Plugins

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.

Os recursos do DeepWatch, instaláveis em um perfil existente do DeepSeek Harness

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.

Busca unificada com verificação de evidências para agentes: mais de 120 engines com roteamento multilíngue, domínios verticais e cartões de modalidade estruturados, 10 ferramentas MCP além de orquestração wide_research, e um loop fetch-verify que preenche retroativamente pontuações de evidência.

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.

Verificação de qualidade de dados para DeepSeek Harness — pipelines de perfilamento, limpeza e verificação com relatórios estruturados.

Workflow multi-agente para concursos de modelagem matemática: o preset "UltraMath" executa um problema desde leitura até framework, derivação, codificação, verificação, artigo e revisão, além de 4 presets de papel de estágio único (matemático, engenheiro, escritor, revisor) e 33 documentos de skill de biblioteca de modelos.

Ferramentas read / edit / batch_edit / undo_last_edit ancoradas por hash: cada linha recebe um hash de conteúdo exclusivo de 3 caracteres, as edições visam hashes em vez de números de linha, e a verificação do estado servido rejeita intervalos obsoletos com âncoras atualizadas.

Instala quatro presets de pesquisa matemática multiagente para o DSH: v2 (pipeline guiado por probabilidade com debate entre vários verificadores), v3 (base de conhecimento Markdown em estilo de artigo com um agente planejador e uma biblioteca de métodos reutilizável), v4 (residentes persistentes auto-organizados que trocam mensagens e se reúnem) e v5 (um instituto de pesquisa com um acadêmico que decompõe e atribui o trabalho, pesquisadores votantes, trabalhadores temporários, chat em grupo e um quadro de tarefas compare-and-set); os quatro suportam retomada por checkpoint, intervenção humana e um interruptor opcional de verificação formal em Lean (off/encourage/require), cuja prova aprovada transforma o voto em uma checagem de fidelidade das afirmações Lean.

Oh My DSH (OMD) adiciona resumos de contexto com recuperação da fonte original, verificação vinculada a tarefas, otimização de prompts, navegação de código CodeGraph, controle do computador OpenCU e quatro temas cobrindo layout, barras laterais e configurações.

Habilidade de verificação de navegador em ambiente isolado para desenvolvimento de plugins DSH: um DSH_HOME descartável, seu próprio perfil `verify_<random>`, sua própria porta e sua própria instância de navegador em um comando, limpos na saída, para que o perfil que você realmente usa nunca seja tocado; traz um driver CDP bruto sem dependências (snapshot / click / screenshot / eval) e uma auditoria de isolamento opcional.

Backup e restauração com um comando dos dados de usuário do DSH com painel visual nas Configurações: backup automático agendado, verificação sha256, restauração reforçada com reversão automática, sub-backups tipados (--types skills), ocultação de credenciais em um cofre local, sincronização com GitHub para trocar de máquina e um canal de resgate fora do processo que funciona mesmo quando o host não inicia. O /backup doctor verifica e repara logs de sessão corrompidos a partir de um backup bom conhecido; o migrate-check prevê estaticamente quais sessões uma atualização do host quebraria e a sentinela de credenciais preserva cópias pré-migração; backups inteligentes antes de atualizações e quarentena de logs corrompidos. macOS/Linux/Windows.

Sistema de fluxo de trabalho de engenharia para agentes de código de IA — planejamento obrigatório, TDD, verificação, revisão e análise inteligente do grafo do código.

Ferramentas de uso de computador no desktop do Windows (click, type, key, screenshot) com verificações de atualização, controle de aprovação, verificação de identidade do processo em torno de cada ação e um rastro de auditoria sanitizado.

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.

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.

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.

Pipeline de pesquisa multiplataforma e busca profunda: harvest_scout para descoberta paralela em GitHub, Web, Twitter, Reddit, Xiaohongshu, Bilibili e YouTube; harvest_deep_research para relatórios de pesquisa abrangentes automatizados; além de extração, verificação entre fontes e auditoria de credibilidade.

Skill de fluxo de trabalho de investigação AI-for-Science para DeepSeek Harness, dirigido a investigadores e estudantes de pós-graduação que usam IA agêntica: revisão de literatura multi-ângulo com ficheiros por ângulo, desenho de experiências com lista de ressalvas, leitura de figuras e artigos; cada tarefa devolve ficheiros mais um briefing de verificação cruzada para um segundo modelo. Zero dependências, MIT.

Confiabilidade de tarefas: nova tentativa automática em timeouts/falhas do modelo, continuação automática de tarefas inacabadas, verificação de conclusão, interrupção de repetições de pensamento, retomada após suspensão ou reinício, modo piloto automático e endpoint de acionamento remoto (npm: `dsh-task-reliability`).

Adiciona /pua para orientar o agente a tentar outra abordagem e verificar os resultados antes de declarar a conclusão, com 15 estilos de empresa, modos de persona, configurações globais e por conversa, e um loop opcional que continua até um comando de verificação passar, o limite de iterações ser atingido ou o usuário cancelar.

Conjunto de predefinições de agente Programming Mode: o agente de programação padrão com uma persona que impõe a disciplina Superpowers (competências primeiro, brainstorming antes de construir, planos antes do código, TDD, depuração sistemática, verificação antes da conclusão), além de uma disciplina de volume de código Ponytail sempre ativa (escada de código mínimo de 7 níveis, completo por predefinição); inclui as vinte competências (14 superpowers + 6 ponytail) e injeta mecanicamente a competência using-superpowers completa no primeiro pedido de cada nova sessão.

Disciplina de execução modular de fronteira para DSH: roteamento baseado em evidências em 26 habilidades, planejamento de arquivos estilo Manus, gates de verificação, recuperação após sequências de falhas e um painel web interativo.

Espaço de trabalho de mídia e visão para o DeepSeek Harness: geração de imagem, vídeo e fala, perguntas e respostas sobre imagens e localização de elementos, OCR de imagens longas, diff de pixels, verificação por captura de tela de HTML e sumarização de vídeo, com provedores DashScope e compatíveis com a OpenAI, pools de modelos e um cliente de bancada.