Plugins

Conecta o DeepSeek Harness à base de conhecimento pessoal local-first e autoevolutiva do ReMe: captura automaticamente conversas concluídas do agente principal como memória Markdown do próprio usuário, pesquisa conversas e material de origem via reme_search com BM25, embeddings opcionais e expansão de wikilinks, e agenda consolidação diária de memória.

Conecta o DeepSeek Harness à base de conhecimento pessoal local-primário e autoevolutiva do ReMe: captura automaticamente as conversas concluídas do agente principal como memória Markdown pertencente ao usuário, pesquisa conversas e material fonte através do reme_search com BM25, embeddings opcionais e expansão de wikilinks, e agenda a consolidação diária da memória.

Pacote de métodos de engenharia de software para agentes de codificação, com habilidades para planejamento baseado em linha de base, depuração sistemática, higiene de prompts, verificação antes da conclusão e rastreamento de reparo/desativação.

Lê os arquivos de sessão que outros 22 agentes de codificação nesta máquina já escreveram — Claude Code, Codex, Cursor, VS Code Copilot Chat, opencode, OpenClaw, Hermes, Kimi, Cline, Zed e outros — incluindo sessões anteriores à instalação. Inclui seis ferramentas (deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), um comando /deja e recall automático opcional adicionado ao contexto em tempo de execução. Índice BM25 local, sem LLM, sem embeddings, sem rede (dsh plugin --profile web add dsh-deja).

Memória entre sessões com escopo de projeto: armazenamento SQLite de sete camadas (soul/user/project/fact/lesson/rules/topic) sobre node:sqlite, injeção na primeira mensagem amigável ao cache mais acertos de palavras-chave por mensagem, ferramentas memory_remember/search/find_similar/read/update/project e consolidação em janela de ociosidade ("dream") com supressão em horário de pico. Os textos de prompt são fornecidos como arquivos de dados por idioma — o framework suporta usuários multilíngues.

Mascote flutuante de desktop DSH com 12 animações de estado autorais para requisições, ferramentas, compaction, arquivo e melhoria de prompts; ocupação de contexto ao vivo; um Razão Vitalícia persistente entre sessões; totais por provedor/modelo, tendências por hora e vistas de 7/30 dias; alternância de tema escuro/claro; estimativas de custo opcionais (desativadas por padrão) com editor visual de preços e alerta de orçamento mensal; importação ZIP de skins no lado do cliente; exportação de uso JSON/CSV; leituras de painel somente de snapshot com indexação incremental em segundo plano; e melhoria de prompts opt-in com pré-visualização editável e envio ao compositor DSH.

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.

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.

Bancada de projetos de QA para o dsh: gerencie projetos de teste, requisitos, casos de teste, defeitos, marcos, relatórios e portões de aprovação por uma interface de navegador e 18 ferramentas do domínio de QA.

Ferramentas de email IMAP/SMTP (list/read/search/send/folders/attachment/health/watch/mark/reply) com filtros de intervalo de datas since/until, email_mark para lido/não lido/estrela/mover, email_reply para responder/responder a todos/reenviar com cabeçalhos de threading, predefinições QQ/163/126/Sina/Aliyun/Gmail/Outlook/iCloud, suporte para várias contas, uma barreira de aprovação de envio, uma página web de definições e um popup de nova mensagem com rapariga-baleia acionado pelo verificador incremental email_watch. O início de sessão Outlook OAuth2 por código de dispositivo funciona logo de início através de um cliente comunitário integrado, e uma conta ainda pode fornecer o seu próprio clientId.

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.

Grafo de conhecimento de código local-first para agentes de codificação: 10 ferramentas MCP para compressão de contexto em camadas, planejamento DAG, indexação incremental de AST, flywheel de habilidades entre sessões, diagnósticos e importação/exportação de artefatos de grafo.

Analisa o uso entre modelos, provedores, espaços e períodos, com datas personalizadas sobre todo o histórico, cache-hit visível e detalhamentos por modelo e provedor. Inclui tendências horárias/diárias, mapa de calor de 53 semanas estilo GitHub, sequências, anéis de tokens por modelo e espaço (tokens, custo, %), filtros combináveis, eficiência de cache, saldo DeepSeek, aliases de espaços, exportação CSV e um livro-razão durável que preserva o uso após excluir a sessão ou o espaço (linha Deleted) e se reconstrói de forma incremental. O registro de espaços é atualizado via sonda DSH domain/changed; só espaços registrados contam. Contabilidade separada de entrada, cache e raciocínio. Chinês: hora local; inglês: UTC; API somente loopback.

Modo chinês global: um pequeno interruptor em formato de pílula ao lado do compositor que injeta um requisito de idioma no prompt do sistema de qualquer predefinição (personas completas excetuadas); resposta, raciocínio e saída de ferramentas alternam cada um entre chinês e inglês, e predefinições ancoradas são suportadas.

Guarda de desvio de requisitos em tempo de execução que mantém agentes DSH de longa duração alinhados com o objetivo, as restrições e as decisões aprovadas pelo usuário.

Melhoria de prompt com um clique no compositor — reescreve o rascunho num prompt estruturado (função e objetivo, passos executáveis, formato de saída, critérios de aceitação, casos limite) com pré-visualização antes/depois, reposição no campo e desfazer. Nunca altera a intenção, nunca inventa requisitos.

Ponte de memória Honcho: sincroniza automaticamente cada turno de conversa com um serviço Honcho auto-hospedado, com ferramentas recall/search/remember/context/status, injeção de contexto ao iniciar a sessão e um painel de configurações visual.

Pausar / retomar / cancelar a tarefa de conversa em andamento na área do compositor: a pausa forçada interrompe imediatamente e lembra a ferramenta interrompida, a pausa segura pousa após a ferramenta ou o raciocínio terminar, a retomada pede confirmação, e a granularidade da pausa padrão é configurável nas configurações.

Agente de codificação em terminal para DeepSeek Harness com UI de tela cheia em tela alternativa, navegação de sessão ciente de turno e um fluxo de trabalho /ship com portão que leva requisitos de uma linha por especificação, TDD e verificações de aceitação reexecutadas.

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.

Um enxame governado de seis agentes especializados DSH — orquestrador, planejador, ponte para base de conhecimento, desenvolvedor e dois revisores — transforma um requisito em um pipeline rígido de fases em que cada entrega precisa provar-se com evidências estruturadas antes que a próxima fase possa começar; os revisores são somente leitura, merges de código só após uma passagem de revisão, e um log de eventos apenas de acréscimo fornece replay completo e auditoria em um quadro kanban ao vivo. Seu design se inspira no kanban do Hermes Agent.

Memo — pesquisa de memória de sessão para agentes DeepSeek Harness: recuperação de texto completo entre sessões (memo_search), notas destiladas (memo_remember) e estatísticas do corpus (memo_stats) sobre o serviço oficial sessionQuery. Infraestrutura zero, local-first.

Atualizador do DSH + sincronização dos docs oficiais em Settings: atualização npm com um clique de @deepseek-ai/dsh com progresso ao vivo (stream de saída do npm, temporizador decorrido, barra monotônica), proteção contra múltiplas cópias que atua apenas na instância em execução, modo de árvore de código via git pull, instalação do PowerShell 7 com um clique no Windows, sincronização incremental de docs/ oficiais com progresso, e as ferramentas de modelo dsh_docs_search / dsh_docs_read.

Memory Lake como camada de memória persistente para dsh: ferramentas memory_search, memory_remember e memory_forget sobre a CLI memorylake, uma linha de status da sessão e skills guiadas de configuração/diagnóstico, compartilhando uma única identidade ~/.memorylake e um conjunto de memória com os plugins Claude Code e Codex.