG dependências, reivindicação atômica, retry, recuperação), portas qualidade (pipeline 5 etapas: requisitos, implementação, verificação, revisão, integração; 2 reelaborações), Five-Anchor (revisão/convergência/anti-deriva/colaboração/recursos), Near-distance (modelo identidade/tarefa/saída), divulgação progressiva (~28% economia tokens), persistência, barramento P2P, revisão cruzada, pool experiência, via rápida, auto-retry. 17 especialistas: dados, redação, jurídico, PM, frontend, UI/UX, arquiteto, social, growth, fin. quant., backend, DevOps, BD, QA, segurança.

Equipe Multi-Agent por funções para DeepSeek Harness: produto, arquitetura, frontend, backend, revisão e QA trabalham em nove fases com controles; equipe persistente disponível. Sem dependências runtime ou build.

Transforma um requisito de uma linha em entrega verificada. O TeamFlow executa triagem, PRD, design, plano técnico, desenvolvimento paralelo, QA com correção de defeitos e aceite. Inclui 12 ferramentas `teamflow_*` e uma bancada com gráfico de pipeline ao vivo e kanban de backlog. Cada requisito recebe uma pasta com PRD, design, plano técnico, relatório de QA e registro de aceite.

Plugin de «escrita de núcleo único» para o DeepSeek Harness: ferramentas minuciosamente simplificadas e saída reforçada para modelos pequenos quantizados, adequado para executar pipelines de romances longos localmente com modelos no dispositivo.