Plugins

Compresión determinista de contexto para dsh: cero llamadas al LLM, poda basada en reglas que preserva rutas, comandos, trazas de error y tareas pendientes textualmente. Comprime ~80k tokens a unos pocos cientos.

Reino de gobernanza de agentes para DeepSeek Harness: territorios, vinculaciones de roles (bind/unbind/session con identidad de modelo/agente), y un bucle de tareas planificar→asignar→ejecutar→revisar donde las declaraciones del Worker nunca se autocompletan (Claim ≠ Fact), con una consola de operaciones GUI local.

Enruta los comandos de shell elegibles a través de rtk para comprimir la salida de herramientas y ahorrar tokens.

Espacio de trabajo visual de comercio electrónico de lienzo infinito para fotografía de productos, prueba virtual, edición de fondos y vídeo, sincronizado en tiempo real con la conversación de Harness.

Tienda de plugins para la Web UI de DSH: exploración del catálogo, búsqueda, instalación con un clic, insignias de compatibilidad y lista de instalados.

Es solo un conector: no dibuja nada por sí mismo. Se suscribe a los eventos de sesión de DeepSeek Harness, los convierte en 12 estados de trabajo (planning / thinking / executing-tool / streaming / waiting-input / voice / awaiting-approval / complete / error / paused / idle / heartbeat) y envía cada estado mediante POST al backend de la mascota de escritorio en http://127.0.0.1:8000/api/plugin/dsh/ingest. No tiene ventana ni requiere clave de API o token. Hay que instalar y ejecutar por separado la aplicación Mao Live2D para mascotas (una app Electron para Windows que requiere PowerShell 7 / Python 3.10+ / Node 18+). Sin ella no hay destino al que enviar los datos.

Composición de perfiles de memoria: búsqueda de sesiones en chino, recuperación híbrida, datos persistentes del espacio de trabajo, reglas fijadas por el usuario y skills nativas reutilizables. Instala la versión independiente del bundle Release con un comando dsh plugin add. Requiere Node.js 24 y pnpm en PATH.

Preset de escritura de novelas web para DeepSeek Harness. El agente principal actúa como editor jefe y delega esquemas, borradores, revisión, continuidad y documentación a cinco asistentes en un flujo de siete fases. Mantiene la novela en un directorio novel/ estructurado con Markdown/YAML (fichas de personajes, máquina de estados de los presagios, cronología y memoria narrativa), además de un panel creativo en la barra lateral y seis comandos CLI sin dependencias.

Administrador de modos personalizados y asistentes. En Settings se define un prompt de sistema por modo y se guarda como un archivo normal que el agent loop vuelve a leer antes de cada paso del modelo, por lo que los cambios llegan al siguiente paso de las sesiones activas. Se puede partir de la composición oficial standard/PTC/minimal/Cordis, activar o desactivar una por una las filas de plugins que monta cada modo y asignarle un nombre. Así conviven en un mismo equipo asistentes con prompts propios —para programar, conversar o interpretar un personaje de roleplay (RP)—, seleccionables al iniciar cada sesión nueva. Las filas sin cambios permanecen idénticas byte por byte a las distribuidas, incluidas las condiciones de plataforma.

Una pasarela de enrutamiento de IA que se ejecuta como un plugin DSH. Añade un panel lateral Routing System para proveedores, pool de cuentas, combinaciones de respaldo y claves API, y expone un endpoint compatible con OpenAI en http://localhost:3080/v1.

Marketplace de plugins comunitarios para DeepSeek Harness, conforme a la especificación oficial de plugins: explora, busca e instala más de 4000 plugins comunitarios seleccionados manualmente sin salir de la app, con actualizaciones diarias.

Analiza el uso entre modelos, proveedores, espacios y periodos, con fechas personalizadas sobre todo el historial, cache-hit visible y desgloses por modelo y proveedor. Incluye tendencias horarias/diarias, mapa de calor de 53 semanas estilo GitHub, rachas, anillos de tokens por modelo y espacio (tokens, coste, %), filtros combinables, eficiencia de caché, saldo DeepSeek, alias de espacios, exportación CSV, y un libro mayor duradero que conserva el uso tras eliminar la sesión o el espacio (fila Deleted) y se reconstruye de forma incremental. El registro de espacios se refresca vía sonda DSH domain/changed; solo se cuentan espacios registrados. Contabilidad separada de entrada, caché y razonamiento. Chino: hora local; inglés: UTC; API solo loopback.

Mascota de escritorio Live2D para DSH: lámpara de estado de IA de 8 estados, widget web y una ventana de mascota transparente en Electron siempre visible, con expresiones, movimientos y burbujas de chat.

Compactación de contexto protegida para DeepSeek Harness (dsh): la LLM propone, los guardianes deterministic deciden — reducción eager por átomo (extract/summary/false bajo guardianes verbatim) + eviction diferida del reference-graph (0-LLM) + recall byte-exacto desde un log append-only.

Acompañante animado de escritorio para DeepSeek Harness, con avisos de tareas, chat de sesión, paquetes de personajes y ajustes nativos.

Sustituye el compositor del chat por un panel de edición basado en CodeMirror 6, con números de línea, vista dividida de edición y vista previa Markdown, ventana flotante y pestaña lateral de altura completa; solo hay una superficie de entrada a la vez. Los borradores usan la máquina de entrada oficial. El botón de voz oficial aparece si lo proporciona el host, y las estadísticas y el medidor de contexto leen los mismos datos que el dock oficial.

Instala a Herta como agente de DeepSeek Harness: un preset que incluye secciones de prompt de su persona y memoria, seis herramientas de memoria y voz, una capa narrativa que separa lo que piensa de lo que dice, 80 clips de voz incluidos, síntesis de voz offline y MiniMax, y dos vistas de conversación que representan la sesión con sus propios componentes.

Añade /review, /review-status y /review-cancel para lanzar un subagente nativo independiente que inspecciona un ámbito Git elegido (rama base, cambios sin confirmar, un commit o instrucciones personalizadas) y devuelve un informe de hallazgos en la conversación actual, con salida en inglés o chino según la configuración regional del host.

Prosa concisa para DeepSeek Harness: comprime la salida del agente para que cada respuesta consuma menos tokens (capa 4). Cambia el estilo, nunca el contenido.

Control por ronda del nivel de pensamiento (reasoning_effort) para DeepSeek Harness: Auto programa low/high/max según el historial reciente de tool calls, o permite fijar manualmente un wire level (off/on/minimal/low/medium/high/xhigh/max), con mapeo wire personalizado, guard de capacidades por modelo y presets de ventana de contexto (64K–1M); su capability card se combina con [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (instalable desde dsh-market) para probar reasoning en gateways compatibles con OpenAI (vLLM / LM Studio / autoalojados). La card escribe capacidades llm-pi-ai, el adapter conduce el wire (compat.thinkingFormat) y el plugin mantiene la lista de takeover.

Notificaciones de sonido por evento: finalización de turno, aprobación, pregunta, revisión de plan, objetivo bloqueado y fallo de tarea cada uno tiene su propio sonido y volumen, configurable en la UI web (sintetizador integrado, mudo, o archivo de audio local).

Herramienta de shell Git Bash para Windows: ejecuta comandos a través del bash incluido con Git for Windows, con tiempo de espera, sandbox, truncamiento de salida y trabajos en segundo plano, reemplazando la lenta herramienta pwsh y la herramienta bash exclusiva de WSL.

Preset modo experto DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordinador jefe + 17 subagentes con delegación automática. Funciones: taskboard (estados pending/ready/running/done/failed, DAG dependencias, reclamación atómica, reintento, recuperación), puertas calidad (pipeline 5 etapas: requisitos, implementación, verificación, revisión, integración; 2 reelaboraciones), Five-Anchor (revisión/convergencia/anti-deriva/colaboración/recursos), Near-distance (plantilla identidad/tarea/salida), divulgación progresiva (~28% ahorro tokens), persistencia, bus P2P, revisión cruzada, pool experiencia, vía rápida, auto-reintento. 17 expertos: datos, redacción, legal, PM, frontend, UI/UX, arquitecto, social, growth, fin. cuant., backend, DevOps, BD, QA, seguridad.

Reproduce sesiones en una línea temporal reproducible con uso de tokens por paso, audita operaciones sensibles, estima costes, visualiza linaje de bifurcaciones, compara sesiones y exporta repeticiones HTML autónomas.