Plugins

QA de fidelidade de design para modelos somente texto: uma ferramenta `deepseek_vision` empresta um olho de qualquer rota de visão compatível com OpenAI, para que o modelo possa julgar se uma implementação corresponde ao seu mock — fornecida com o benchmark por trás desse julgamento (quatro fixtures, 23 defeitos injetados, transcrições brutas) e a disciplina de questionamento da qual ele depende.

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.

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.

Controla o traçado científico do OriginLab Origin a partir do chat de IA via MCP: 62 ferramentas. Watchdog de diálogos modais, porta de segurança LabTalk, release/reconnect, ajuste com parâmetros iniciais/fixos/ponderados, edições finas de gráficos e planilhas, ferramentas de matriz, FigureSpec YAML declarativo (difável e reproduzível), instantâneo somente leitura dos MCP Resources, ponte matplotlib-figure, montagem de PowerPoint com rótulos de painéis, busca de modelos do Graph Gallery, exportação EPS, lista branca de acesso a arquivos, baseline de regressão visual e entregável OPJU editável com verificação determinística de releitura.

Harness de avaliação para plugins do DSH: casos em YAML conduzem execuções reais do agente em modo headless, com asserções sobre chamadas de ferramentas, argumentos, resultados e uso de tokens, além de um gate de baseline para regressão em CI.

Habilidade de verificação de afirmações que confronta documentos de design e planos com fatos do código, escalando afirmações comportamentais para verificação executável com primitivas lógicas para máquinas de estado e modelos de dados, com regressão antes/depois, restrições de domínio e mineração de riscos de concorrência.

Plugin auto-evolutivo para o DeepSeek Harness: observa como o agente trabalha, propõe melhorias aos próprios ativos via LLM, valida cada proposta em um agente de teste em sandbox e só aplica mutações verificadas — com registro versionado e reversão automática em caso de regressão.

Execute o Stata pelo DeepSeek Harness: o serviço nativo Stata AI Skill inicia automaticamente com o DSH (binários para macOS/Windows incluídos), permitindo executar regressões, do-files e fluxos de trabalho econométricos sem configuração manual.

Relatórios de desvio de comportamento para sessões do DSH: compara dois logs de sessão e reporta alinhamento de sequências de ferramentas, mix de ferramentas, volume de raciocínio, tempos, repetições e arquivos-alvo, com um gate opcional de limite para CI. Zero dependências.

Plugin orquestrador de QA para o DeepSeek Harness: um agente explora seu aplicativo e deixa evidências, depois o caminho explorado é reproduzido de forma determinística. Controla navegador, desktop macOS e drivers iOS e Android.

Memória de decisões e objetivos com linhagem: comandos explícitos e uma ferramenta de modelo registram decisões de forma determinística, um cartão de status as reancora ao longo da compactação, um fluxo de eventos sem perdas com recuperação BM25+jieba dá suporte a isso, e uma suíte de regressão de fidelidade em nível de cenário controla os releases.

Execute o Stata pelo DeepSeek Harness: o serviço nativo Stata AI Skill inicia automaticamente com o DSH (binários macOS/Windows incluídos), para rodar regressões, do-files e fluxos econométricos sem configuração manual.

Adaptador móvel para o shell web do DSH: gavetas de barra lateral/detalhes sobrepostas, composer e configurações responsivos abaixo de 768px, sem regressão no desktop.

Arnês de regressão de contrato para autores de plugins: um adaptador LLM roteirizado conduz o pipeline real em processos filhos isolados com asserções de eventos de sessão (camadas load/contract/behavior/fault); sem chave de API, pronto para CI.

Measure whether a dsh setup change actually helped: register repeatable cases, run them, and diff the results before and after you change rules, skills, or models.

Evidence-first frontend release checks: real-browser content, accessibility, runtime, network, and baseline regression reports with screenshots.

Adds a /dshpp slash command that reports session and token usage, cache-hit rate, and estimated cost from harness session logs; the repo also ships a CLI and local web console for lifecycle, provider, session, and plugin-security management.

Codex-style fuzzy skill search for the DeepSeek Harness Web GUI: /bug, /diag, /regression all find diagnosing-bugs in the / skill menu.