Plugins

Usa el paradigma de modelo de decisión Jev (System One) con cualquier LLM compatible con OpenAI — sin necesidad de clave TypeSafe. Registra una herramienta jev_decide que devuelve respuestas con distribución de probabilidad a preguntas tipadas (choice/score/boolean) en una sola llamada.

TypeSafe Jev como servicio Cordis de primera clase y tres herramientas visibles para el modelo en DeepSeek Harness: offline por defecto, egreso declarado, nunca activado por defecto.

CLI self de Superself como herramientas frente al modelo (contexto de proyecto, unidades de trabajo, informes, decisiones) más un comando /self: estado de proyecto entre sesiones y entre proyectos, mantenido fuera del repositorio de código.

Motor de gestión de tareas integrado: protocolo de puntos de decisión, muro de captura de ideas y almacén de incidencias al estilo Linear.

Tablero de entregas para equipos de proyectos de clientes: flujo con plantilla predeterminada, de gobernanza o etapas personalizadas; tarjetas con responsable, fecha límite, criterios de aceptación y DoD. Cada cambio de etapa crea un registro de auditoría de entrega. Incluye registros de progreso/riesgos/bloqueos/decisiones, informe semanal del cliente en Markdown, tablero de arrastrar y soltar limitado a loopback y exportación HTML de solo lectura. El estado se guarda en delivery.json del espacio de trabajo; ofrece 11 herramientas delivery_* y /delivery.

Núcleo de juicio para DeepSeek Harness: un ciclo cognitivo atribuye fuentes a cada decisión y completa la planificación; la memoria hippocampus condensa la experiencia en conocimiento (diario, archivo episódico y decaimiento de baja confianza); la arquitectura fija responsabilidades y criterios coherentes; un equipo A2A gestiona memoria mediante dsh-linghun-assembler. Requiere DSH ^0.1.0-rc.7 (compatible con rc.2).

Memoria local de tres capas para DeepSeek Harness: L1 memoria instantánea (MEMORY.md/USER.md) leída a demanda con las herramientas memory_* + L2 base de conocimiento buscable (hechos + SQLite FTS5, búsqueda en chino por tokenización de ventana deslizante) + L3 importación desde Hermes/Claude Code/Codex/WorkBuddy y desde documentos aprobados de Agent Hub (memory/global, memory/projects, decisiones aceptadas) con deduplicación por hash de contenido. La v0.2.0 eliminó toda inyección automática: la memoria entra en el contexto solo cuando el modelo llama a una de las 12 herramientas memory_*, y los datos permanecen en el disco local.

Vista de decisión dividida para la interfaz web de DSH: una tarjeta de resumen de decisiones en la ventana principal más el plan completo en un panel lateral con desplazamiento independiente, para que puedas revisar todo el plan mientras escribes las decisiones y enviarlas de vuelta al agente con un solo clic.

Provider de navegador para DeepSeek Harness: ejecuta tareas web paso a paso en un navegador real, viendo una tabla indexada de acciones posibles en vez de HTML o capturas. Cada paso usa una decisión Jev, no un turno completo del modelo; el benchmark del repo da 1,1 s de mediana frente a 2,8–3,6 s por turno de chat-model. La conversación recibe solo la conclusión y no acumula contexto de página. Elige elementos de la página recién leída y la vuelve a leer si cambia. Usa el navegador propiedad de Session y deja intacto tu Chrome habitual salvo que actives attach mode.

Evita que DeepSeek Harness compacte (resuma) la conversación demasiado pronto. Sin el plugin, en ventanas de contexto pequeñas la compactación comienza aproximadamente a mitad de capacidad; con él espera hasta el nivel que elijas (80% por defecto), configurable por proveedor/modelo. Solo cambia cuándo ocurre la compactación: DSH sigue decidiendo qué conserva el resumen.

Skill que verifica afirmaciones con la web abierta, no con la memoria del modelo. Divide cada afirmación en hechos verificables, los dirige a una jerarquía de fuentes primarias por ámbito, busca en paralelo en ecosistemas nacionales e internacionales, obtiene y clasifica páginas y vuelve a buscar con términos de refutación. Informa primero la conclusión, con URL completa y ubicación de cita para cada frase, y separa lo no verificado o indeterminable de lo confirmado. Si hay clave, puede enviar tres juicios a TypeSafe Jev (System One); sin ella usa reglas deterministas. El modelo solo puede bajar el nivel de confianza.

Registro personal de estado y motor de decisiones local-first para dsh: guarda cada entrada byte a byte con procedencia a nivel de línea, argumenta contra sus propias conclusiones generando primero refutaciones, asigna a cada hecho almacenado su propio TTL y señala dónde una decisión no se apoya en nada.

Memoria por proyecto de DeepSeek Harness: en el primer paso de cada sesión del workspace crea PROJECT.md, DECISIONS.md y SESSIONS.md; los relee del disco y solo reinyecta si cambian o la compactación los elimina. memory_checkpoint guarda datos clasificados; aviso final limitado si hubo trabajo sin registrar. memory_read lee el log y el archivo; memory_search busca con BM25 sin dependencias. Tope 200 entradas: excedente a SESSIONS-archive.md, nunca inyectado, pero consultable, buscable y restaurable uno a uno. Ajustes: filtro workspace/ruta, vistas solo lectura, recarga, JSON importar/exportar por workspace, borrado en dos pasos, editar/quitar bloque AGENTS.md y aviso PROJECT.md obsoleto. Chip de sync; clic crea archivos. Sin dependencias, vectores, embeddings ni llamadas al modelo.

Estado de trabajo entre sesiones explícito para DeepSeek Harness: objetivos, decisiones y siguientes pasos capturados automáticamente desde eventos del host o mediante una herramienta work_state visible para el modelo, inspeccionable con /checkpoint.

Canalización diaria automatizada de contenido para Insta360 GO 3S: captura remota BLE/WiFi de metraje de acuario, importación inalámbrica, evaluación de calidad ffmpeg con registro de decisiones, edición automática (selección de segmentos, narración TTS, música, subtítulos) y subida a Bilibili mediante biliup (dry-run por defecto).

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.

Llamadas de voz iniciadas por el agente: `offer_call` hace sonar al humano (接听/拒接/稍后再说); las llamadas aceptadas se sintetizan y reproducen localmente con CrispASR + Qwen3-TTS (9 voces, 2 dialectos chinos), y las rechazadas devuelven la decisión al agente.

Memoria local acotada con control de autoridad CBDC: afirmaciones en SQLite + FTS5, recuperación con alcance y decisiones explicables de usar/verificar/ignorar, con registro de auditoría completo, comandos /memory, inyección de ≤3 afirmaciones/1200 caracteres por llamada, sin llamadas adicionales al modelo.

Optional JEV decision mode with deterministic project reads, bounded semantic selection, native authorization checks and desktop credential settings.

Model failover and turn keep-alive for DeepSeek Harness: a request that fails with a model error before any visible output falls through the models of the configured provider groups (then the next provider) until one streams; transient failures retry with backoff under a liveness watchdog, a dead turn self-resumes with templated 「继续」 wake-ups, and an optional full-auto mode auto-answers permission, question and plan approvals with every decision appended to an AUTO-MODE.md audit log.

DeepSeek Harness approval guardian: a reviewer model decides permission requests before they reach you, with a System One decision-API backend (TypeSafe Jev, SiliconFlow, self-hosted Laya), a configurable low-confidence policy and an allow-rule whitelist.

Keeps a project's documentation in step with its decisions on DeepSeek Harness: the same append-only decision log and derived design snapshot, kept fresh in-process instead of by a hook process.

TypeSafe Jev (modelo de decisión System One) para DeepSeek Harness, de principio a fin: jev_decision (choice/score/noul, en paralelo, respuestas tipadas + confianza), una tarjeta en Ajustes > Plugins para la API key y los conmutadores, vistas de herramientas en línea que muestran cada decisión en la conversación (respuesta, confianza, latencia, coste), un autoguard (comprobaciones deterministas + de riesgo/bucle con Jev), un panel local /jev y un benchmark de verificación en línea (96,3% en 27 preguntas etiquetadas, mediana ~283 ms en jev-latest, 2026-09-21). Honesto por diseño: solo API real, sin fallback simulado.

Semantic tool routing, skill discovery, and typed System One decisions for DeepSeek Harness powered by TypeSafe Jev.