Plugins

Cuando el agent inspecciona con bash en vez de usar read, registra como observación la versión del objetivo de edición para evitar rechazos `FS_NOT_OBSERVED` de la política de observación del sistema de archivos. Solo para ediciones; los sobrescritos ciegos del archivo completo siguen protegidos.

Convierte localmente archivos Office y PDF del workspace DSH a Markdown antes de que el modelo los lea, sin red ni cuota de API. Escribe cada .md junto al original para que el contexto solo incluya una ruta. Para un archivo o directorio, devuelve bytes, líneas, estimación de tokens y esquema de encabezados.

Pipeline local de arte para DSH: controla las instalaciones locales de SD WebUI y ComfyUI mediante diez herramientas image_* y un panel Art Studio con lienzo ComfyUI integrado. Procesa después con el Python incluido en esas instalaciones (recorte rembg, ampliación Real-ESRGAN y mosaico continuo) y escribe recursos para Godot con rutas res:// tras definir la raíz del proyecto.

Inspecciona y ordena un Android real por adb: uso por app desde dumpsys diskstats sin root, limpieza de caché que conserva los datos de la app, medición de almacenamiento/directorios y capturas; cinco herramientas. Las lecturas no modifican nada; las escrituras requieren confirmación explícita.

Mejora del modo plan de DSH al estilo ZCode: herramienta enter_plan_mode iniciada por el modelo, interceptación estricta de herramientas de escritura en el despacho (ctx.tools.guard) mientras se planifica y sección de prompt en cuatro fases (explore, design, review, exit). Reutiliza la máquina de estados oficial plan/mode y el flujo de revisión de salida.

Memoria persistente en cuatro niveles escritos por el usuario (reglas obligatorias, ajustes de comportamiento, perfil y reglas opcionales), inyectados como una sección del prompt del sistema; además, conjunto temporal de trabajo (traspasos entre sesiones, objetivos por etapa y pendientes) con presupuesto propio de 1200 caracteres que deja de inyectarse al completarse. Los niveles persistentes son archivos Markdown que el usuario puede leer y editar; el agente solo los propone y no escribe hasta que el usuario los acepta en el panel chino. Las entradas temporales solo se escriben a petición explícita en <DSH_HOME>/temp-memory.json (creado en la primera escritura), no en el directorio de memoria. Sin captura automática, escrituras en segundo plano ni red.

Haz doble clic en tu mensaje para reescribirlo y continuar desde ahí en una rama nueva.

Añade «Forget» a cada sesión, con confirmación al segundo clic. La quita de la barra lateral y del disco, detiene el trabajo activo, desvincula por vías oficiales los registros de workspace/archive/pin y elimina el directorio de logs y la caché de proyección. Un guardián vuelve a borrar entradas recreadas. No toca otras memorias, adjuntos ni sesiones.

Conecta modelos gratuitos de OpenCode Zen a DSH: descubrimiento en tiempo real, activación individual y escritura de la configuración del proveedor con un clic. No requiere clave API.

Calcula el coste de cada turno según la tabla oficial, avisa al 80 % y detiene la tarea al 100 %. Guarda una instantánea de traspaso para que la siguiente sesión continúe.

Optimizador de prompts en la fila de herramientas del input del composer: elige categoría y plantilla y pulsa ✨ para reescribir el borrador en el sitio, con undo de un clic. Categorías Basic, Context e Image; permite cancelar y muestra tiempo y tokens. Incluye 15 plantillas para reescribir instrucciones, planificar pasos, enmarcar investigación de seguridad, crear roles para system prompts y prompts text-to-image/image-to-image. Las plantillas Context leen turnos recientes para resolver correferencias. Llama al servicio de modelos del host; Settings expone modelo y presupuestos. Un guard comprueba que sobrevivan las restricciones escritas por el usuario y avisa en vez de reintentar automáticamente. Adaptado a dsh 0.1.7 y 0.2.

Añade al composer un botón que reescribe el borrador no enviado como un prompt más claro y específico, con restauración en un clic, página de ajustes y override opcional de modelo por solicitud.

Conector Git para DeepSeek Harness: perfiles de repositorio guardados por nombre, operaciones en la copia de trabajo (clone/fetch/pull/push/commit) y herramientas API de Gitea/Forgejo/GitHub. Las claves van al centro de credenciales DSH; indicadores de seguridad por repo para TLS bypass, overwrite y force push.

Clústeres multiagente autoorganizados sin orquestador. Los subagentes DSH reales coordinan mediante un log compartido de solo anexado que cada uno lee y escribe a su ritmo; no hay topología y se envía una sola tarea por agente. En modo snapshot, el harness congela en el prompt la vista de cada vecino y guía la convergencia de clústeres ring/mesh/swarm.

Panel de skills para DSH Web: muestra como tarjetas los skills de directorios configurables y abre el SKILL.md completo. El interruptor ajusta disable-model-invocation y añade o quita del catálogo, para que el modelo cargue solo los activos. Reconoce carpetas WorkBuddy expert-team con avatar/tags/quick prompts/members y registra lead prompt como skill al activarlas. Directorios editables en el panel.

Lee y escribe Apple iCloud Calendar por CalDAV mediante cinco herramientas: listar calendarios, leer un periodo expandiendo eventos recurrentes, crear eventos y eliminar tras un dry run que exige confirmar el número exacto de objetos. Credenciales desde DPAPI, Keychain, libsecret o variable de entorno.

Optimizador de prompts de un clic: reescribe el borrador del compositor con una estrategia configurable, plantilla editable, ejemplos few-shot, modelos fijados y esfuerzo de razonamiento.

Revisión adversarial para DeepSeek Harness: presenta un plan ya acordado a expertos red-team de solo lectura por dimensión y divide sus hallazgos en defectos individuales que aceptas o rechazas uno por uno. Nunca reescribe el plan ni corrige código.

Reescribe el borrador del compositor DSH como un prompt más claro y ejecutable usando las rutas LLM del propio harness; muestra la comparación original/optimizada antes de aplicarla.

Añade tres páginas de ajustes a DeepSeek Harness: añadir/editar/activar/eliminar MCP servers; escribir skills de agent o instalarlas desde un repositorio GitHub; y administrar una biblioteca global de personas con una activa.

Lee el flujo de eventos de sesión sin llamadas adicionales al modelo y crea candidatos de aprendizaje pendientes a partir de correcciones, fallos y soluciones. Cada candidato se evalúa con criterios escritos y explica por qué se acepta o rechaza. Solo la confirmación escribe una skill, y únicamente mediante el writer validado `learn_skill_manage`. Un curator que actúa en reposo marca como obsoletas las skills sin uso y las archiva moviéndolas, nunca borrándolas, y conserva las que aún se cargan. Registra cinco herramientas (`learn`, `learn_review`, `learn_curator`, `learn_skill_manage`, `learn_skills`), una sección de prompt con los criterios y un guard que impide editar directamente los archivos de skill para no eludir el writer.

Presets de intensidad de razonamiento para modelos de terceros: 16 presets de proveedor/modelo con valores wire personalizados por modo, escritos en dsh-llm-pi-ai tras validar antes y rechazar regla por regla. Permite cambiar por modelo entre OpenAI Chat Completions, OpenAI Responses y Anthropic Messages, reagrupar rutas automáticamente y reescribir el texto de entrada con el modelo elegido mediante Optimize en el compositor o en Settings.

Convierte un NAS ZSpace (极空间) en herramientas nativas de agente: list/stat/search/read/download/upload/write de archivos, crear carpetas, rename/move/copy/delete. Funciona entre redes mediante el relay del cliente de escritorio, sin LAN, WebDAV ni SSH; si el NAS está en la misma red, cambia automáticamente al transporte WebDAV directo, más rápido. Delete exige confirm: true explícito. write, upload, create-folder, rename, move y copy se ejecutan directamente; zspace_write sobrescribe archivos con el mismo nombre salvo que overwrite sea false.

Interfaz generativa para DeepSeek Harness: el agente escribe TSX y dsh web lo renderiza en vivo, dentro del chat y en un panel canvas.