Plugins

Ferramentas de recuperação de conhecimento WeKnora para DeepSeek Harness (dsh): busca semântica, leitura de documentos e respostas RAG/agente sobre suas próprias bases de conhecimento.

Memória de recuperação de falhas: pesquisa e registra lições de recuperação de falhas extraídas de sessões reais de engenharia, com recuperação BM25 + RAG semântico e uma base de conhecimento de lições.

Motor de relatórios de pesquisa verificáveis para DeepSeek Harness com um livro-razão de evidências endereçado por conteúdo, relatórios selados versionados onde cada afirmação carrega um veredito de verificação e o hash do manifesto sela o diretório, e orquestração de recuperação que reutiliza as junções ctx.web e ctx.jobs.

Memória de longo prazo local com Git para o DeepSeek Harness com recuperação híbrida CJK/inglês, contexto com citações, sincronização transacional, pré-visualizações e rollback.

Integração DeepSeek Harness para OpenContext com memória durável entre sessões, captura e recuperação automática de prompts, resumos de sessão, insights estruturados e recuperação de documentos.

Memória de longo prazo para DeepSeek Harness: recuperação multicanal e um repositório de memória em evolução.

Memória de longo prazo para DSH: conversas destiladas automaticamente em fatos atômicos, resumos de cena e um perfil de persona, com memórias relevantes injetadas antes de cada etapa do modelo. Zero configuração, pronto para uso — recuperação híbrida BM25 + vetorial, embeddings locais offline opcionais, separação de famílias chat/trabalho.

Compressão automática de contexto para DeepSeek Harness: comprime saídas de ferramentas antes que cheguem ao modelo e mantém cada compressão com perda reversível por meio de ferramentas de recuperação CCR.

Recuperação semântica, gerenciamento de recursos, recall automático (espaços duplos de usuário + agente) e memória de sessão para o DeepSeek Harness: memsearch/memfind/memread/membrowse/memgrep/memglob sobre URIs viking://, gerenciamento de recursos memadd/memremove, status de observador memqueue, captura de sessão memcommit e geração de guias de habilidades memlearn.

Transforma documentos locais em markdown e texto numa base de conhecimento consultável com pesquisa híbrida semântica e por palavras-chave, verificação de citações e injeção de fontes.

Memória de longo prazo entre sessões sob a metáfora do “palácio da memória”: armazenamentos SQLite de escopo duplo (usuário + projeto por origem Git), recuperação híbrida FTS5 + vetores locais com fusão RRF e reforço de ranking por recência/prova, captura automática a partir do log da sessão (incluindo o turno final), cadeias de auditoria de proveniência, destilação por consolidação e esquecimento por decaimento, e um painel Memory Library na página de configurações com topologia de corredores, mordomo de tour e lista de reformas.

RAG de base de conhecimento de literatura local para o DSH: recuperação híbrida BM25 + vetorial em um índice SQLite, reranqueamento com cross-encoder, respostas citadas com proveniência em nível de seção e página, atualização somente de metadados e ingestão em segundo plano com acompanhamento de progresso.

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.

Um mecanismo de escrita de web novels para o DeepSeek Harness: redação paralela, esboço e brainstorming com uma chave DeepSeek separada, gerenciamento de lore e prenúncios, recuperação vetorial semântica, uma biblioteca de corpus, livro-razão de uso, revisão mecânica e um plano de serialização local.

Do chat à tela e à obra: conduza o ComfyUI como IDE visual de fluxos dentro do DSH. Incorpore o ComfyUI (local ou nuvem) como tela dividida no DSH Web: o agente escreve prompts e scripts no chat, aplica-os ao vivo e produz imagens, música, vídeo e 3D. Operações: compor pipelines, ler/gravar fluxos, editar nós, conectar links, executar, ajustar e depurar. Produção: varreduras de parâmetros em lote (batch_run) e recuperação automática de saídas para o chat (get_outputs). Manutenção: inicialização e atualização com um clique do ComfyUI, do núcleo e dos nós personalizados. Este pacote é o plugin do lado DSH e inclui o nó de ponte do lado ComfyUI.

Memória entre sessões baseada em arquivos: arquivos de memória em Markdown simples com injeção automática de recuperação, compatível em formato com CLAUDE.md e arquivos de memória do Claude Code, então migrar é uma cópia manual de arquivos.

Chat lateral nativo ao lado da conversa principal: uma sessão DSH independente e arquivada, com UI nativa completa, recuperação do contexto do pai sob demanda, citação de seleções e um ciclo de vida de manter ou excluir.

Motor de equipamiento de plugins orientado a tarefas: recuperação dupla (regras curadas + semântica LLM), pontuação combinada (sinergia/conflito/custo/confiança), detecção de conflitos e exportação de comandos de instalação.

Sistema de base de conhecimento estilo Cherry Studio para DeepSeek Harness (DSH): bases, documentos, fragmentação, embeddings (compatível com OpenAI / Ollama / local / fallback lexical), recuperação, ferramentas voltadas para modelos e um painel de gestão no navegador.

Recall de histórico de conversas para DSH: recuperação em três camadas (literal/difusa/semântica) sobre o texto original de cada sessão passada, totalmente local e offline — a IA nunca esquece o que você disse a ela. Instalação em um comando via `dsh.bundle.patch`, a camada semântica roda em uma thread de worker.

Cria pacotes de base de conhecimento auditáveis (SQLite FTS5) a partir de md/txt/docx/pdf, com recuperação determinística e leitura do texto original

Pesquisa semântica local de código para o DeepSeek Harness: indexação ao nível de fragmentos ciente de símbolos, embeddings lexicais offline ou um endpoint compatível com OpenAI, e recuperação híbrida de vetores + BM25 fundida com RRF — três ferramentas dsh mais um CLI sema.

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.

Chat nativo lado a lado com a conversa principal: uma sessão DSH arquivada independente com interface nativa completa, recuperação de contexto pai sob demanda, citação de seleção e ciclo de vida de manter ou excluir.