Plugins

Ledger de razonamiento verificable por máquina: cada hecho debe apuntar a un file:line real y citarse literalmente; cada supuesto debe indicar cómo refutarlo, y ninguna conclusión puede depender de un supuesto que nunca vuelva a revisión. Puede incluir fecha de revisión, confianza y condición de descarte. Incluye checker, familia de comandos /fp, barrera opcional que pregunta antes de comandos shell irreversibles y panel web con los códigos de error corregidos en cada ronda.

Coordina tareas PUA y Completion Guard desde /task-run o una CLI. Para finalizar exige criterios de aceptación congelados y un certificado actual de candidate/Goal; limita a 8 rondas y 90 minutos. Verificado en macOS Desktop 0.2.0-rc.2. Desde 0.3.7 incluye PUA 0.3.27, Completion Guard 0.9.0 y SpecWorkflow 0.1.1; solo hace falta instalar Task Runner.

Mantiene activa una sesión desatendida de DeepSeek Harness cuando nadie responde a ask_user_question: gestiona el flujo de opciones y no altera las respuestas humanas. Tras un plazo configurable (120 s por defecto), envía la opción marcada (Recommended)/（推荐） o el fallback primero/último configurado. Las revisiones de plan siguen correspondiendo a una persona salvo que se habiliten explícitamente.

Solo Windows: añade en Settings → General un interruptor para apagar el equipo al terminar una conversación finalizada (60 s por defecto, configurable entre 5 y 86400 s). Un diálogo nativo con cuenta atrás permite cancelar el apagado pendiente con un clic (shutdown /a).

Muestra cuánto ocupa cada skill en el contexto del modelo y permite ocultarla del catálogo sin borrarla. Lista todas las skills del disco con la línea exacta del catálogo recibido por el modelo (description normalizada y truncada al límite), tamaño del cuerpo y tokens estimados. Previsualiza byte por byte el mensaje del catálogo tal como lo recibe el agente, lo compara con la copia publicada en la sesión y detecta skills que no llegan al catálogo por frontmatter inválido o shadowing de una raíz prioritaria. Ocultar escribe disable-model-invocation en frontmatter y conserva el archivo, por lo que sigue funcionando mediante `/name`. También importa de ClawHub, Skills.sh y URLs GitHub y desinstala las skills propiedad del usuario.

Bundle de investigación de inversiones: 10 herramientas (búsqueda, descarga de páginas, auditoría de fuentes, verificación de afirmaciones, rigor numérico, salud de canales, workflow loader, chart engine, PDF renderer y PDF gate) y 23 skills adaptadas de ai-berkshire. Un flujo de seis fases usa cuatro agentes paralelos (Duan Yongping, Buffett, Munger y Li Lu) para investigar una empresa, someterse a crítica mutua y entregar un PDF con gráficos, portada, tablas, pies y números de página. Requiere Python 3.10+; las herramientas de gráficos y PDF también necesitan python-docx y matplotlib.

Verifica antes de publicar la geometría: píxeles, ratio, dpi, tamaño/formato, ancho de impresión y modo de color. No revisa contenido (QR, texto/imagen, copyright, prohibidos). Python estándar, sin terceros; no modifica entradas. Python 3.8+. 10 plataformas/20 espacios, confianza por plataforma: WeChat MP, Xiaohongshu, Bilibili, Zhihu, Weibo, Douyin, WeChat Channels, revistas, impresión, entrega a clientes. Identifica por ID/nombre chino/alias (fuzzy). Se activa a petición o tras guardar archivo si se indicó destino; una línea si pasa, detalles solo si falla. Revistas/impresión: calcula ancho real (píxeles/dpi) y detecta impresión pequeña aunque el metadata dpi pase. Varias imágenes: comprueba consistencia e identifica la anómala.

Listas de comprobación de ingeniería basadas en Fundamentals of Vehicle Dynamics de Gillespie: 164 fichas para los 10 capítulos, accesibles desde una skill con enrutamiento de dos niveles. Cada ficha indica entradas de cálculo, procedimiento, condiciones límite donde deja de ser válido el método y página de referencia; la explicación permanece en el libro. No reproduce pasajes: documenta 44 defectos de la fuente (erratas, daños OCR y contradicciones internas), cada uno con ID de lista de revisión. Es una ayuda de estudio, no sustituye al libro.

Base DocChain: busca por nombre de archivo, contenido y metadata; consulta por doc_id/nombre y lee; lista temas; carga en lote; convierte a Markdown; busca imágenes similares y guarda descripciones por documento en sidecar Markdown; deep research. Cada función script es también herramienta DSH nativa in-process: doc search/content search/filename search/topic info/metadata search/upload/image search/image describe/doc2markdown. Ajustes para varios entornos (dirección y credencial por entorno), cambio con un clic y temas preseleccionados. Requiere URL de servicio docchain y API key salvo doc2markdown. Las descripciones requieren además endpoint multimodal compatible con OpenAI (modelo gateway interno configurable por defecto).

Revisión de textos destinados a personas. Las herramientas write y edit requieren la marca human_facing; el plugin revisa en segundo plano el texto según reglas PROSE.md por capas, prepara anotaciones, las compara con el archivo completo y las incorpora mediante /humanize, /humanize-loop o post-compaction mientras la sesión principal sigue trabajando. /humanize-review procesa bajo demanda archivos seguidos por git.

Gestiona un blog de GitHub Pages desde un panel DSH: explora artículos Markdown por tag, edítalos en un editor dividido con formulario front matter y publica los cambios como un único commit mediante GitHub REST API.

Salida de voz GPT-SoVITS para DSH: herramienta speak y comando /voice, botón de altavoz para leer cada respuesta y pestaña de ajustes para cambiar voces, ajustar síntesis, gestionar el servicio local e instalar un paquete de voz con un clic. Solo Windows; requiere un checkout local GPT-SoVITS con pesos entrenados y su entorno Python.

Voz bidireccional para la app web DSH: dicta con el compositor unificado y escucha las respuestas con botones de altavoz o lectura automática, desde cualquier dispositivo. Requiere DSH 0.1.7+, Node 22+, Python 3 con numpy y requests, un modelo TTS y micrófono.

Notas de reunión para dsh: una reunión por conversación, transcrita y separada por hablante en el propio equipo, con puntos clave, asignaciones, notas manuscritas, revisiones y puntuaciones mensuales en el mismo panel. Exporta SRT/Markdown/Word y crea un zip portable que otro dsh puede importar. Las asignaciones confirmadas se envían a DingTalk/WeCom con un clic según la configuración del robot. Los modelos de reconocimiento se pueden cambiar e importar desde archivo; el reconocimiento cloud está desactivado por defecto y no se solicita sin consentimiento. Word requiere Python y python-docx; la primera ejecución descarga un modelo (28 o 77 MB).

Requiere macOS y AirPods con seguimiento de cabeza. Responde a solicitudes de permiso y preguntas de DSH con gestos: asentir permite o confirma; negar con la cabeza rechaza o cambia la opción seleccionada. Instala la app complementaria de la barra de menús macOS desde una tarjeta de la sesión.

Solo Windows x64; preview 0.5.4 compatible con DSH 0.2.0-rc.2–0.2.1.x. Dos herramientas de alcance limitado (dragon_browser/dragon_desktop) controlan el navegador visible por DOM/CDP y las apps Windows por UI Automation. Define lectura/control por origin y executable, pasos en lote, parada de emergencia con Esc físico y registro de acciones con datos sensibles ocultos. Si otra ventana toma el primer plano, aborta para no escribir donde no debe. Incluye lanzador Edge/Chrome y cliente CDP propios; no requiere otro plugin de navegador ni Electron. No es un sandbox del SO: el usuario conserva el control de inicios de sesión, ventanas admin y escritorios seguros.

Instala la skill codex-cua para que DeepSeek Harness use Codex computer use: controla Chrome y apps nativas de macOS mediante el runtime incluido con la app de escritorio ChatGPT/Codex. Incluye un cliente de sesión persistente y un autodiagnóstico doctor. Requiere la app ChatGPT/Codex con extensión Chrome, Python 3.9+ y macOS.

Registra `workpaper_gate` en DeepSeek Harness para auditar que un conjunto workpaper esté completo, tanto en el diseño o plantilla objetivo como en la estructura instancia frente a plantilla. La lista de reglas, plantillas y tablas principales se configura en un único spec file. Los hallazgos son blocker, warning o info; solo lee los workpapers y nunca los modifica. Requiere Python con openpyxl.

Registra una herramienta `valuation_service` que lee un árbol workpaper con JSON 01/02/04 y devuelve un schema unificado: seis grupos de ratios, ratios previstos, campos de entrada DCF con marcadores explícitos de ausencia, PS/PE comparables e IRR. Es determinista y local: si faltan WACC, crecimiento, capex, D&A o capital circulante, los deja vacíos en vez de inventarlos y señala diferencias entre supuestos para revisión.

Registra una herramienta `context_extract` en DeepSeek Harness. Comprime documentos largos (informes financieros, contratos, libros contables) en Markdown estructurado denso y JSON con métricas clave, tablas, cláusulas numeradas, entidades y alertas de comprobación cruzada, para que el flujo posterior no relea el original. Detecta y trata de forma distinta estados financieros, contratos legales y libros empresariales; concilia balance y efectivo, y señala discrepancias como alertas en vez de corregirlas silenciosamente. Solo lectura, nunca modifica el archivo fuente. Requiere Python con openpyxl y python-docx.

Permite que el agente controle Windows visualmente: Windows OCR convierte el texto en pantalla en objetivos clicables; después hace clic, arrastra, desplaza, escribe y pulsa teclas. Verifica cada acción con diferencias por píxel y cambios de texto OCR. F6+F7 es una parada de emergencia independiente.

Registro de entregables para DeepSeek Harness: los agentes registran artefactos finales (reports, pages, documents, sheets, images, datasets) en una sección de ajustes y una página de gestión. Guarda solo rutas, nunca copias, y permite borrar con recuperación. Una CLI independiente (add/list/stats/check/remove/restore) lee y audita el mismo registro fuera de la app.

Combina tools, skills y servidores MCP en conjuntos conmutables por sesión para reducir cuando se necesite las herramientas residentes y el system prompt.

Requiere tener Claude Code instalado e iniciado en esta máquina. Delega tareas de programación al agente Claude Code local mediante Claude Agent SDK, informa de los archivos modificados, permite revertir con un comando y añade un interruptor Claude Mode al compositor.