Plugins

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.

Memória de longo prazo curada e baseada em arquivos para o DeepSeek Harness — notas em markdown legíveis por humanos, um único repositório de arquivos de texto simples compartilhado entre hosts (ignorado pelo git quando reside dentro de um repositório de projeto) e um limite determinístico de índice imposto por ctx.tools.guard()

Aprimoramento de prompt com um clique (5 modos, cadeia de memória, fallback multimodelo) mais reconhecimento de voz (Qwen3-ASR na nuvem / SenseVoice offline, parada automática no silêncio) para o compositor, com reinicialização do serviço DSH com um clique.

Assume a caixa de entrada web do DSH (v0.3.0-beta.4 · pacote de capacidades para tarefas complexas: 3D / normais / interação / dados / concorrência / detalhes de desempenho verificados ponto a ponto + aceitação automatizável + bilíngue chinês-inglês · aplicável a dsh-0.1.6-alpha.1): antes do envio, uma IA independente (mensageira) otimiza o prompt em um comando pronto para a IA de trabalho (quatro intensidades, comprimento do fluxo conforme a dificuldade, isolamento por sessão, mini janela minimalista).

Instala uma predefinição de escrita de romances multiagente para o DeepSeek Harness: um agente condutor distribui o trabalho para cinco subagentes especializados — construção de mundo, enredo, gerenciamento de personagens, redação da prosa e revisão de qualidade.

Salve todo prompt-modelo repetitivo e cansativo — um clique do mouse o injeta no composer e poupa seu esforço. 🌹

OMK — Observe. Measure. Know. Mudanças de conhecimento respaldadas por evidências para aplicações de IA.

Motor cron residente no host com um painel web de tarefas e uma ferramenta timer_agent: dispara sessões reais do agente conforme o agendamento, continuando uma sessão fixada para contexto ou iniciando novas em um espaço de trabalho do projeto escolhido.

Port de DietrichGebert/ponytail v4.9.0: modo sênior preguiçoso sempre ativo com uma escada de 7 degraus (YAGNI até código mínimo), 6 skills para review, audit, debt, gain e help, sem ferramentas vazias.

Preset unificado e ancorado de agente para DeepSeek V4 Pro/Flash na API oficial e no opencode-go: bootstrap mínimo-exato de duas ferramentas na primeira requisição, caminhos Pro/Flash cientes do modelo e gerenciamento de catálogo ciente de época para estabilidade em sessões longas.

Predefinição unificada de agente ancorado para DeepSeek V4 Pro/Flash na API oficial e no opencode-go: bootstrap de primeira solicitação com duas ferramentas mínimas e exatas, caminhos Pro/Flash sensíveis ao modelo, e gestão de catálogo sensível a épocas para estabilidade em sessões longas.

Skill de fluxo de trabalho de investigação AI-for-Science para DeepSeek Harness, dirigido a investigadores e estudantes de pós-graduação que usam IA agêntica: revisão de literatura multi-ângulo com ficheiros por ângulo, desenho de experiências com lista de ressalvas, leitura de figuras e artigos; cada tarefa devolve ficheiros mais um briefing de verificação cruzada para um segundo modelo. Zero dependências, MIT.

Adiciona /pua para orientar o agente a tentar outra abordagem e verificar os resultados antes de declarar a conclusão, com 15 estilos de empresa, modos de persona, configurações globais e por conversa, e um loop opcional que continua até um comando de verificação passar, o limite de iterações ser atingido ou o usuário cancelar.

Melhoria de prompt com um clique no compositor — reescreve o rascunho num prompt estruturado (função e objetivo, passos executáveis, formato de saída, critérios de aceitação, casos limite) com pré-visualização antes/depois, reposição no campo e desfazer. Nunca altera a intenção, nunca inventa requisitos.

Preset de agente Learning Mode: um agente de codificação que ensina enquanto codifica — explicações concretas ancoradas em cenários, orientação socrática e lacunas de prática TODO(你), modelado no estilo de saída Learning do Claude Code; instalável via dsh plugin add (dsh-learning-mode no npm).

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.

Skill de análise estrutural multifacetada: análise adversarial em primeiro lugar em 16 lentes em 4 categorias com 10 ferramentas estruturais, calibração de confiança e saída em camadas vinculada aos fatos.

Aprimorador de prompts para a interface web do DSH com modos basic/standard/expert: os modos standard e expert reescrevem rascunhos com contexto do projeto e histórico recente da sessão, tentam de novo com elegância quando gateways rejeitam ajustes de reasoning-effort e mostram uma revisão antes/depois com desfazer.

Aprende o que você deixa por dizer em seus prompts a partir de turnos bagunçados e das suas próprias correções, e injeta as diretivas aprendidas no prompt de sistema de cada nova conversa; as diretivas são editáveis em Configurações e um botão do compositor reescreve o rascunho atual com elas.

Preset de agente Learning Mode: um agente de codificação que ensina enquanto codifica — explicações concretas baseadas em cenários, orientação socrática e lacunas de prática TODO(你), modelado no estilo de saída Learning do Claude Code; instalável via dsh plugin add (dsh-learning-mode no npm).

Sugestões de próxima mensagem sensíveis ao contexto no compositor DSH, com ciclo de gatilho repetido e revisão explícita do usuário antes de enviar.

Otimizador de prompt estruturado por agente para o DeepSeek Harness: reescreve rascunhos do compositor em role/task/context/constraint/format com modos normal, slim e expand, um modal de confirmação com pontuação, continue-optimize e motores local, híbrido, DSH ou API na nuvem.

Registra a skill fight-scene-director para projetar cenas de luta em vídeo por IA, portada da skill Codex de mesmo nome. Emite prompts estruturados em chinês para Seedance 2.0/2.5 e MiniMax H3, além de prompts de imagem de mapa de trajetória e posição inicial.

Modos personalizados / gerenciador de assistentes: cada modo tem seu próprio system prompt nas configurações — um prompt personalizado, arquivo simples que o loop do agente relê antes de cada passo do modelo, de modo que a edição vale para a sessão em execução no passo seguinte — e iniciá-lo a partir da composição oficial standard / PTC / minimal / Cordis, alternando uma a uma as linhas de plugin que ele monta (composição de plugins própria por modo), renomeável à vontade. Vários assistentes coexistem com prompts próprios, então uma máquina pode manter lado a lado assistente de programação, companheiro de chat e persona de roleplay (RP) — configuração multiagente escolhida a cada nova sessão. Linhas intactas permanecem idênticas byte a byte às originais, com condições de plataforma.