Plugins

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

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.

Vault local de Obsidian como almacén de conocimiento del agente, con herramientas DSH de solo lectura que enrutan estado, preferencia, corrección, memoria, proyecto, búsqueda y sugerencia a la página correspondiente.

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.

Bóveda local de Obsidian como almacén de conocimiento del agente, con herramientas DSH de solo lectura que enrutan estado, preferencia, corrección, memoria, proyecto, búsqueda y sugerencia a la página correspondiente.

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.

Instala cuatro presets de investigación matemática multiagente para DSH: v2 (pipeline guiado por probabilidad con debate entre varios verificadores), v3 (base de conocimiento Markdown estilo artículo con un agente planificador y una biblioteca de métodos reutilizable), v4 (residentes persistentes autoorganizados que se escriben y se reúnen) y v5 (un instituto de investigación con un académico que descompone y asigna el trabajo, investigadores que votan, trabajadores temporales, chat grupal y un tablero de tareas compare-and-set); los cuatro admiten reanudación desde checkpoint, intervención humana y un interruptor opcional de verificación formal en Lean (off/encourage/require) cuya prueba superada convierte el voto en una comprobación de fidelidad de los enunciados Lean.

Puente de dispositivos HarmonyOS: bucle de automatización de UI con hdc (capturas, instalación, logs, fallos) con read_image, conocimiento de API versionado priorizando lo oficial (SDK .d.ts + documentación sin conexión), y un carril de build/firma/lint con la CLI de DevEco.

Convierte documentos locales en markdown y texto en una base de conocimiento consultable con búsqueda híbrida semántica y por palabras clave, verificación de citas e inyección de fuentes.

OMK — Observe. Measure. Know. Cambios de conocimiento respaldados por evidencia para aplicaciones de IA.

Grafo de conocimiento de código local-first para agentes de codificación: 10 herramientas MCP para compresión de contexto por capas, planificación DAG, indexación incremental de AST, volante de habilidades entre sesiones, diagnósticos e importación/exportación de artefactos del grafo.

Un segundo cerebro autónomo para DeepSeek Harness: captura automáticamente conocimiento de diálogo duradero en una bóveda Markdown local (dedup personalizada, búsqueda CJK, compatible con git), con una base de conocimiento gráfica y un grafo de conocimiento interactivo (filtro de leyenda, coloreado por dimensión temporal, selección por cuadro, fusionar, eliminar, exportar/importar PNG).

RAG de base de conocimiento bibliográfico local: 10 herramientas (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), búsqueda híbrida BM25+vectores+reranker, QA con citas y enlaces DOI clicables, embeddings bge totalmente locales sobre un índice SQLite de un solo archivo. Requiere Python 3.9+ con pymupdf, faiss-cpu y sentence-transformers; el instalador `npx dsh-kb-rag-install` los configura y predescarga el modelo.

Proporciona bases de conocimiento locales y remotas con recuperación con alcance de proyecto y sesión, escritura controlada de vuelta y una consola de gestión Web integrada.

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.

RAG de base de conocimiento de literatura local para DSH: recuperación híbrida BM25 + vectorial sobre un índice SQLite, reordenación con cross-encoder, respuestas citadas con procedencia a nivel de sección y página, actualización solo de metadatos e ingesta en segundo plano con sondeo de progreso.

Bundle DSH que registra 13 herramientas nativas codegraph_* que envuelven la CLI de codegraph, para que los agentes inicien, mantengan y consulten un grafo de conocimiento de código preindexado (consulta de símbolos, exploración, rastro de nodos, llamantes/llamados, impacto, pruebas afectadas) en lugar de hacer grep en archivos.

Puente al ShiGuang Memory Engine (SGME): memoria compartida a largo plazo multiagente vía HTTP, con destilación L0/L1/L1.5/L2, inyección basada en escenarios, búsqueda unificada y señales proactivas de atención (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), instalable como `dsh-sgme`.

Búsqueda en Zhihu, herramientas de agente, bases de conocimiento y seguimiento de uso para DeepSeek Harness.

Capa de integración nativa DSH para el motor de memoria Minta: compone la fila oficial dsh-mcp-client, registra la skill minta-memory-governance más un precalentamiento de memoria al inicio de la sesión, e incluye un preset de agente Minta; requiere el motor Minta desplegado por separado (Python/Docker) para proporcionar las 19 herramientas MCP — no utilizable sin él.

Skill de revisión de código basada en plantillas: flujo de revisión en cinco pasos, clasificación por severidad (crítica/media/menor), puntuación en cuatro dimensiones (calidad, seguridad, rendimiento, mantenibilidad), salida dual en texto y HTML, y base de conocimiento de referencia bajo demanda.

Añade un panel de ajustes multiusuario al cliente web de DSH: selección de modo de uso, gestión de miembros con estado en línea y vinculación de dispositivos, y cambio o compartición de las bases de memoria y conocimiento por miembro.

Base de conocimiento portátil para agentes en Markdown OKF v0.2 simple: 13 herramientas wiki_* de lectura/escritura, divulgación progresiva, backlinks, escrituras controladas por reglas de AGENTS.md, mantenimiento automático de índice y log, linting y cambio entre varios bundles con nombre (a nivel de sesión o global).

Bucle de auto-refinamiento continuo: memoria persistente, revisión y refinamiento periódico, conocimiento compartido entre sesiones y reversión automática mediante la herramienta harness_refine invocable por el modelo.