Plugins

Modo de aprendizaje que explica cada paso del agente (en desarrollo).

Complemento de memoria a largo plazo y auto-evolución para DSH: captura L0 → extracción de memoria L1 → agrupación de escenas L2 → persona de usuario L3, inyección automática de recuerdos, síntesis de habilidades, totalmente local (SQLite FTS5 + jieba, recuperación vectorial opcional).

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.

Insignia de cuota en el encabezado y pestaña de monitorización de uso: saldo/cuota restante en vivo y cuenta regresiva de reinicio por proveedor, con solicitudes, tokens (entrada/salida/lectura de caché/escritura de caché), tasa de aciertos de caché, coste estimado y latencia media por sesión, proveedor, modelo y cliente, almacenados localmente en SQLite con importación/exportación entre dispositivos.

Herramientas de base de datos para agentes: list/query/exec/schema/stats/health en SQLite/MySQL/PostgreSQL, con protección de solo lectura de nivel léxico, límites de filas, salida de consultas CSV/JSON y una ruta de escritura con aprobación.

Un vault de Obsidian compartido para todos los agentes: núcleo en Python sin dependencias (buscar/promover/adjudicar/olvidar), plantilla de vault y plugin de dsh (memory_search/show/submit/status).

Plugin de memoria entre sesiones para DSH (v0.6.1, npm @asherliner/dsh-memory-connect): extracción automática, indexación SQLite FTS5, recuperación semántica RRF inyectada en el prompt del sistema en cada turno, mantenimiento programado, consolidación LLM vía ctx.llm, prevención de explosión de contexto, identidad Soul global vía ~/.dsh/soul.md. v0.5.0: grafo de contexto temporal, modelo de confianza, resumen al final del turno. v0.6.0: incrustaciones semánticas locales (BAAI/bge-small-zh-v1.5), sin llamadas a la nube. v0.6.1: corregida la expansión de ~ en la config de rutas. Instalación sin configuración.

Sistema de memoria biomimético para DeepSeek Harness: un único almacén SQLite (node:sqlite, WAL) cuyo árbol Markdown se mantiene como espejo de solo lectura; herramientas de memoria, inyección de instantánea congelada al inicio de la sesión, puertas de aprobación escalonada, extracción bajo demanda de la sesión actual, fusión de casi duplicados, un ciclo de vida de archivo y reemplazo, metabolismo de memoria (dream), anclajes de memoria, recuperación semántica sobre incrustaciones locales, y el comando /memory.

Plugin de DeepSeek Harness que bloquea instalaciones de npm arriesgadas con análisis de metadatos y de cadena de suministro en profundidad.

Busca, lista y lee sesiones pasadas y actuales a través del propio servicio `sessionQuery` del harness: usa el índice SQLite FTS5 cuando el despliegue lo habilita, y recurre a un escaneo acotado de más reciente a más antiguo cuando no.

Memoria vectorial totalmente local para DSH: incrustaciones locales, almacenamiento SQLite, inyección automática de recuperación, deduplicación con detección de conflictos, papelera de reciclaje con eliminación temporal, copia de seguridad en línea y extracción LLM opcional.

Flujos de trabajo DAG duraderos para DeepSeek Harness con herramientas de autoría de agentes, persistencia en SQLite, ejecuciones reanudables y un Canvas Studio visual.

Grafo de conocimiento de código local para agentes: parsea una base de código (Python/JS/TS/Go/Java/Rust) en un índice SQLite y responde sobre él preguntas de llamantes, llamados, dependencias, dependientes, impacto y texto completo.

Tablero completo de incidencias local-first integrado en la GUI web de DSH: vistas Kanban / lista / Gantt / flujo de trabajo / panel, chat de IA por tarea, adjuntos y etiquetas, reclamación automática de tareas todo impulsada por dsh-routines; los datos residen en SQLite local (dsh plugin add @ttmouse/dsh-taskboard).

Contabilidad local persistente de token usage para DSH Web con descubrimiento automático del historial y detalles compactos de proveedor/modelo.

Genera paquetes de base de conocimiento auditables (SQLite FTS5) a partir de md/txt/docx/pdf, con recuperación determinista y lectura del texto original.

Plugin de administración multi-base de datos operado por chat para DeepSeek Harness: consulta y gestiona MySQL, PostgreSQL, GaussDB, MongoDB, Redis, Oracle, DM y SQLite desde la conversación con permisos ro/rw por proyecto, un panel de administración en la barra lateral, navegación de esquemas y vista previa de datos, y operaciones peligrosas condicionadas a confirmación.

Entradas de memoria en SQLite, un calendario con recordatorios de vencimiento y tareas de agente programadas por cron, con 13 herramientas de modelo y una interfaz bilingüe zh/en.

Modo DSH RedTeam: con una sola frase levanta un agente de operaciones de equipo rojo (mapeo de activos / cadena de ataque / objetivos de puntuación / informes / base de conocimiento de POC), con cuatro roles, 13 skills nativas y una consola permanente a la derecha

Council of High Intelligence: reúne un grupo de expertos de 18 figuras históricas para un debate estructurado desde múltiples perspectivas, con un panel lateral DAG en vivo, historial de ejecución en SQLite y valores predeterminados por proyecto mediante .council.yaml.

Gestor de base de conocimiento local para agentes DSH: importación multiformato, fragmentación con soporte CJK, búsqueda híbrida vectorial sqlite-vec + BM25 con rerank bge-reranker-base, instantáneas, exportación/importación kbpack y búsqueda entre KB — 22 herramientas de agente y un panel web.

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.

Espacios de memoria entre sesiones gobernados por humanos, con relaciones independientes de origen y consumidor, procedencia, versionado y revisión de la inyección antes del envío.

Flujos de trabajo DAG duraderos para DeepSeek Harness con herramientas de creación de Agent, persistencia en SQLite, ejecuciones reanudables y un Canvas Studio visual.