Plugins

Preset de agente de bioinformática com 17 skills de análise BioDSH (single-cell, RNA-seq bulk, sobrevivência, regressão, ANOVA), uma biblioteca de mais de 2.000 skills pesquisável pela ferramenta skill_library, seleção de skill por mensagem e proteção de convergência por tempo/etapas.

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.

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.

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.

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.

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.

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.

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.

Depuração e teste de GUI frontend para agentes DeepSeekHarness: 36 ferramentas browser_* para automação estruturada, comparação visual, análise de quadros dinâmica e depuração de rede em Web/Chromium.

Disjuntor para turnos ociosos do agente: monitora agent/assistant-stream e cancela um turno que produza apenas raciocínio — sem texto e sem chamada de ferramenta — após 45s, após 80000 caracteres de raciocínio ou em um padrão de repetição degenerado (unidade de repetição exata, repetição de modelo de frase, repetição esparsa ou densidade de 6-gramas). Ao disparar, injeta uma instrução continue que exige que a próxima ação seja uma chamada de ferramenta e envia 11 casos de regressão além de ajuste por portão.

dsh-lint-loop v0.7.0 adiciona verificações de evidências limitadas e somente leitura para mudanças observáveis em shell/bash/pwsh e ferramentas de arquivos. Evidências incertas permanecem como incomplete. [Release](https://github.com/lemonxiny55/dsh-lint-loop/releases/tag/v0.7.0)

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.

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.

O comando slash /dshpp informa uso de sessão e tokens, taxa de acertos do cache e custo estimado com base nos logs de sessão do harness. O repositório também inclui CLI e console web local para gerenciar ciclo de vida, provedores, sessões e segurança de plugins.

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.

Testes de aceitação independentes no navegador para entregáveis de agentes: entra uma especificação JSON e sai um veredito em Chromium real.

Registra bugs do navegador, fixa os resultados esperados e verifica as correções em uma nova instância de controle do código original.

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.

Merges your configured, runtime-registered and locally cached models into one panel, probes and minimal-request tests them, pulls each channel's upstream /v1/models catalog, and chains the keepers into named schemes. A virtual ModelPool provider fails over at request time with per-model cooldowns, exponential backoff, image-request avoidance for text-only models, and a 10-minute memory for rejected reasoning levels. Adds a token ledger by day and model with CSV export, and 21 regression probes. Not a fork of dsh-llm-fallbacks.

Records a session as a run, replays it in an isolated workspace copy with another model or prompt, diffs the two trajectories side by side, aggregates runs into a task × variant matrix, and gates regressions with task assertions and a CI exit code.

Agent application development evaluation skill (skill bundle) for DeepSeek Harness: offline/online suites judged from audit side effects, baseline diff with zero tolerance for safety regressions, and mutation tests proving the evaluators themselves catch regressions. Framework-agnostic - needs a callable chat endpoint and queryable tool-call records. DSH host compatibility is deliberately undeclared.