Plugins

Motor de memória entre sessões para o DeepSeek Harness: armazenamento SQLite + espelho Markdown editável por humanos, consolidação autoDream, busca semântica offline (vetorização/reclassificação/clustering locais), linha do tempo de entidade-atributo, Sleep Mode, autoSummarize com modelo personalizado e 7 ferramentas de memória.

Preset de agente Multitask em que a conversa principal apenas planeja, orienta subagentes e resume resultados; leitura de arquivos, comandos, busca e builds ocorrem nos contextos dos subagentes. Quatro tipos de workers, aprovação para operações perigosas e nenhuma mudança no código-fonte do DSH.

Leitura profunda e resumo para DSH: livros, artigos, vídeos e web convertidos em notas estruturadas do Obsidian via parsers de plugins, subagentes paralelos MapReduce de leitura profunda, saídas JSON Schema e cache idempotente.

Memória de projeto para dsh com integração nativa ao sistema de tarefas: todos os todos da sessão e leituras de arquivos são condensados automaticamente em registros de tarefa entre sessões (links task↔file), de modo que fluxos de trabalho possam ser alternados e retomados sem recontextualização. Memória em tempo de leitura (sem varredura inicial): extrai símbolos de código, resume docs e cria cross-links docs↔symbols; aprimoramento semântico opcional de TS (auto ligado quando TS está instalado). Notas de experiência são deduplicadas automaticamente. Cada recuperação inclui uma citação rastreável. Pure JS, uma única dependência, funciona de saída, operação silenciosa, zero overhead.

Títulos de sessão inteligentes para o DSH: após cada turno de conversa, uma chamada LLM auxiliar independente resume a transcrição completa de usuário+assistente em um título que segue o tema real da sessão em vez de ecoar a primeira mensagem; a primeira mensagem recebe título imediatamente, títulos internos com falha são repetidos em turnos posteriores, renomeações manuais nunca são sobrescritas e sessões de subagente/fork são ignoradas.

Substitui o sumarizador de compactação nativo do DSH por um resumo de handoff em cinco seções e mantém toda mensagem ocultada legível em um diretório de segmentos.

Multi-agent roundtable discussion: each member runs as a subagent on its own model and speaks in turn, a host summarizes each round, and termination writes meeting-minutes Markdown.

Faça login no DeepSeek Harness com uma assinatura Claude Pro/Max (sem chave de API), reduza as imagens das requisições da Anthropic para uma aresta longa de 2000px, enxugue as cargas do resumidor /compact e mostre o uso do plano de 5 horas/semanal além das contagens de mensagens do DSH.

Chat de voz estilo Doubao para DSH: segurar o microfone do compositor converte a fala em texto e envia automaticamente, e as respostas da IA são lidas em voz alta. Condensação opcional por LLM (respostas longas resumidas em falas curtas, seguindo o modelo da conversa atual), limpeza de texto amigável ao TTS, vozes Edge TTS selecionáveis, parada automática por silêncio ajustável e configurações embutidas no diálogo de configurações do DSH.

Select text in any Windows app to explain, summarize, translate, or read it aloud with DeepSeek Harness — answered in a streaming always-on-top overlay with a horizontal capsule menu.

Preview conversation context and selectively keep, summarize, or omit exchange groups before applying persistent compaction through Harness session services.

Reformata títulos de sessão do dsh como "data | tipo | tópico" (tipo e tópico são resumidos por um modelo a partir da conversa completa) e oculta sessões não usadas da barra lateral sem excluí-las.

Gestor de contexto para o DeepSeek Harness: resume automaticamente cada turno em registos ordenados por prioridade, injeta-os juntamente com notas fixadas entre sessões e texto personalizado em cada pedido ao modelo, e reduz intervalos reais de conversa de qualquer tamanho a resumos para poupar tokens. Persistente e seguro face a reinícios. NOTA: instalação manual em vários passos — copie as três pastas do pacote para profiles/node_modules e adicione as linhas fornecidas no cordis.patch.yml, depois reinicie o DSH; não é uma instalação padrão com um único comando.

Um interrupt button verde ao lado da caixa de envio: interrompe silenciosamente um agente em execução, que então resume seu progresso e pede seus novos requisitos, com um interrupt prompt personalizável.

Windows only. Bilibili video summarizer: downloads the audio track, transcribes it locally with faster-whisper (Python + faster-whisper, about 725 MB of models on first run), then writes the analysis markdown and renders a one-page infographic PNG.

Model-callable compact_agents tool that force-compacts context in every live session (main session, ordinary sub-agents and AgentTeams members alike), queues busy targets and compacts them when the turn ends, reports the shadowed node count and estimated tokens per target, and ships a browser form for the trigger ratio, retained ratio, controlled-phase output budget, auto-continue budget and an end-of-turn pre-compaction ratio that compacts near the trigger line once a turn ends, so a reply no longer opens with a wait for the summarizer.

Single-file persistent companion memory: interests, preferences, tasks, and past works summarized into the system prompt, with read/update tools.

Passe sessões longas para uma nova e limpa: o /handoff resume a conversa com um LLM, cria uma nova sessão e agente no mesmo workspace, injeta o documento de passagem como primeira mensagem e o abre automaticamente; a sessão original permanece intacta.

Aba «轨迹解读» (interpretação de trajetória) que resume cada rodada do usuário — o que se queria, como o assistente pensou e executou, arquivos, comandos e erros — por meio de um motor de regras mais narração opcional por LLM; as mensagens do usuário permanecem literais.

Passe o contexto focado adiante sem esperar ou interromper o Agent ativo: congele um snapshot limitado da Session, resuma-o assincronamente com um LLM isolado sem tools e entregue uma cápsula com proveniência a outra Session ou Room autorizado — silencioso por padrão para Sessions, com wakeup explícito disponível.

Saves architecture and validated plans, runs native AgentTeams workers with approval, parallel coding and independent review, and summarizes progress and verification results.

Notes-backed context compression for DeepSeek Harness: replaces LLM-summarized compaction with a model-written persistent notebook plus recoverable raw history, so the rollover boundary itself costs zero model calls.

Chunked compaction for oversized sessions: takes over only when the live context exceeds 85% of the model window (or the request exceeds 4 MB), summarizes the history in 1.5 MB chunks and merges them; smaller sessions keep the built-in compaction.