Plugins

Compresión de diálogo in-situ con curva de olvido para DeepSeek Harness: los turnos recientes se mantienen verbatim, los turnos medios se deshidratan estructuralmente (sin LLM), los turnos antiguos se pliegan en un par de resúmenes acotado — conversaciones sin límite con un presupuesto de memoria acotado.

Mejora nocturna autónoma para tu agente DeepSeek Harness: recopila sesiones pasadas sin conexión, repite tareas recurrentes con tu propio presupuesto de API y consolida habilidades validadas tras una puerta de validación reservada. Lleva el motor SkillOpt-Sleep de microsoft/SkillOpt a dsh como herramientas nativas más una habilidad incluida, sin entrenamiento de pesos. Requiere Python 3.10+ y el motor SkillOpt-Sleep (pip install skillopt).

Valores predeterminados mejorados de autocompactación para los preajustes de agente de DeepSeek Harness: aplica con un solo comando umbrales y presupuestos de retención ajustados, además de políticas por modelo, de forma idempotente y con copias de seguridad y reversión.

Rastreador de coste de tokens para DeepSeek Harness: sigue el uso, calcula costes y avisa sobre el presupuesto

Despertares proactivos a nivel de host para DeepSeek Harness: deja que el modelo programe sus propias alarmas (una vez / intervalo / cron con jitter aleatorio), reactive sesiones frías a tiempo, limite los seguimientos iniciados por el modelo con horas de silencio y un presupuesto diario, y recupere despertares silenciosos

Documentos del proyecto y memoria a largo plazo como Markdown plano en una bóveda dedicada de Obsidian: seis herramientas mem_* (search, read, write, log, brief, admin), una inyección de recuerdo con presupuesto en el primer paso de una sesión y destilación automática de los turnos completados. Obsidian no necesita estar en ejecución y la bóveda sigue siendo legible con el plugin desinstalado.

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.

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.

Due diligence previa a la visita e investigación de empresas en DeepSeek Harness para comprobaciones de antecedentes de clientes e informes de riesgo, con aprobación del presupuesto de llamadas a herramientas MCP de Qichacha y confirmación de entidad.

Fusible de seguridad de tokens totales por conversación para DeepSeek Harness: instala un fusible de tokens en cada diálogo con la IA, fijando un presupuesto total independiente por mensaje de usuario que restringe de forma unificada la entrada, la caché, el razonamiento y la respuesta, con un slider whale y reinicio automático en el siguiente mensaje del usuario.

Compresión de contexto basada en AST, filtrado de registros de pruebas y guarda de presupuesto de tokens para DeepSeek Harness: elimina sintaxis redundante, poda líneas de registro ruidosas y aplica un techo de tokens para que la ventana de contexto nunca se desborde.

Panel de costos para DeepSeek Harness: mide cada solicitud a partir de los eventos de sesión, la valora según un catálogo integrado de 136 modelos en 16 proveedores, y muestra el modelo actual, el saldo de la cuenta, la sesión, el gasto de hoy y del mes, además de una barra de presupuesto mensual junto al compositor. Bilingüe zh/en.

Herramientas Grafana de solo lectura que consultan métricas a través del proxy de fuentes de datos: estado de la instancia, listado de fuentes de datos, consultas PromQL instantáneas y de rango, estado actual de las alertas y reglas de alerta aprovisionadas. Las consultas de rango se reducen a un presupuesto de puntos; un paso indicado explícitamente que lo supere se rechaza en lugar de modificarse en silencio, así que el modelo nunca recibe datos con una resolución que no pidió.

Resumes turns interrupted by a DSH host restart: hooks agent activation (once a session is live), reads the crash-repair turn/end, and sends a continuation that requires verifying real-world state first rather than assuming a side effect succeeded or failed. Permanent failures (AUTH, QUOTA, context overflow) are skipped, with a cross-restart budget, adaptive backoff and a minimal-context payload.

Panel to edit dsh's native AGENTS.md from the web settings page: every layer in the instruction chain is clickable, three activation scopes, and a visual budget meter.

Model-callable compact_agents tool that force-compacts context in every live session (main session, ordinary sub-agents and AgentTeams members alike), queues busy targets and compacts them when the turn ends, reports the shadowed node count and estimated tokens per target, and ships a browser form for the trigger ratio, retained ratio, controlled-phase output budget, auto-continue budget and an end-of-turn pre-compaction ratio that compacts near the trigger line once a turn ends, so a reply no longer opens with a wait for the summarizer.

Agent billing and usage observability for dsh web: session-log direct-scan recording (zstd, per-event timestamps, watermark + lastSeq double dedup), multi-account rate profiles per provider and model, per-window live badge reading the window session id via React fiber, full glassmorphism dashboard with 14-day sparkline, budget alerts, relay-station balance queries and a 332-model official price library.

Alibaba Bailian (DashScope) model catalog preset + auto-adapter for DeepSeek Harness — reasoning effort levels, thinking budgets, context windows, auto-adaptation of existing Bailian routes, a configurable context ceiling

Live token cost for every chat in the DSH Web UI: the chat, its subagents and the whole session tree, priced from a bundled models.dev snapshot of seven providers and 139 priced models, with cache read and write rates wherever the provider publishes them and DeepSeek from its own peak and off-peak table. Every finished answer carries its own price in the transcript, and a chat that is not currently open is priced from the log instead of disappearing. Spend is costed per interval from an append-only JSONL ledger in the project folder, so logged work keeps the tariff it was billed at. On top of it: budget-aware work plans packed against a money limit, routing scenarios that show which models are worth connecting, a generated plan document in English, Chinese or Russian, and a warning when spend belongs to no plan unit.

Tiered persistent memory (user/env/project) with per-tier char budgets and semantic query routing; full layers refuse writes instead of silently evicting.

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.

Persistent project memory, event-sourced task lifecycle, context budgeting, and cooperative multi-agent handoffs.

Local token usage and cost dashboard for DeepSeek Harness: four-segment token breakdown (miss/cache-hit/cache-write/output), cache savings estimate against the miss/hit price gap, per-session drill-down with context-growth curves and anomaly flags, global filters with shareable URLs, monthly budget progress with month-end projection, and day/month aggregate fast-path queries (O(days)) with incremental rescan.