Plugins

Memoria asociativa proactiva para DSH: inyecta recall sin prompt en un límite fijo, con auto-consolidación de tres capas, cristalización de skills y gestión de contexto al estilo Astra. Incluye libros de traspaso y una pizarra PLAN que sobreviven a los cambios de ventana de contexto, y detección del nivel de agua con una ventana de modelo autodetectada. Almacenamiento local en Markdown, agnóstico al modelo, sin dependencias; piso léxico de 0 GB con capas semánticas opcionales.

Memoria a largo plazo curada y basada en archivos para DeepSeek Harness: notas en markdown legibles por humanos, un único almacén de archivos planos compartido entre hosts (ignorado por git cuando reside dentro de un repositorio de proyecto), y un límite de índice determinista impuesto por ctx.tools.guard()

Rebobina la conversación y el estado del espacio de trabajo, impulsado por un registro de cambios persistente (Change Ledger).

Modo red team: indicar una organización objetivo; una sesión lanza cinco roles (reconocimiento, triaje de activos, búsqueda de vulnerabilidades, explotación, pivote interno) en paralelo ajustable. El preflight valida habilidades/recursos. Puntuación en cuatro etapas (reconocimiento, Internet, límite, interno), con topes del servidor y deduplicación por privilegio mayor. Hallazgos en SQLite local. Consola lateral persistente de nueve páginas: mapa de activos, agentes, sesiones/túneles, hallazgos, objetivos, informes, base POC y biblioteca de habilidades. v0.15.2 añade registros HTTP de evidencias/acciones, ingesta por lotes, control de alcance, sonda de pivote de túnel, prueba de datos, registro de limpieza y admisión T0-T3 contra desviaciones. 59 herramientas redteam_*; 38 habilidades.

Memoria a largo plazo para agentes DSH: recuerdos duraderos e inspeccionables con herramientas de recuperación, búsqueda, navegación y grafo de conocimiento, importación desde otras diez herramientas de codificación con IA y una página de configuración.

La memoria que sueña — memoria entre sesiones para DeepSeek Harness: te recuerda de una sesión a otra, se autoconsolida mientras duerme (autoDream), congela los recuerdos en conflicto para tu revisión y mantiene un rastro de auditoría reproducible. Búsqueda semántica local offline-first sobre SQLite con réplicas Markdown editables por humanos, un grafo de entidades, un panel de memoria interactivo, además de una API externa y una CLI.

La memoria que sueña: memoria entre sesiones para DeepSeek Harness: te recuerda entre sesiones, se autoconsolida mientras duerme (autoDream), congela las memorias en conflicto para tu revisión y mantiene un rastro de auditoría reproducible. Búsqueda semántica local offline-first sobre SQLite con espejos Markdown editables por humanos, un grafo de entidades, un panel de memoria interactivo, además de API externa y CLI.

Plugin de memoria DSH de creación propia: almacenamiento persistente SQLite + guardia de auditoría a nivel de base de datos (enforceAudit) + registro de auditoría. Captura conocimiento automáticamente tras las conversaciones, los agentes recuerdan vía memory_recall y admite compartir entre agentes de Claude Code/Codex/Cursor. Cero dependencias externas.

Memoria causal para dsh: un puente MCP stdio sin dependencias que monta las 17 herramientas del servidor causal-memory bajo nombres limpios (sin prefijo mcp__) — aristas decisión → resultado con relaciones tipadas (caused / enabled / prevented) en un almacén SQLite local que sobrevive a la compactación — más una sección de prompt del sistema fijada. Requiere el binario del servidor causal-memory en PATH (pip install causal-memory o una versión precompilada).

Pega un enlace y el agente lo lee. Convierte Xiaohongshu, Douyin, Bilibili, WeChat, artículos, PDF y audio en Markdown con citas para wiki o base de conocimiento. A/B exploratoria de 60 turnos (con límites de tiempo distintos y sin revisión humana de la corrección): lectura completada 22%→92% (+70 puntos), tiempos agotados 68%→0%, respuestas con un hecho real de la fuente 23%→82%. En 123 enlaces reales, 80% resultó utilizable (93% de las páginas que respondieron); un enlace inaccesible se informa en 26 s. Compatible con Codex, Claude Code y DSH.

Parte de escritorio de la extensión de navegador DSH multiplataforma: conecta la extensión con dsh, ofrece herramientas browser_* y, cuando hace falta, reconoce imágenes de la página. Incluye todas sus opciones de configuración.

Memoria gráfica y grafo de tareas descentralizados y con prioridad offline para DSH, con datos firmados, sincronización entre dispositivos y Mebular Console compartida integrada en un panel lateral. Requiere un daemon Mebular en ejecución (la app de escritorio Mebular o mebular serve desde @mebular/core); este plugin solo conecta sus herramientas de memoria y el panel Console.

Puente compatible con OpenAI para usar en Midscene los modelos configurados en DeepSeek Harness. En 127.0.0.1 (puerto predeterminado 8787; elige otro libre si está ocupado) reenvía chat completions con o sin streaming a la capa del host. Admite routing oficial de DeepSeek, CodeBuddy, Codex y endpoints OpenAI/Anthropic personalizados. Las credenciales quedan en plugins provider; el puente no las toca. /v1/midscene-env genera cuatro líneas MIDSCENE_MODEL_* e infiere la familia. Registra 7 skills: navegador, escritorio, Android, iOS, HarmonyOS, E2E Vitest y referencia Midscene; no requiere npx skills add. npm: dsh plugin --profile web add @tnnevol/dsh-midscene

Complemento de agente de flujo de trabajo de ingeniería harness/loop impulsado por habilidades.

Lectura profunda de libros y artículos en cinco modos (rápido, profundo, mapa de conocimiento, Feynman, libro completo) con informes de afirmación-evidencia-datos, mapas mentales Mermaid/XMind, comparación por lotes, comprobación previa del presupuesto, progreso transparente de tareas en segundo plano y exportación a MD/HTML desde URLs, archivos o texto pegado.

Configuración por modelo de reasoning-effort y modalidad de entrada para proveedores de terceros: sugerencias fusionadas desde una base de conocimiento de modelos y evidencia cruda del endpoint /models con etiquetas de confianza, editadas dentro de la tarjeta oficial de la página Models.

La base de conocimiento de desarrollo de complementos DSH como habilidad de agente bajo demanda: restricciones oficiales, flujos de trabajo de tareas, referencia de API y trucos de la comunidad, instalada con el paquete para que el agente pueda consultar mientras construye un complemento.

Motor de memoria entre sesiones para DeepSeek Harness: almacén SQLite + espejo Markdown editable por humanos, consolidación autoDream, búsqueda semántica sin conexión (vectorización/reordenamiento/clustering locales), línea temporal de entidades y atributos, Sleep Mode, autoSummarize con modelo personalizado y 7 herramientas de memoria.

Pipeline de QA como 10 agent skills: análisis de requisitos, estrategia de pruebas, redacción y revisión de casos, automatización E2E (Playwright) y de API, exploratoria, alcance de regresión y análisis de bugs, respaldado por una base de conocimiento compartida con reglas de formato, modelo de riesgo y validadores de esquema.

Mascota flotante de escritorio DSH con 12 animaciones de estado creadas para solicitudes, herramientas, compaction, archivo y mejora de prompts; ocupación de contexto en vivo; un Ledger Vitalicio persistente entre sesiones; totales por proveedor/modelo, tendencias por hora y vistas de 7/30 días; cambio de tema oscuro/claro; estimaciones de coste opcionales (desactivadas por defecto) con editor visual de precios y alerta de presupuesto mensual; importación ZIP de skins del lado del cliente; exportación de uso en JSON/CSV; lecturas de panel solo con instantáneas con indexación incremental en segundo plano; y mejora de prompts opt-in con vista previa editable y envío al compositor DSH.

Memoria Mebular, grafo de tareas y consola compartida para DeepSeek Harness.

Memoria a largo plazo entre sesiones en una base SQLite local: dos ámbitos (usuario y proyecto por origen Git), recuperación híbrida FTS5 + vectores locales combinada con RRF, una puerta de evidencias que exige juzgar explícitamente si son suficientes, cadenas de auditoría de procedencia, repaso espaciado SM-2, destilación de consolidación y olvido por decaimiento, además de un panel lateral Memory Palace con nueve vistas. Incluye 22 herramientas de parámetros acotados, sin servicio externo, API key ni Docker.

Lee en voz alta las respuestas del asistente mediante Edge TTS gratuito o tus propios modelos de voz RVC: botones de lectura en voz alta + lectura automática, reproducción progresiva por fragmentos adaptativa (lecturas largas sin cortes), instalación de paquetes de voz con un clic desde un registro y un runtime RVC portátil.

Plugin de agente de flujo de trabajo de harness/loop engineering basado en skills.