Plugins

Del chat al lienzo y a la obra: impulsa ComfyUI como IDE visual de flujos dentro de DSH. Incrusta ComfyUI (local o nube) como lienzo en pantalla dividida en DSH Web: el agente escribe prompts y scripts en el chat, los aplica en vivo y produce imágenes, música, vídeo y 3D. Operaciones: componer pipelines, leer/escribir flujos, editar nodos, cablear enlaces, ejecutar, ajustar y depurar. Producción: barridos de parámetros por lotes (batch_run) y recuperación automática de salidas al chat (get_outputs). Mantenimiento: lanzamiento y actualización con un clic de ComfyUI, su núcleo y los nodos personalizados. Este paquete es el plugin del lado DSH e incluye el nodo puente del lado ComfyUI.

Descubrimiento progresivo de herramientas estable en caché: una superficie fija de tool_search y tool_dispatch en cada solicitud, búsqueda de catálogo en memoria, despacho anidado a través del pipeline del Harness y una lista nativa de herramientas estable byte a byte a través del descubrimiento.

Comando Cordis /hongtou: canalización de dos fases (JSON estructurado por LLM + renderizado determinista de plantillas XML de Word 2003)

Pipeline de optimización de tokens por capas para DeepSeek Harness: escalera de salida, carga diferida de MCP, motor de compactación e informe de aciertos de caché. Construido sobre APIs reales de plugins DSH; ahorra ~40-60% de entrada en sesiones largas.

AI Company Framework: convierte una frase en una empresa multi-agente — 15 Skills planos (boss/pipeline/role-template/11 roles/generic customer-memory), 7 plantillas de flujo de trabajo, runtime AgentTeams + panel de actividad, barra lateral de empleados con aislamiento por sesión, bridge de bot Feishu (bot de boss y por empleado, enrutamiento de grupo, push autónomo, puerta de decisión humana, guía de contacto externo), memoria SQLite por cliente con memoria de tres capas (fusión entre grupos), conmutador de modo /company; sin RAG.

Un conjunto de habilidades de modelado matemático con compuerta para DeepSeek Harness: una canalización de cinco etapas con compuertas, patrones de redacción de artículos premiados, análisis de sensibilidad, diagnóstico estadístico y un preset de concurso.

Failover de alta disponibilidad de modelos (cuarentena, disyuntor de circuito, recuperación por sondeo) y orquestación de subagentes (fanout/pipeline/supervisor) con una interfaz de configuración bilingüe.

Base de conocimiento con el patrón Karpathy LLM Wiki para DSH: habilidades wiki-write/wiki-search, pipeline sin dependencias (lint/index/sincronización de memoria mnemon/retroalimentación de calidad), plugin de ciclo de vida mínimo que inyecta esquema + vista previa de conocimiento, y recuerdo semántico de SiliconFlow a través de un proxy compatible con Ollama.

Canalización de escritura con IA para cuentas oficiales de WeChat: ejecuciones de artículos en seis pasos (tema, esquema, borrador, controles, renderizado, imágenes) con un contrato de brief de lanzamiento, un tablero de temas de actualidad con resúmenes de IA por elemento, programación RRULE hacia la caja de borradores, una interfaz de banco de trabajo además de herramientas de chat y un comando /wewrite, y aprobación del host en modo fail-closed antes de cualquier envío a la caja de borradores.

Un enjambre gobernado de seis agentes DSH especializados — orquestador, planificador, puente de base de conocimiento, desarrollador y dos revisores — convierte un requisito en una canalización estricta por fases donde cada entrega debe demostrar su validez con evidencia estructurada antes de que pueda empezar la siguiente fase; los revisores son solo lectura, los merges de código solo ocurren tras una revisión, y un registro de eventos de solo anexado ofrece reproducción completa y auditoría en un tablero kanban en vivo. Su diseño se inspira en el kanban de Hermes Agent.

Conecta DeepSeek Harness a un pipeline de Hermes: plantilla de especificación de despacho, enrutamiento por nivel de modelo, puertas de calidad del orquestador y regla de escritor único de git, como paquete SKILL.md (instalable como bundle).

Página de ajustes Modelos+ para la interfaz web de DSH: tablas de esfuerzo de razonamiento por modelo, modalidades de entrada y flags de compatibilidad guardados mediante el pipeline oficial de ajustes, con prellenado de metadatos de models.dev y gestión de claves de API.

Math Agent Framework para DeepSeek Harness: motor de derivación simbólica (CES / formas cuadráticas / ODE / PDE), verificación con SymPy, demostraciones formales verificadas por el compilador de Lean 4 y verificación adversarial multiagente estilo QED, expuesto como herramientas DSH nativas mediante un shell TS que sirve de puente a un motor Python. Requiere clonar el repositorio math-agent-framework y ejecutar `pip install -r requirements.txt`, con MATH_AGENT_HOME apuntando a la raíz del repositorio. Cada resultado incluye procedencia (versiones del motor, semilla, tolerancias) y se marca como datos no confiables.

Reconocimiento de imágenes grandes para modelos vision-exp: reconocimiento por mosaicos 800×800 sin pérdida (smart/pipeline/full), OCR local con preprocesamiento y enrutamiento de escritura a mano, GPU multivendor opcional (DirectML/CUDA/OpenVINO) con fallback automático a CPU.

Reproduce las respuestas del agente en la interfaz web de DeepSeek Harness mediante una cadena de respaldo de proveedores (OpenAI, ElevenLabs, Google, Azure, Groq, Deepgram, OpenRouter, Edge, Piper, eSpeak), de modo que un proveedor que falle o tenga límite de tasa pase al siguiente en lugar de quedar en silencio.

Preajuste de agente de equipo de producto virtual: la conversación guiada por el usuario te lleva a través del flujo completo de 12 pasos desde la idea hasta el producto enviado, promocionado y operado, con puertas por etapas y habilidades por etapa.

Guarda las decisiones del proyecto en Markdown, no en el historial de chat: un documento principal y documentos por módulo, cada entrada con cita file:line. El agente te entrevista para cerrar preguntas pendientes y calcula una puntuación de cinco dimensiones (complejidad, extensibilidad, mantenibilidad, calidad del código y reutilización), visible junto al selector de modelo. Una sesión puede vincular varios proyectos; su tamaño small/medium/large amplía los límites. Una sección de pipeline reutilizable del documento principal se inyecta al aparecer sus palabras clave.

Pipeline de desarrollo guiado por especificaciones para Odoo: 15 herramientas llevan una petición desde una spec inmutable, pasando por la arquitectura, hasta código de módulo o configuración en vivo, y luego exigen un veredicto persistido respaldado por evidencia de una instancia real de Odoo, con puertas fail-closed, lotes aprobados por humanos en un entorno declarado, el importador CSV/Excel propio de Odoo y un diario que revierte los datos escritos por el plugin.

Memoria por capas para DSH con 10 herramientas para agentes: escrituras privilegiadas (memory_add, memory_delete, memory_import), controles de reflexión (memory_ruminate y sus controles) y grafo de memoria. Una canalización L0-L3 recupera e inyecta recuerdos relevantes antes de cada paso del modelo.

Traducción completa al chino para la GUI web de dsh: traducción en vivo del razonamiento del modelo mientras se transmite, chino insertado bajo cada respuesta en inglés y resúmenes chinos de una línea para salidas de herramientas y glosas de llamadas a herramientas — una solicitud independiente al proveedor que nunca entra en la transcripción de la sesión.

Canal de confianza de plugins para DeepSeek Harness: análisis estático determinista con veredictos, protección de ejecución opcional con señuelos honeypot, skill de protocolo de auditoría para agentes y luz de estado de escudo del navegador. Solo alerta; nunca impone acciones.

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.

Renderizado Markdown para los mensajes de usuario enviados en DeepSeek Harness: cada burbuja muestra listas, código, tablas, citas y formato en línea mediante el propio sistema Markdown del host; las colas, vistas previas y el compositor mantienen su presentación de texto plano.

Ejecuta pipelines de AItelier desde DSH sobre MCP: 39 herramientas (22 de lectura, 17 de escritura) para generar, ejecutar, inspeccionar, editar, exportar e importar pipelines SkillFlow multi-paso. Los pasos se ejecutan en AItelier en lugar de en la sesión DSH y se sondean por run_id, pausan en checkpoints impuestos por el motor respondidos con answer_checkpoint, y dejan rastros por paso y salidas de paso para leer después; add_provider / map_model / edit_role apuntan un rol individual a un endpoint local o más barato. Agrupa una habilidad aitelier-pipelines.