Plugins

Modo red team: indicar uma organização-alvo; uma sessão lança cinco papéis (reconhecimento, triagem de ativos, descoberta de vulnerabilidades, exploração, pivot interno), com concorrência configurável. A verificação prévia valida competências/recursos. Pontuação em quatro etapas (reconhecimento, Internet, fronteira, interno), limites no servidor e deduplicação pelo privilégio mais alto. Resultados em SQLite local. Consola lateral persistente de nove páginas: mapa de ativos, agentes, sessões/túneis, resultados, alvos, relatórios, base POC e biblioteca de competências. v0.15.2 adiciona registos HTTP de evidências/ações, ingestão em lote, controlo de âmbito, sonda de pivot por túnel, prova de dados, registo de limpeza e admissão T0-T3 contra desvios. 59 ferramentas redteam_*; 38 competências.

Guardião de escrita acadêmica (bilíngue inglês/chinês): remove a escrita defensiva típica de IA, protege evidências científicas (números, citações, força das afirmações, resultados não significativos, escopo) durante a revisão, e calibra o texto para um periódico-alvo (Journal Profile + Journal Fit). Regex/estatística local determinística, sem rede nem LLM; inclui writing_rules / writing_audit / writing_style_profile / writing_journal_profile com auditoria automática ao escrever o artigo.

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.

Guardrails de escrita de romances: 20 ferramentas novel_* impõem consistência do livro-razão de fatos, portas de fase e capítulo, auditoria automática com métricas determinísticas e revisões apenas de proposta; um workbench do painel direito cobre leitura, reprodução TTS, polimento, revisão, verificações de continuidade e redação em lote, e um mecanismo de desvio executa etapas internas fora da conversa principal.

Um mecanismo de escrita de web novels para o DeepSeek Harness: redação paralela, esboço e brainstorming com uma chave DeepSeek separada, gerenciamento de lore e prenúncios, recuperação vetorial semântica, uma biblioteca de corpus, livro-razão de uso, revisão mecânica e um plano de serialização local.

Farol de segurança ao vivo para o DSH que segue a atividade das ferramentas. Clique para ver estatísticas de chamadas, cadeias de proveniência de riscos e ações bloqueadas, com restrições de tarefas somente leitura e deteção de alterações nos metadados das ferramentas.

Math Agent Framework para DeepSeek Harness: motor de derivação simbólica (CES / formas quadráticas / ODE / PDE), verificação com SymPy, provas formais verificadas pelo compilador do Lean 4 e verificação adversarial multiagente no estilo QED, exposto como ferramentas DSH nativas por meio de um shell TS que faz a ponte para um motor Python. Requer clonar o repositório math-agent-framework e executar `pip install -r requirements.txt`, com MATH_AGENT_HOME apontando para a raiz do repositório. Cada resultado carrega procedência (versões do motor, seed, tolerâncias) e é marcado como dados não confiáveis.

Multilingual writing, chunked long-form collaboration and continuity review, with on-demand DSH delegation discovery. Requires Python 3.9+ on PATH.

Um comando e ferramenta `/backstory` que anota cada linha com o commit git que a tocou por último e o turno do agente + prompt que a escreveu, a partir de um registro persistente por linha (à prova de desvio por hash de conteúdo), trailers de commit DSH-* ou o log de sessão ao vivo.

Portões de verificação com computação real: simplificação matemática, provas lógicas, validação de regex, FOL via E-prover, verificações de máquina de estados e reparo de código, apoiados em binários compilados em Go com executáveis pré-compilados para Windows

Pins the first prompt you sent in the current session in a scroll-proof bar above the conversation, with one-click copy, a collapsible panel listing every prompt you sent, and eight switchable looks you can pick from inside the panel.

Segurança de execução ciente da proveniência para o DeepSeek Harness. Rastreie dados sensíveis entre chamadas de ferramentas e impeça efeitos colaterais arriscados antes da execução.

Ferramenta image_describe (识图) voltada ao modelo sobre a API compatível com OpenAI do DashScope (qwen3.7-flash), além de uma ponte de colagem: em sessões somente texto, imagens coladas se convertem automaticamente em caminhos de arquivo no envio e são renderizadas de volta na transcrição, para nunca esbarrarem na admissão de imagens. Traga sua própria DASHSCOPE_API_KEY; endpoint/modelo/orçamentos configuráveis, cliente HTTP à prova de redirecionamento e funciona em todos os agent presets.

Camada independente de aceitação, somente leitura: cria um verificador somente leitura antes do fechamento de cada turno de nível superior e redireciona lacunas não aprovadas de volta ao agente

Auditable mathematical proving for DeepSeek Harness: a local stdio MCP server with 23 machine-checking tools, a bundled workflow skill, and the /prove and /audit-proof commands. proven, refuted and inconclusive are never conflated, and unproven steps are reported instead of hidden. Needs Python 3.10+ with pip install -r requirements.txt on first run; the 23 tools are unavailable until then.

Session-scoped research evidence ledger with sources, linked claims, open questions, and explicit user review; provides a tool, slash command, and conversation panel, with selected-claim Markdown export that omits excerpts, review notes, and local paths by default; does not fetch sources or verify their truth.

Session-scoped delivery receipts for local artifacts: compare current file hashes with a recorded baseline, keep agent claims separate from explicit user acceptance, flag changed or unavailable files, and export a Markdown receipt through a tool, slash command, and conversation panel.

Prove that a local image edit left every pixel outside its mask untouched. Original, generated and mask PNGs go in; a greppable `MASK_PIXEL_LOCK=PASS|FAIL|EMPTY` verdict, a difference heatmap, per-channel statistics, a bounding box and the largest changed pixels come out, plus a self-contained HTML report and `report.json` with a SHA-256 file hash, a canonical protected-pixel digest and a proof digest binding both to the policy. Supports edit and lock mask polarities, a mask threshold, tolerance and alpha-ignoring; PNG color types 0/2/3/4/6, bit depths 1-16, all five filters and Adam7. Zero dependencies, local only — no model call, no network, no upload.

Turn English audiobooks (MP3) and documents into listening lessons: transcribe every sentence locally with the speech model DSH voice input already downloaded (about 241 MB, fetched on first use if missing; ffmpeg required), proofread and explain each sentence with your DSH model, then drill with blind listening, intensive listening and spaced repetition, with Chinese-dubbing export and offline Kokoro voices; ships a sidebar panel and four AI tools.

Session-scoped research evidence ledger with sources, linked claims, open questions, and explicit user review; provides a tool, slash command, and conversation panel, with selected-claim Markdown export that omits excerpts, review notes, and local paths by default; does not fetch sources or verify their truth.

Session-scoped delivery receipts for local artifacts: compare current file hashes with a recorded baseline, keep agent claims separate from explicit user acceptance, flag changed or unavailable files, and export a Markdown receipt through a tool, slash command, and conversation panel.

DSH plugin: cross-session call center for agents. session_message delivers messages between DSH sessions (idle: visible full-text wake; busy: mid-turn-safe notice; plus runtime-context notes) and resolves targets by registered contact name (stale-id-proof

Multi-instance ComfyUI orchestration: probes every configured ComfyUI endpoint for its GPU, free VRAM and queue depth, then dispatches a generation job to the idlest eligible instance. Ships three tools (comfyui_farm_status, comfyui_farm_pick, comfyui_farm_run). An instance is eligible only if it is reachable, has at least the requested free VRAM, and its queue is no deeper than the configured ceiling; eligible instances are ranked by free VRAM minus queue depth times a weight, so an idle shallow queue wins over a busy large one. Zero runtime dependencies. Optional retry on probe failure, because a single timeout across an SSH tunnel is not proof that an instance is down.

Verifiable authorization, execution evidence, and offline delivery verification for DeepSeek Harness