Plugins

Session-header task capsule with color-coded run states, click-to-jump and a multi-task dropdown, plus task notification cards (done / error / waiting-for-confirmation) with synthesized sound and optional system notifications.

Dynamically trusts every Host header that actually arrives and flips the default web binding to 0.0.0.0: wildcard or unenumerable entry domains work without editing the start command, the authentication layer is untouched, and hosts are evicted by LRU beyond a capacity cap.

Turn event notifications: six event classes (completed, error, interrupted, approval requested, AI question, limit reached) delivered via sound, system notification, in-page banner, webhook, IM and host desktop-notification channels; when several browser windows are open, only one rings.

Ejecuta un debate tesis-antítesis-sello cuyo veredicto se calcula a partir de códigos de salida reales de comandos y recuentos de casos, nunca de la prosa del agente.

Per-project memory for DeepSeek Harness. Three Markdown files per workspace — PROJECT.md, DECISIONS.md and SESSIONS.md — are auto-created on the first step of any session in that workspace, re-read from disk and re-injected only when they change (and re-injected if compaction dropped them), and written back by classification through a memory_checkpoint tool, with a bounded end-of-turn nudge when a turn did work but recorded nothing. memory_read and memory_search read the live log and the archive, the latter over a zero-dependency BM25 index. The session log is capped at 200 entries with the overflow moved to SESSIONS-archive.md — never injected, but visible, readable and searchable, and restorable one entry at a time. Settings page: a workspace list with a path filter, read-only tabs for the three memory files plus the archive, reload, export/import of one workspace's memory as a JSON bundle, a two-step clear, a panel that rewrites or removes the AGENTS.md instruction block, and a PROJECT.md staleness reminder. A composer status chip shows that workspace's sync state and creates the files on click. Zero dependencies — no vector store, no embeddings, and no model calls.

Same-origin in mechanism with the two loudest lines in context compression. The code-skeleton gate follows the skeletonization approach of Headroom (Apache-2.0), whose published headline is 20% fewer tokens for coding agents and 60–95% fewer tokens for JSON, same answers. The estimator channel follows TokenPilot (arXiv:2606.17016), which reports up to 60% lower cost for long-session agents. Both figures are theirs, quoted as-is; this plugin ships no benchmark of its own and claims no reduction of its own. What it adds for DeepSeek Harness: choose a compression profile, set the Auto Compact trigger level and toggle code-skeleton compression from one settings section, with exact DeepSeek V4 tokenizer measurement, same-revision count verification, and fail-open behaviour that keeps the original tool results on unsupported models.

Convierte una sesión de DSH en un navegador normal en el cliente ligero WhaleHarbor: una ventana independiente de navegador --app con una barra superior al estilo del cliente y notificaciones de tareas, mientras el instalador completo de escritorio se descarga en segundo plano (multifuente, verificado con SHA-256) y aparece un aviso de instalación cuando está listo.

Proxies the loopback-only dsh web onto a LAN port so phones and other machines can reach it, with an optional access password that browsers type in and the bundled Android client unlocks with biometrics. Adds a LAN-access settings page with QR codes, inlines dsh-web-mobile (MIT, attribution kept) for the mobile layout, and the Android client in the same repository adds finish/approval notifications, voice input and a home-screen widget.

Adds a restart row to Settings → General that relaunches dsh web with the same invocation through a detached helper, refuses under a detected systemd supervisor unless allowRestart is true, and tests whether the listening port is free by connecting to it rather than binding it.

Muestra una notificación del sistema cuando DSH necesita una respuesta humana o cuando termina una ronda de conversación. Plugin cliente de dsh estándar e instalable.

Comunicación entre sesiones en proceso, creación de sesiones pares y pizarra compartida para DeepSeek Harness.

Panel de ajustes no oficial de DeepSeek Harness para Command Code: créditos, ventanas de uso y sincronización del catálogo de modelos.

Herramientas nativas de Windows para agentes DSH: lectura y escritura del portapapeles, notificaciones del sistema, inspección del archivo hosts y diagnósticos de red, cada una devolviendo datos estructurados con tarjetas de interfaz desde PowerShell a prueba de inyecciones.

Reversión de conversación estilo TRAE: los puntos de control por turno (ventana deslizante de 10 turnos) revierten los archivos tocados y truncan el contexto del modelo in situ, manteniendo el mismo session id. Sólo iniciada por humanos: un comando /rollback o un botón Web por turno (funciona también en turnos interrumpidos), con una vista previa que lista cada archivo afectado y su acción: restaurar, recuperar, eliminar u omitir.

Team cost captain: meters every model call (subagents included), attributes each call to a member by workspace rules, prices it with the built-in DeepSeek 2026-09 catalog (peak/off-peak, CNY/USD) or user overrides, and appends it to a local JSONL ledger. Adds hot-reloadable member budgets, 80%/100% webhook alerts, optional over-budget enforcement, a team_cost_report tool with CSV export, and a settings-page team dashboard served over a Typert RPC service.

Precios de modelos en la página de ajustes de DSH: ~7.250 modelos / 213 proveedores con el catálogo del harness superpuesto, comparación honesta del precio más bajo listado, costes de sesión según la ruta real, atribución de fugas de caché y un canal de promociones verificado.

Plugin web de DSH: un botón de código QR en el pie de la barra lateral que permite a un teléfono escanear y reemitir la URL de inicio autenticada del navegador actual, reutilizando el mismo intercambio ?token que acaba de completar el escritorio.

Notificaciones de tareas por tres canales: toasts en la página con campanillas, banners del sistema operativo del navegador y toasts del SO directos del host que siguen funcionando con el navegador cerrado, además de un panel de campana con historial persistente.

Adobe Lightroom Classic como herramientas dsh nativas a través del servidor MCP lightroom-py: lee el catálogo, aplica ajustes de revelado y presets, exporta JPEG/TIFF/PSD/DNG y escribe valoraciones, etiquetas, palabras clave e IPTC: 15 herramientas que controlan el Lightroom Classic instalado en la máquina local, sin comunicación con la nube; el paquete Python está en PyPI y el plugin de Lightroom se instala con un comando.

Fija cada petición al nivel nativo de máximo esfuerzo y añade un panel de profundidad de razonamiento por modelo/modo con un slider de capacidad de 0 a 20, perfiles Velocity/Apex aislados y cajas de herramientas de razonamiento offline. Se distribuye como build ofuscado; uso comercial permitido, ingeniería inversa cerrada.

Guarda de limpieza irreversible de secretos: reescribe claves de acceso, tokens de portador y bloques de clave privada como marcadores `[REDACTED:<category>]` antes de que lleguen al registro de sesión y al modelo.

Notificaciones multicanal para DeepSeek Harness: registra una herramienta send_notification y una página de ajustes que distribuye hacia NotifyX, webhook de app de WeCom, robot de grupo de WeCom, correo (Resend), SMTP, DingTalk y robot de Feishu; además notificaciones del navegador y aviso automático al completar tareas y en eventos de bloqueo.

Verificación de informes completos para informes científicos: comprobaciones por afirmación frente a Crossref, PubMed (escaneo de retractaciones), ClinicalTrials.gov, UniProtKB, GEO/SRA y PatentsView, accesibilidad de URL y coincidencia de títulos, significado afirmación-frente-a-fuente a temperatura 0, y un libro de auditoría durable y reiniciable con un informe anotado.

Agent a nivel de proyecto autoevolutivo para DeepSeek Harness: 16 habilidades de flujo de trabajo SDD (aclaración, PRD, incidencia, codificación, localización, aceptación, revisión) además de memoria y conocimiento de proyecto que se acumulan con el tiempo.