Plugins

Declaración de capacidades por modelo para DeepSeek Harness: niveles de esfuerzo de razonamiento (grafías de protocolo) más modalidades de solicitud (visión) para proveedores compatibles con OpenAI. Sección de ajustes, sin dependencias del harness en runtime, sin YAML.

Puente HTTP de AIGC independiente del proveedor + lienzo infinito + posprocesado con ffmpeg; 13 herramientas, incluyendo conexión de nodos en el lienzo, reroll y edición de medios

Plugin de DeepSeek Harness que conecta las imágenes de la sesión con APIs de visión conectables, manteniendo a DeepSeek como el modelo principal.

Cadenas automáticas de respaldo de proveedor/modelo para agentes de DeepSeek Harness cuando las solicitudes al LLM siguen fallando (reintentos agotados, autenticación, cuota, límite de tasa)

Temas Solarized + Selenized para DeepSeek Harness: cuatro paletas fieles (Solarized Dark/Light, Selenized Dark/Light) registradas en el motor de temas de DSH, con una fila selectora en Ajustes, incluyendo los colores de sintaxis canónicos para los bloques de código en markdown

Superpowers (obra/superpowers) para DeepSeek Harness: las skills de metodología de desarrollo de software junto con su arranque de sesión, como plugin de dsh

Plugin bundle para dar un toque humano al texto en chino: un flujo de reescritura profunda obligatorio (auditoría narrativa de diez dimensiones + ruta funcional + distribución en 15 capas) más un guardián de fidelidad del contenido. Es una ayuda de edición, no un detector de IA.

11 skills de flujo de trabajo compartibles (handoff, triage, to-spec, to-tickets, wayfinder, teach, wait-what, dsh-mode-routing, ask-matt, overnight-execution, full-throttle) como paquete de skills instalable.

Auto ajedrez: humano contra IA, o IA contra IA.

El selector de modelos para DSH: apúntalo a cualquier endpoint compatible con OpenAI, con preajustes curados de proveedores de DeepSeek gratuitos/económicos y alternativa automática cuando un nivel gratuito te limita la tasa.

Disyuntor de dos niveles con conmutación por error: desactiva un modelo o todo un proveedor tras fallos repetidos de solicitud, y redirige la siguiente solicitud a una alternativa configurada.

SHOPLINE AI Toolkit: conecta con el servidor MCP oficial de SHOPLINE Developer e incluye siete skills de agente de SHOPLINE (Admin REST, GraphQL, OAuth, webhooks, Sline); el equivalente de SHOPLINE al Shopify AI Toolkit.

RAG de doble grafo de conocimiento para notas Markdown: grafos de prerrequisitos y de similitud (recorrido P/S-Agent), fragmentación por párrafos, búsqueda híbrida n-gram/embeddings y un bucle explícito de retroalimentación de pesos, todo vía MCP.

Kit de herramientas de medicina tradicional china: diagnóstico por los ocho principios y consulta de pares de hierbas.

Puertas de verificación con cómputo real: simplificación matemática, demostraciones lógicas, validación de regex, FOL con E-prover, comprobaciones de máquinas de estados y reparación de código, respaldadas por binarios compilados en Go con ejecutables de Windows precompilados.

Skill de coaching conductual para el TDAH: descomposición de tareas, gestión de la sobrecarga, rituales de inicio y recuperación tras fallos.

Validación de JSON Schema: validar/rutas/explicar/normalizar.

Prueba, extrae, reemplaza de forma segura y explica estáticamente expresiones regulares sin ejecutar código.

HeartFlow (心虫): una puerta discriminadora de capa 1 para AGI como plugin de DSH: comprobación de texto basada en reglas de 47 dimensiones (herramienta heartflow_check), más supervisión automática de la salida, con cierre seguro por defecto si falta el motor.

Puente de visión nativo del proveedor LLM: las imágenes pegadas en el chat son descritas por un modelo de visión (Qwen3-VL vía pi-ai/llama.cpp) y esa descripción de texto se envía a DeepSeek de solo texto para la respuesta; la admisión de imágenes, el enrutamiento y la compactación pasan por mecanismos nativos del harness, con una caché LRU de descripciones y reintento en 503.

Las imágenes adjuntas en el editor se transcriben a texto mediante un modelo de visión compatible con OpenAI antes de llegar a los modelos de DeepSeek de solo texto.

Memoria local acotada con control de autoridad CBDC: afirmaciones en SQLite + FTS5, recuperación con alcance y decisiones explicables de usar/verificar/ignorar, con registro de auditoría completo, comandos /memory, inyección de ≤3 afirmaciones/1200 caracteres por llamada, sin llamadas adicionales al modelo.

Cola de tareas entre sesiones con notas de traspaso: las sesiones y subagentes envían, reclaman, completan y cancelan tareas en una cola compartida respaldada por archivos, dejando un resumen de traspaso para quien la retome.