Plugins

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.

Native DeepSeek Harness plugin: feeds every prompt into the local agent-feedback-loop capture pipeline and injects compiled recurrence rules back as context.

Contexto de red de conocimiento empresarial OpenBKN para DeepSeek Harness

Soporte de razonamiento DSV4.1 con contexto multimodal y aceptación acotada de artefactos para DeepSeek Harness

Panel de Git estilo IDE en la GUI web de DSH: una pestaña residente con una vista general de tres columnas (ramas/tags, historial de commits buscable, detalle del commit) y una página de cambios (barra de estadísticas, lista sin confirmar con stage/unstage/descarte por archivo, cuadro de commit con amend); los diffs en paralelo llevan resaltado de sintaxis diferido de highlight.js, expansión bajo demanda del contexto entre hunks y énfasis a nivel de palabra dentro de la línea, con los archivos de imagen mostrados como paneles antes/después; además un marcador de rama estilo zsh en la barra de entrada. Cada comando git se ejecuta como una matriz argv mediante el servicio de subprocesos del host, con el cwd fijado a la raíz del repositorio.

Select text in the DSH web UI to stream a translation and an explanation of what it means in that specific context, read against the conversation it came from; the panel keeps a replayable history and can be promoted into a full session.

Herramientas de lectura web para agentes solo texto. Cinco herramientas de solo lectura: web_fetch (cualquier URL renderizada como Markdown limpio o texto plano), web_links (inventario de los enlaces de una página), web_feed (entradas RSS 2.0 / Atom), web_headers (estado HTTP, cabeceras y cadena de redirecciones sin descargar el cuerpo, HEAD con fallback automático a GET) y web_table (tablas HTML extraídas como filas estructuradas con detección de cabeceras y expansión de rejilla colspan/rowspan). El transporte es Node fetch más un proxy HTTP sin dependencias (túnel CONNECT, URI absoluta, NO_PROXY con sufijo/comodín/CIDR IPv4, Proxy-Authorization). Cero dependencias en ejecución.

Puente universal de Model Context Protocol (MCP) para DeepSeek Harness: conecta agentes a servidores MCP stdio/sse/websocket con un motor de escala de 10k en reposo, búsqueda de herramientas BM25 en submilisegundos, presupuesto dinámico de tokens y un panel web en tiempo real.

Caret animado en modo cometa para el compositor web de DSH: un rastro luminoso se desliza a la posición del texto, con color de acento, grosor, rastro y parpadeo de inactividad de 500 ms configurables. Extiende la superficie a las entradas de tarjetas de pregunta y corrige la desaparición del caret en un compositor vacío o al primer foco, la selección por arrastre hacia delante que no sigue al puntero, los saltos de línea suaves medidos contra la línea anterior y el caret que se pinta fuera del compositor al desplazar entradas largas. Fork mantenido de Lacquervii/smooth-cursor.

Plugin de selección automática de nivel de razonamiento para DeepSeek Harness (DSH): el modelo Jev System One decide cuánto pensamiento merece cada mensaje, la escala se deriva de los niveles declarados por el modelo, un sobre de contexto permite que preguntas de seguimiento como «continúa» hereden la profundidad del tema, la baja confianza se redondea hacia arriba y cualquier fallo mantiene el nivel original. | Esfuerzo de razonamiento por mensaje impulsado por Jev: escalas por modelo derivadas de lo que cada modelo declara, sobre de contexto de tamaño fijo para que los seguimientos hereden la profundidad del tema, empates resueltos hacia arriba y fallback silencioso en todo error.

Puente de visión para rutas de DeepSeek solo texto que analiza imágenes adjuntas y locales mediante endpoints configurables de OpenAI Responses, Chat Completions o Anthropic Messages, dejando nativas las rutas con capacidad de imagen.

Preset de agente mínimo para Windows en DeepSeek Harness: persona de una línea fija, tres herramientas, sin contexto en tiempo de ejecución.

Eliminación por mensaje en DSH: quita un mensaje de usuario, un paso de respuesta o una respuesta completa del asistente del contexto derivado del modelo mediante el contrato oficial de reemplazo de superficie, y lo oculta del historial visible sin reescribir el log de solo anexado.

Activaciones proactivas a nivel de host para DeepSeek Harness: el modelo programa sus propias alarmas (una vez, intervalo o cron, con jitter opcional), las sesiones frías se despiertan puntualmente vía session resume, los seguimientos del modelo se limitan con horas de silencio y un presupuesto diario, y los turnos silenciosos terminan con proactive_reclaim y salen del contexto como lápidas. Los archivos de programación declarados sincronizan por glob sus JSON con las alarmas del host; min_idle_seconds aplaza las activaciones hasta que la sesión destino se calme, y un panel web gestiona alarmas e historial — el motor de latido para compañeros de IA y personajes de rol con rutinas propias.

Fusiona el contexto de otras sesiones en el turno actual: resolución de conflictos ponderada por evidencia, retractación de afirmaciones cuyas premisas fueron retractadas, etiquetado de confianza que resiste la inyección de prompts entre sesiones, y empaquetado acotado por presupuesto. Incluye un benchmark.

Envía cada prompt de dsh al pipeline local de memoria de feedback agent-feedback-loop: captura la insatisfacción, la revisa offline convirtiéndola en reflexiones y adjunta al turno el contexto compilado de reglas de recurrencia, sin bloquear nunca un prompt. Requiere el runtime de agent-feedback-loop; ejecutar después `agent-feedback-loop install` conecta automáticamente los perfiles de dsh existentes.

Muestra una sesión de DSH como un lienzo de conversación — cada turno es un nodo, cualquier turno bifurca una sesión hija real y un contexto compactado se pliega en un único nodo verde desde el que puedes seguir hablando; el riel izquierdo agrupa los lienzos por workspace de DSH y los renombra al mismo ritmo que los títulos de las sesiones.

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.

Base de conocimiento de equipo para compartir conocimiento sin conexión (escenario FDE box): puntos de entrada de navegación, búsqueda de texto completo y refinamiento; la materia prima se pone en cola automáticamente y se destila en páginas wiki mediante una sesión de bot en serie (patrón Karpathy LLM Wiki: materia prima inmutable, refinamiento en dos pasos, flujo de registros, lint mensual).

Ancla de instrucciones de sesión para DeepSeek Harness: el primer paso de una sesión nueva inyecta un bloque de instrucciones de libre composición como mensaje procedente del plugin, y se reancla tras una compactación con resumen, cada N turnos o cuando la presión de contexto medida cruza un umbral. Un comando /anchor reancla a petición sin llamada al modelo; una página de ajustes gestiona la biblioteca de presets paginada, el orden de inyección, la fuente de reanclaje y los límites de caracteres.

Integración de notas SiYuan (思源笔记): 17 herramientas host siyuan_* que cubren el listado de cuadernos y documentos, la búsqueda de texto completo, la consulta SQL, la lectura de documentos y bloques, la creación y el añadido de contenido, el movimiento y renombrado de documentos, las notas diarias y los atributos de bloque, además de una página de ajustes web para la URL de SiYuan, el token de API y los interruptores por herramienta.

Inteligencia de base de código multilingüe para IDE compatibles con MCP, la CLI y DeepSeek Harness: chat, búsqueda, auditoría, refactorización e informes listos para presentar a partir de código local.

Estilo de salida Concise de un clic para DeepSeek Harness: resultados primero, sin relleno, misma profundidad de trabajo. Cada respuesta final abre con una tarjeta de resumen en lenguaje claro (selecciona texto para copiar), acotada por sesión, funcionando también en headless/CLI, con comando /concise, sobrescrituras style.md y una API local. Los enlaces y rutas de archivo dentro de la tarjeta de resumen se muestran como chips clicables: las URLs abren, los archivos locales abren con la app predeterminada del SO (v0.9+). Un recordatorio de contrato pre-generación por paso (v0.11.2+) corrige de forma medible las omisiones en respuestas tipo auditoría/tabla.

Alcance MCP por workspace para DeepSeek Harness — decide qué servidores MCP puede ver una sesión según el directorio en el que se abrió.