Plugins

Cliente de terminal a pantalla completa para DeepSeek Harness construido sobre pi-tui: reproducción/reanudación de sesiones, respuestas en streaming, tarjetas de herramientas plegables, aprobaciones y preguntas dentro del terminal, gestión de modelos/preajustes/permisos/planes/objetivos, modo shell y un registro de trayectoria.

Píldora flotante de uso del plan OpenCode Go: porcentajes de consumo en tres ventanas (rodante/semanal/mensual) con mini gráficos de área, respaldados por muestreo en segundo plano contra la API oficial /v1/usage.

Reino de gobernanza de agentes para DeepSeek Harness: territorios, vinculaciones de roles (bind/unbind/session con identidad de modelo/agente), y un bucle de tareas planificar→asignar→ejecutar→revisar donde las declaraciones del Worker nunca se autocompletan (Claim ≠ Fact), con una consola de operaciones GUI local.

Fuzzing dirigido por un agente LLM. Desde un repositorio y un fallo (descripción CVE, parche, traza de crash o file:line), ejecuta el ciclo PLAN, IMPLEMENT, EXECUTE, REFLECT; el modelo crea generadores de entrada en Python hasta activar el oráculo de patrón stderr de la campaña o detenerla.

Notificaciones de sonido por evento: finalización de turno, aprobación, pregunta, revisión de plan, objetivo bloqueado y fallo de tarea cada uno tiene su propio sonido y volumen, configurable en la UI web (sintetizador integrado, mudo, o archivo de audio local).

Inyecta una sección en el prompt del sistema para que la cadena de razonamiento, la planificación y el razonamiento de invocación de herramientas del agente permanezcan en chino simplificado. Cero dependencias externas: clona e instala con un enlace desde cualquier directorio local, sin necesidad de build ni publicación en npm.

Reuniones visuales de mesa redonda para DeepSeek Harness — nodos expertos en un anillo con aristas dirigidas, una puerta de agregación, pensamiento proxy para modelos trabajadores de caja negra y revisión adversarial (red-team) de planes ya acordados con endorse/reject por punto de vista.

Modo de aprendizaje local-first: hilos de aprendizaje entre sesiones con explicaciones por fuente.

Un motor de escritura de novelas web para DeepSeek Harness: redacción paralela, esquematización y lluvia de ideas con una clave de DeepSeek independiente, gestión de trasfondo y presagios, recuperación vectorial semántica, una biblioteca de corpus, libro mayor de uso, corrección mecánica y un plan de serialización local.

Revisión de planes con anotaciones ancladas y retroalimentación estructurada de vuelta al agente.

Siete modos preajustados de agente para DeepSeek Harness, cada uno con un límite fijo de herramientas, enrutamiento de modelos por modo y niveles de delegación omd_task rápido/profundo, más un bucle de plan a ejecución (/mode, /start-work, /ulw respaldado por objetivos) y una página de ajustes que reasigna modelos por modo y por nivel.

Paquete de preajustes de agente Programming Mode: el agente de programación estándar con una persona que exige la disciplina Superpowers (habilidades primero, lluvia de ideas antes de construir, planes antes del código, TDD, depuración sistemática, verificación antes de terminar) más una disciplina de volumen de código Ponytail siempre activa (escalera de código mínimo de 7 niveles, completo por defecto); incluye las veinte habilidades (14 superpowers + 6 ponytail) e inyecta mecánicamente la habilidad completa using-superpowers en la primera solicitud de cada sesión nueva.

Panel de tareas para la barra lateral DSH Web: publica tareas, destila automáticamente sesiones relacionadas e impulsa las etapas de plan/desarrollo/revisión con subagentes y aceptación dentro del panel.

Preset de agente Modo Aprendizaje: un agente de programación que enseña mientras programa: explicaciones concretas basadas en escenarios, guía socrática, y huecos de práctica TODO(你), modelado en el estilo de salida Learning de Claude Code; instalable mediante dsh plugin add (dsh-learning-mode en npm).

Decisiones tipadas de Laya (`noul` sí/no, `choice`, `score`) como servicio Cordis de primera clase (`ctx.laya`), más las herramientas `laya_ask` y `laya_plan` visibles para el modelo. El plugin en sí no instala ni descarga nada: es un cliente de un sidecar `laya-mcp serve` que inicias tú mismo, e informa que el sidecar no está en ejecución en lugar de fallar de forma oscura en la primera llamada a una herramienta.

Enjambres de IA basados en roles para DeepSeek Harness: un arquitecto planifica, constructores paralelos ejecutan, revisores controlan la calidad y un integrador publica. Fijación de modelos por rol con cadenas de respaldo, bucles de revisión, contratos de evidencia, revisiones con control humano, pausa/reanudación consciente de la cuota y un kanban en vivo + diagrama de flujo en la GUI web. 40 pruebas; se instala desde GitHub o npm.

model router por paso: preajustes con nombre y reglas ordenadas de grupos de imagen/palabras clave que enrutan cada paso del agente a través de cada proveedor y modelo montado, añadiendo flujos de colaboración para transcripción de imágenes, un protector de imagen, un panel de cuotas multiplan y observabilidad de decisiones por paso.

Indicador y panel de cuota en la esquina inferior derecha que agregan cuotas de membresía entre plataformas de IA (Kimi Code, DeepSeek, Zhipu Coding Plan, BigModel, Qwen, Scnet, TokenRouter, SupaWriter), sincronizando automáticamente claves API desde el dominio de credenciales DSH con barras de uso coloreadas.

Notificaciones de sonido por niveles con tema Perlica (Arknights: Endfield): tonos de plan listo, tarea hecha, necesita-tu-entrada y error; silencioso para chat normal, reproducción a nivel de sistema (funciona en segundo plano), multiplataforma (Windows/macOS/Linux), sonidos TTS personalizados.

Administra servidores VPS mediante inicio de sesión con clave SSH: 21 comandos /vps- sin tokens (consultas de estado, instalaciones de recetas con plan y confirmación /vps-yes, reinicio que espera a que la máquina vuelva), un terminal dentro de la conversación (xterm.js sobre ssh -tt) para programas interactivos, 5 herramientas del agente con confirmación por niveles de riesgo, copia de seguridad de archivos con restauración automática y una red de seguridad de firewall/SSH, 29 recetas integradas y una página de ajustes para añadir máquinas.

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.

Investigación profunda como modo agente: un único bucle revisado que planifica, investiga en rondas paralelas adaptativas impulsadas por las lagunas que los propios investigadores declaran, sintetiza un informe citado y luego lo revisa de forma adversarial, en lugar de un script que el modelo reescribe por llamada. Las preguntas que el presupuesto de rondas nunca alcanzó se nombran en el informe en lugar de descartarse.

Muestra el uso del plan de coding y el saldo de 5 proveedores de IA (MiniMax, DeepSeek, Kimi, OpenRouter, Zhipu) junto a la entrada del compositor, cambiando con el modelo seleccionado y reutilizando las claves de API configuradas en los ajustes de modelo de DSH.