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.

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.

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.

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.

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.

Equipe multiagente por papéis para o DeepSeek Harness. O /team reúne até 12 subagentes (produto, arquiteto, pesquisa, UI, backend, frontend, BD, segurança, revisor, QA, DevOps, docs) e executa um pipeline de 9 fases com portões (esclarecer, pesquisar, projetar, revisar spec, aprovar plano, implementar, revisar, testar, entregar) sobre artefatos compartilhados. Os portões de qualidade são impostos pelo código, não pelos prompts: tarefa inacabada não é marcada como concluída, os achados são arbitrados pelo revisor ou QA, e lacunas de cobertura ou retrabalho aparecem ao vivo no overlay e em /team status. Inclui overlay ao vivo (fases, elenco com modelos, DAG, artefatos, decisões), modo de equipe persistente e contabilidade de tokens/tempo. Zero dependências em runtime, sem build.

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.

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).

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.

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.

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.

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 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.

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.

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

Orquestra equipes multi-agente duráveis a partir de uma sessão DSH: um capitão gera subagentes membros, conduz um DAG de tarefas com dependências e portões de qualidade e coordena por meio de caixas de correio persistentes, com painel de atividades ao vivo.

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).

Registra a skill commercial-ui-ux para DSH: design, revisão, correção e implementação de UI/UX/GUI comercial orientados à tarefa (SaaS, dashboards, painéis administrativos, formulários, tabelas e sistemas de design), com sistema de documentos de referência e controles de qualidade.

Folio (兰亭) @nyantused/folio-dsh-tools: 15 ferramentas validadas por esquema (memória + portões de qualidade) além de uma proteção L0 do motor de geração de documentos de consultoria; combine com @nyantused/folio-dsh-events para o protocolo de sessão completo.