Plugins

Verificações de higiene de pull request antes do envio dentro do DeepSeek Harness: varre o diff atual em busca de TODOs pendentes, segredos hardcoded e assuntos de commit fora do padrão convencional.

Concede ao DeepSeek Harness controle sobre o Tabbit Browser: carrega automaticamente a skill tabbit-browser na instalação, detecta lançamentos oficiais de Tabbit e Tabbit Browser (>= 1.9.0), verifica o runtime persistente do tabbit-cli, diagnostica o modo sandbox DSH por plataforma necessário para chamar a CLI e baixa o instalador oficial compatível com a região via um job em segundo plano quando nenhuma versão qualificada está presente.

Concede ao DeepSeek Harness controle do Tabbit Browser: carrega automaticamente a skill tabbit-browser na instalação, detecta lançamentos oficiais do Tabbit e Tabbit Browser (>= 1.9.0), verifica o runtime persistente tabbit-cli, diagnostica o modo sandbox DSH por plataforma necessário para chamar a CLI, e baixa o instalador oficial compatível com a região via tarefa em segundo plano quando nenhuma versão qualificada estiver presente.

Guarda de disciplina de engenharia: verificação de requisitos antes da primeira edição, portas de evidência de teste vermelho/verde, revisão adversária bifurcada e relatório de entrega com um fluxo de verificação por dimensão.

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

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.

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.

Pontuação de qualidade multidimensional para plugins do DeepSeek Harness que avalia um repositório ou pacote npm em sucesso de instalação, atividade de manutenção, completude da documentação, varredura de segurança e conformidade com o protocolo usando evidências reais da CLI, e produz um relatório de ranking em JSON ou Markdown.

Camada de integração nativa DSH para o motor de memória Minta: compõe a linha oficial dsh-mcp-client, registra a skill minta-memory-governance além de um preaquecimento de memória no início da sessão, e envia um preset de agente Minta; requer o motor Minta implantado separadamente (Python/Docker) para fornecer as 19 ferramentas MCP — não utilizável sem ele.

Skill de revisão de código orientada por modelos: fluxo de revisão em cinco etapas, classificação por severidade (crítica/média/menor), pontuação quadridimensional (qualidade, segurança, desempenho, manutenibilidade), saída dupla em texto e HTML e base de conhecimento de referência sob demanda.

Diretórios de trabalho secundários para um projeto DSH: o agente mantém o espaço de trabalho principal como cwd e obtém permissões iguais de leitura/escrita/execução nos diretórios secundários configurados, ajustáveis a partir do cabeçalho da sessão e da página de nova sessão.

Acorda o agente principal após qualquer reinício do DSH para que o trabalho interrompido seja retomado automaticamente — adiciona uma ferramenta de restart e um canary opcional que valida o boot e aborta com um alerta antes de um reinício quebrado.

Enxames de IA baseados em papéis para DeepSeek Harness: um arquiteto planeja, construtores paralelos executam, revisores controlam a qualidade e um integrador entrega. Fixação de modelos por papel com cadeias de fallback, loops de revisão, contratos de evidência, revisões com gate humano, pausa/retomada ciente de cota e um kanban ao vivo + fluxograma na GUI web. 40 testes; instala a partir do GitHub ou npm.

Conecte o DeepSeek Harness a um pipeline Hermes: template de especificação de despacho, roteamento por nível de modelo, portões de qualidade em execuções do orquestrador, regra de escritor único no git — como um pacote SKILL.md (instalável como bundle).

Base de conhecimento no padrão Karpathy LLM Wiki para o DSH: habilidades wiki-write/wiki-search, pipeline sem dependências (lint/index/sincronização de memória mnemon/feedback de qualidade), plugin de ciclo de vida mínimo que injeta esquema + pré-visualização de conhecimento, e recordação semântica SiliconFlow via proxy compatível com Ollama.

Kit de ferramentas de dados financeiros para agentes DSH: formatação de números e moedas (incluindo unidades chinesas wan/yi), cálculos de retorno e CAGR, rácios de avaliação e rentabilidade, PV/FV, métricas de risco e uma lista de verificação de qualidade de dados.

Plugin do DeepSeek Harness que economiza tokens agressivamente sem afetar a qualidade: truncamento sem perdas de cabeça/cauda em resultados de ferramentas (padrão), dobra de resultados do grep, delegação ao dsh-compaction-basic acionada por pressão e uma subclasse CompactionEngine com resumo por LLM para o modo agressivo. Economiza 97,6% dos tokens de entrada em uma suíte sintética de 8 cenários, com todas as reduções passando pelo fluxo de eventos do dsh para manter modelo-visível = registrado.

Renderiza papéis de parede de cena do Wallpaper Engine em tempo real no navegador (player three.js mais simulação de partículas em CPU com Rust/WASM) e reproduz papéis de parede de vídeo e web, com fallback para a imagem de pré-visualização, sem exigir o runtime do Wallpaper Engine. Escaneia a biblioteca local do Steam Workshop (431960) por detecção automática ou caminho manual, e oferece um painel de configurações para seleção de papel de parede, diretórios de biblioteca e do engine, brilho, pausa e qualidade.

Plugin proativo de agendamento multi-modelo: ingestão de sinais multi-fonte com dedup e classificação de urgência, um motor de decisão de quatro vias executar/adiar/dispensar/perguntar ao usuário, geração de plano DAG com execução paralela de modelos, reflexão de qualidade com retry automático e troca de modelo, memória de longo prazo para padrões de tarefa e lições, e evolução de estratégia via algoritmos genéticos com avaliação em sandbox e rollout canário.

Pacote mobile-first de melhorias de qualidade de uso para a UI web do DeepSeek Harness: abas de sessões ativas estilo Chrome, abrir/fechar a barra lateral em tela cheia por gesto, barra sobreposta, recentes quando recolhida, troca de sessão sem focar a entrada, adaptação a viewport/teclado IME, resposta tátil, rolagem interna de código/tabelas, menu de permissões oculto, ajustes em tela cheia com memória de aba, pulso de status via compositor e proteção contra arraste acidental — 14 recursos. Cada um é ativado separadamente em Configurações → QoL, tem efeito imediato e fica salvo por navegador no localStorage. Apenas CSS/JS no cliente; regras móveis limitadas a 768px ou menos, sem alterar o desktop.

Fluxo de trabalho de publicação de conteúdo da Conta Oficial WeChat em seis etapas, com ferramentas de controle de qualidade e uma habilidade incluída.

Predefinição de agente de documentação técnica para DeepSeek Harness: escrita orientada por templates com biblioteca de templates autoaprendentes, remoção de sabor de IA para documentos técnicos e kit de ferramentas de garantia de qualidade (auditoria de documentos, consistência entre documentos, renumeração, sincronização de versão, exportação PDF e Word, automação de capturas de tela).

Salvaguardas impostas pelo mecanismo para enxames de agentes do DeepSeek Harness: portões de qualidade rejeitam trabalho pela metade, checkpoints à prova de falhas retomam no mesmo ponto — mantém equipes de IA sem quebrar, não apenas rodando.

Loja de plugins: catálogo oficial do npm + lista curada awesome (mais de 550 plugins, 11 categorias), verificação de qualidade via campo dsh, instalação com um clique via `dsh plugin add/remove` oficial, entrada na barra lateral e nas configurações