Plugins

Sustituye el resumidor de compactación integrado de DSH por un resumen de traspaso de cinco secciones y mantiene legible cada mensaje ocultado en un directorio de segmentos.

Plugin de DeepSeek Harness que ahorra tokens de forma agresiva sin afectar la calidad: truncado sin pérdida de cabeza/cola de resultados de herramientas (por defecto), plegado de resultados de grep, delegación a dsh-compaction-basic activada por presión y una subclase CompactionEngine con resumen LLM para el modo agresivo. Ahorra el 97.6% de los tokens de entrada en una suite sintética de 8 escenarios, y todas las reducciones pasan por el flujo de eventos de dsh para que modelo-visible = registrado se mantenga.

HUD flotante estilo videojuego: barra de HP del saldo, barra de MP del contexto, precios oficiales de picos/valles con cuenta atrás, compactación automática con menos del 5 % restante y nueva conversación que conserva la memoria.

Paquete de renovación de la ventana de contexto dirigido por el modelo para DeepSeek Harness: contexto de trabajo nuevo, notas duraderas gestionadas por el modelo, una cola reciente breve y literal, y recuperación selectiva del historial, sin resúmenes.

Reanudación automática de sesiones interrumpidas: una tabla de reglas ordenada enruta por tipo de fallo (límite de tasa, cuota, autenticación, desbordamiento de contexto, huérfana caída) hacia reintento automático con backoff, cambio de modelo, reanudación tras compactar el contexto o una notificación de stop-loss, con un editor visual de reglas y un registro completo de actividad.

Optimizador de prompts en la barra de entrada: reescribe borradores con 6 estrategias × 3 idiomas más instrucciones personalizadas, con opcional objetivo/pendientes/resumen de compactación/resultado de herramienta y contexto del chat, un diálogo de confirmación, historial de los últimos 5 y persistencia de ajustes en tres niveles.

Corrección de compactación para pasarelas qwen3.8-27b alojadas en NInfer: desactiva el razonamiento en las llamadas de compactación de contexto y de título de sesión de dsh para que el razonamiento xhigh deje de consumir todo el presupuesto de salida; la misma idea se aplica a otros métodos de lanzamiento, pero este paquete es solo para NInfer.

Transferencia de sesión y gestión de contexto: documentos estructurados de transferencia (exportar/reanudar/estado) para que una sesión nueva continúe sin interrupciones, además de poda activa de contexto (herramientas acp_* mediante la API oficial de compactación con resúmenes creados por el modelo).

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.

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.

Divide New Session en la barra lateral web de DSH en dos modos: una fila 日常聊天 abre una sesión con el preset de agente `daily` que el plugin instala en el home del harness (persona, búsqueda y lectura web, preguntar al usuario y compactación — sin archivos, shell, modo plan ni subagentes), dentro de su propio espacio de trabajo daily-chat cuya región lateral solo lista esos chats, mientras 开始工作 mantiene el agente de programación original; el botón integrado New Session se oculta y cualquier otro punto de entrada de New Session sigue el modo activo, que se recuerda en localStorage.

Preset de agente GLM Mode para zhipuai/glm-5.3-flash: presentación de herramientas PTC/Code Mode, un guard de bucle de razonamiento y un guard de spin de herramientas (impulsado por incidentes en vivo), y auto-compactación específica de GLM al 75%/22%.

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.

Lógica de compresión de contexto inspirada en el cerebro humano que reduce drásticamente el uso de contexto y el consumo de tokens en tareas largas.

Una mascota de estado de ánimo Taffy para la interfaz web de DeepSeek Harness: el GIF de la esquina reacciona en vivo al estado del agente — aprobación pendiente / aprobada / rechazada / suplicando, pensando, ejecución de herramientas, interrupciones, espera de ask_user_question, compactación, fatiga por tarea larga, aprobación ignorada por inactividad, inactivo / durmiendo — con estado enviado por SSE, posicionamiento arrastrable, consola con el botón central, consola espejo en la tarjeta de herramientas, bloqueo por estado de ánimo, ajustes de apariencia persistentes y estadísticas por día.

Memoria de decisiones y objetivos con linaje: comandos explícitos y una herramienta de modelo registran decisiones de forma determinista, una tarjeta de estado las reancla a través de la compactación, la respalda un flujo de eventos sin pérdida con recuperación BM25+jieba, y una suite de regresión de fidelidad a nivel de escenario controla los releases.

Analiza imágenes de conversación mediante prompts específicos por modo (caption, UI, documento, grounding, topología, etc.) e inyecta evidencia estructurada con primitivas de coordenadas (cajas, puntos, referencias) como texto, con caché a nivel de sesión para reutilización entre replay y compaction.

Kit de visión para DeepSeek solo de texto: herramienta `vision` invocable por el modelo, adaptadores contenedores para deepseek/opencode-go (v4 flash/pro), cuota de Antigravity IDE (default, flash/pro) / cualquier VLM compatible con OpenAI / Gemini / canales locales de Ollama, memoria de evidencias con rehidratación por compactación, caché de hash de contenido y un panel de cliente bilingüe.

Personal dsh preferences: a tunable companion to the official compaction engine (threshold, retention, summarization model/reasoning, turn-end compaction), llama.cpp model import for the Models page, and tab/notification helpers (status-light favicon, bro

DSH plugin: counts completed compactions per session and raises a floating reminder — with bilingual UI — only after repeated compactions plus heavy extra token spend.

Windowed, reversible context management for DeepSeek Harness; replaces Basic compaction.

Compresses older DSH context into a structured handoff, retains recent messages, and keeps session history searchable.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

Model-autonomous context compaction for DeepSeek Harness: a mind_map tool surveys the agent context surface (stable seq ids, roles, token weights, clear-boundary markers, the clear-mind playbook), a clear_mind tool replaces a chosen conversation-history span with a model-written checkpoint through the native compaction transaction, call and result pairs self-collapse into one-line tombstones, and a proactive reminder nudges the model when the context grows long or a turn runs too many steps.