Plugins

Conecta las skills y la configuración de Pi Agent con DeepSeek Harness

Un orquestador de tareas multi-proveedor y panel compatible con Symphony para DeepSeek Harness

Un plugin de meta-agente nativo del modelo para DeepSeek Harness: el modelo sintetiza en tiempo de ejecución flujos de trabajo específicos para cada tarea a partir de cinco patrones de flujo agentivo (encadenamiento de prompts, workers paralelos, router, supervisor, bucle de evaluación) y coordina herramientas y subagent

Extensión de asistente de aprendizaje para DeepSeek Harness (dsh): tutoría DeepTutor para tu agente — explicaciones detalladas, preguntas de autoevaluación, rutas de aprendizaje, búsqueda en una base de conocimiento personal (RAG) y archivado de notas (prioriza HTTP/WS con alternativa CLI; se adapta automáticamente a local/r

Observabilidad de Langfuse para DeepSeek Harness: exporta los registros de sesión como trazas de OpenTelemetry (convenciones semánticas de GenAI) al endpoint OTLP de Langfuse

Capa de compatibilidad con Claude Code para DeepSeek Harness: carga skills/comandos/agentes de .claude e instala plugins de los marketplaces de Claude Code como skills nativas de dsh.

Generación de PPTX estable y editable para agentes de IA: entra una representación intermedia semántica, sale DrawingML nativo

Banco de trabajo de escritorio autoeditable para DeepSeek Harness: una réplica completa de dsh web con un modo de edición en el que el agente modifica el propio banco de trabajo (capas de parches, plugins, UI) con recarga en caliente.

Revisión interactiva nativa de diffs de Git para DeepSeek Harness, con anotaciones estructuradas enviadas de vuelta a la sesión actual del agente.

Gestión del presupuesto de tokens del árbol de agentes.

Analiza skills y configuraciones MCP en busca de inyección de prompts, homóglifos, Unicode oculto, comandos de shell peligrosos y fugas de credenciales.

Herramientas de solo lectura de información de dispositivos Windows: una herramienta de agente por cada categoría de dispositivo Win32 (hora, sistema, cpu, memoria, disco, gpu, red, batería, procesos, usb, audio, impresoras) vía colectores WMI/CIM y del módulo os de Node.

Anulaciones por llamada de modelo, proveedor, persona y toolFilter para la delegación en subagentes, con referencias @preset: e identificadores compuestos de proveedor/modelo.

Descubrimiento de herramientas bajo demanda por agente y divulgación progresiva de esquemas.

Proyecta archivos .pack.json/.pack.zip en .agent-pack/modpacks/ y expone skills mediante una lista de permitidos del espacio de trabajo.

Trae tu biblioteca existente de Agent Skills (SKILL.md) a DSH: descubre skills en las rutas de Claude/Codex/Cursor/Gemini, inyecta un índice de divulgación progresiva y carga los contenidos bajo demanda.

Escáner local respetuoso con la privacidad para metadatos de sesión/flujo de trabajo de Codex, Claude Code, WorkBuddy y CodeBuddy; conserva evidencia agregada y recomienda preajustes de agente integrados en DSH sin retener contenido, sin usar la red y sin modificar los preajustes.

Memoria entre sesiones con alcance de proyecto: se inyecta una instantánea de PROJECT.md en el primer mensaje del usuario, incluye una herramienta memory_remember y autorreflexión tras las tareas ReAct; cada proyecto mantiene su propio archivo de memoria.

Memoria con citas sobre el registro de sesión sin pérdidas de DSH: los hechos destilados incluyen citas `(sessionId, eventRange)` que se expanden hasta el fragmento exacto del registro original.

Deep-collaboration writing agent for DSH: per-user writing-style learning from edit pairs, clarify→outline→section-writing→red-team→reader-gallery flow, project-to-report synthesis (lab report / product intro / survey / README), 41 MCP tools, and web selection-improve UI with in-app file preview.

Drive Origin scientific plotting from DeepSeek Harness AI chat via MCP: write data, plot line/scatter/column, export PNG/SVG.

Falsification-driven correction loop for agent sessions: risky work commits an evidence-checkable claim first, deterministic gates verify it, falsified claims force mutually exclusive replacement hypotheses with discriminating experiments, and every event lands in an append-only evidence ledger.

Pre-flight plugin-library check for DSH agents: task-type requests trigger a Top-K hint of suitable plugins with use_when/not_for capability declarations, making plugin usage predictable instead of opportunistic.

Per-file-type multimodal chains: preset processing models per wildcard convert image/video/audio files into prompt tokens before they reach the text-only session model, with per-preset fallback chains and a Multimodal settings page.