Plugins

Skin CSS que cambia el control de nivel de razonamiento de hytime/dsh-thinking-effort a una píldora azul-violeta con campo estelar y brillo deslizante, en paletas claras y oscuras. Requiere instalar ese plugin y no añade UI propia.

Sustituye el selector de modelo del chat por una lista plegable agrupada por proveedor; integra los proveedores espejo de vision-bridge bajo su proveedor upstream y conserva las opciones reasoning-effort declaradas en los ajustes de cada modelo. Probado solo en DSH Desktop; la versión web de DSH no está probada.

Requiere DSH >= 0.2.0-rc.2 y < 0.3.0. Declara cualquier cantidad de proveedores LLM, cada uno con endpoint, credencial y parámetros por modelo (vocabulario de reasoning-effort, entrada de imágenes y política de reintentos), en los formatos OpenAI Chat, OpenAI Responses, Anthropic Messages y Google Gemini. Se configura desde una página de ajustes.

Selector de modelo y esfuerzo de razonamiento estilo Codex para DeepSeek Harness, con niveles anunciados por el modelo, temas nativos de DSH, efectos radiales recortados a la izquierda y guía copiable para declarar el esfuerzo en proveedores personalizados.

Paquete ZenTao MCP para DeepSeek Harness: flujos de tareas y bugs, informes y registro formal de esfuerzo verificado.

Comando `/reasoning` al estilo Codex para DeepSeek Harness Web: selecciona desde el menú slash el esfuerzo de razonamiento del modelo actual.

Gestiona e invoca CLI de Agent externos en DSH, totalmente aislados de las instalaciones nativas del usuario. Permite configurar Provider, modelo, esfuerzo de razonamiento y permisos para cada CLI, y llamarlos directamente o como subagents nativos.

Un control minimalista del esfuerzo de razonamiento para el composer de DSH: línea fina, marcador deslizante, memoria por modelo, cambio optimista y selector de modelos simplificado.

Declara niveles de esfuerzo de razonamiento por modelo para proveedores externos en la sección de ajustes llm-pi-ai, para que el selector estándar de intensidad de pensamiento DSH funcione en modelos no descritos por el catálogo pi-ai.

Selector de modelos de sesión con búsqueda en dos fases: primero coincidencia flexible por subcadena normalizada y luego por subsecuencia (glm53 encuentra GLM-5.3 y ds, DeepSeek). Fija primero los proveedores con llamadas recientes exitosas y recuerda el último nivel de razonamiento elegido explícitamente para cada modelo.

Añade en Models campos por ruta para la ventana de contexto y el umbral de compactación, y un selector de esfuerzo de razonamiento según el proveedor en el compositor. Escribe en capacities, reasoningEfforts y una fila de parche compaction-basic de llm-pi-ai.

Plugin DSH (DeepSeek Harness): configura el nivel de razonamiento predeterminado (reasoningEffort) para cada modelo LLM y lo completa automáticamente según las reglas de enrutamiento antes de que la solicitud entre en la cadena de llamadas inferior.

Ajusta automáticamente el esfuerzo de razonamiento del modelo por tarea (off/low/high/max): clasifica tareas, usa marcadores [effort=...], escala errores durante el turno, limita durante las horas pico de DeepSeek con avisos de cuenta atrás y da prioridad a la selección manual.

Mantiene perfiles reutilizables y con nombre para subagentes de DeepSeek Harness y los ejecuta con modelo, nivel de razonamiento y preset de agente por perfil.

Plugin DSH para configurar el tipo de entrada (input) y los modos de razonamiento (reasoningEfforts) de modelos personalizados.

Centro de compactación por niveles: sustituye el umbral único del 80% por una escala configurable (30/50/70/90 por defecto), que aumenta desde una consolidación suave hasta la máxima. Incorpora un índice determinista de palabras clave en cada checkpoint para acumular hechos entre ciclos. Resume mediante una cadena de modelos: principal y hasta 3 alternativas, cada una con esfuerzo de razonamiento propio. Añade una pestaña Compaction y una tarjeta de ajustes; al desactivarlo siempre restaura la compactación estándar.

Reemplaza la página oficial de ajustes Models con gestión del ciclo de vida de providers, niveles de razonamiento por modelo, excepciones de reintento, reordenamiento por arrastre y sincronización de modelos upstream.

Plugin DSH que detecta y configura automáticamente las capacidades del modelo (reasoningEfforts y modalidades de entrada) para llm-pi-ai. Sucesor de dsh-reasoning-efforts.

Selector de modelos con búsqueda para DeepSeek Harness (DSH) web: fork fiel del selector nativo (Model/Effort, lista agrupada por proveedor y esfuerzo de razonamiento), con búsqueda sobre la lista que filtra mientras escribes.

Configura el esfuerzo de razonamiento por modelo (off/minimal/low/medium/high/xhigh) para GPT, Codex, Gemini y modelos compatibles con OpenAI. Instala una herramienta auxiliar, no un adaptador runtime: en Windows, ejecuta `enable-capabilities.ps1` una vez por profile y reinicia; declara los niveles en `~/.dsh/settings.yaml`. Incluye script para desactivar y copia de seguridad para revertir.

Preset de delegación a subagents especialistas (orchestrator + 5 roles: oracle/designer/fixer/explorer/librarian) que se instala en DSH home. Delegación primero en segundo plano, modelos/esfuerzo/permisos de herramientas definidos por JSON y MCP limitado al ámbito de investigación.

Selector mejorado de modelos para DeepSeek Harness: selector de un nivel para modelo y esfuerzo de razonamiento, 5 niveles Liang, alias de modelo personalizados y cuenta atrás de precios punta/valle.

Configura las capacidades de entrada del modelo y el esfuerzo de razonamiento para DeepSeek Harness.

Plugin de favoritos de modelos DSH: fija los modelos favoritos, etiqueta el proveedor cuando hay modelos con el mismo nombre, añade botones separados para modelo y nivel de razonamiento y recuerda el esfuerzo por modelo.