Plugins

Sandbox de hardware para DSH: monta escenas 3D de ESP32/BME280/PIR/LED con cableado validado por protocolo y voltaje; ejecuta código real de proyectos Python contra I2C/GPIO simulados con inyección de fallos. Simuladores de red informan por HTTP a un backend real (validación end-to-end con un sistema activo de reservas). Observa dispositivos reales en solo lectura y refleja su estado en la escena; admite nuevas placas con definiciones de pines basadas en datos. Incluye 16 herramientas `hw_*` y `SKILL.md`.

Subsistema de memoria para DeepSeek Harness: memoria ontológica event/fact/rule y sistema de objetivos `goal.js`. Las palabras activadoras de Bridge escriben valores belief; la activación de objetivos se puntúa al leer con `0.25 domain + 0.35 bridge + 0.40 sim` para recuperar asociaciones de largo plazo goal/value. Incluye journal ledger, archivo episódico, decaimiento de baja confianza y ciclo cerrado `memory_append/read/consolidate` + `linghun_goal_update/get/state`. Independiente de la línea original dsh-linghun. 16/16 en LoCoMo-Plus.

Memoria a largo plazo del workspace DSH. Al iniciar sesión lee un índice de una línea por memoria; `memory` obtiene el contenido bajo demanda, unas 3 veces más entradas con el mismo presupuesto. Al acabar el turno, busca localmente el último mensaje del usuario e inyecta coincidencias en el siguiente briefing sin coste de modelo. Auto-captura opcional resume conversaciones en memorias estructuradas; draft espera aprobación. Capa portrait de journal/records para vistas workspace/global, en draft o directo. Settings → Memory: archive/list/timeline, salud de duplicados/obsoletos/enlaces rotos, versiones supersede con rollback e import read-only de WorkBuddy/Qoder.

Reduce tokens de entrada de sesión de tres formas, cada una con su propio interruptor bajo el composer: compresión sin pérdida y sensible a la estructura de resultados de herramientas en `tools/post-execute`; elisión head/tail por herramienta que siempre indica recuperación mediante el spill store compartido; visibilidad del catálogo por agente en `agent/created`; y documento de memoria por workspace, cotejado con cada mensaje nuevo e inyectado por `agent.inject` sin releer el transcript. Medición: 41,76 % menos tokens de prompt en 149 solicitudes registradas; incluye script para medir cualquier perfil.

Conserva por sesión las imágenes pegadas o adjuntas en el composer: las replica localmente en el navegador y las restaura mediante el canal oficial de borradores al volver a la conversación o remontarse el composer. Las elimina al enviar el mensaje o quitarlas.

Mejora de prompts en el composer de DeepSeek Harness: el botón junto al selector de modelo reescribe el borrador con una llamada auxiliar a LLM y lo coloca en el mismo sitio, conservando undo. El comando `/prompt-enhance` devuelve el prompt reescrito como línea de resultado sin tocar el borrador. La llamada puede fijarse a un provider/modelo rápido propio en el profile patch. La política conserva intención, idioma e información, mantiene literalmente código, comandos y rutas, y no inventa ni añade placeholders.

Conecta un bot Feishu/Lark a DeepSeek Harness mediante una conexión WebSocket persistente: procesa los mensajes entrantes en una sesión de agente y transmite la respuesta al chat. Comandos como `/attach` gestionan la sesión activa y herramientas feishu_* permiten al modelo enviar mensajes.

Ejecuta una pasada determinista de enrutamiento de skills por cada instrucción del usuario, para consultar el catálogo antes de que responda el modelo. En el host puntúa el catálogo activo con las palabras clave de la instrucción y sus metadatos, sin llamar a un LLM ni a embeddings. Añade un solo mensaje etiquetado por productor al step: lista ordenada por defecto, cuerpo del SKILL.md ganador al superar el umbral o instrucción de llamar exactamente una vez a un router skill indicado. El plugin no interviene ante instrucciones no relacionadas.

Preset de agente de viajes para China continental que responde en chino: consulta disponibilidad de trenes 12306, precios de vuelos y hoteles Fliggy/Tuniu y rutas reales de Amap; revisa cierres y clima, y entrega una guía offline HTML con mapas arrastrables, tres niveles de precio de hotel y presupuesto desglosado. Incluye 9 skills, diagnóstico para API keys faltantes y parche para el servidor MCP 12306. Planifica y consulta, pero nunca reserva ni paga.

Correo entre sesiones de DeepSeek Harness basado en archivos: cada carta se sella con HMAC y una huella criptográfica del cuerpo, y los destinatarios se resuelven mediante una interfaz de registro. Funciona primero sin conexión, por lo que una carta no entregada espera en el buzón en lugar de perderse.

Compañero de IA con reloj corporal aprendido, sueño real cuando está offline y memoria propia; comunica un affect autoinformado, evaluado con la misma lógica judge que la versión pi.

Optimizador de prompts para el composer: un botón en la fila de herramientas reescribe el borrador mediante un canal de modelo ya configurado y transmite el resultado en un panel flotante sobre el composer, sin alterar el diseño. El borrador solo cambia al pulsar Accept, que se rechaza mientras llega la respuesta para no aplicar texto incompleto. Pregunta antes si hay referencias @ o adjuntos, pues reemplazar todo los aplanaría como texto. Sin atajos globales; la API key nunca llega al navegador, la llamada la hace el host.

Ledger de proyecto por IA. Active ledger: estado actual; turn journal: append-only; decisiones/objetivos/lecciones: una tarjeta por archivo con índice multidimensional. Solo el usuario cambia principios. Un modo de compactación separa conservar/reinyectar literal, guardar en _stash/ o descartar. En workspace container con varios proyectos se fija uno; el lock persiste en el home del plugin sin marca en el proyecto. Log de 5 niveles: L4 guarda palabras del usuario literalmente, nunca se inyecta y se consulta a demanda. Antes de compactar, cápsula literal de citas, errores y archivos cambiados con fuentes se guarda en disco y sobrevive reinicios. Handoff permite retomar en otro chat. Local, sin deps runtime. 21 herramientas, 12 subcomandos, 39 ajustes; prioridad panel/manifest configurable.

Provider de navegador para DeepSeek Harness: ejecuta tareas web paso a paso en un navegador real, viendo una tabla indexada de acciones posibles en vez de HTML o capturas. Cada paso usa una decisión Jev, no un turno completo del modelo; el benchmark del repo da 1,1 s de mediana frente a 2,8–3,6 s por turno de chat-model. La conversación recibe solo la conclusión y no acumula contexto de página. Elige elementos de la página recién leída y la vuelve a leer si cambia. Usa el navegador propiedad de Session y deja intacto tu Chrome habitual salvo que actives attach mode.

Comprensión, generación y edición de imágenes para DeepSeek Harness: lectura con Qwen/OpenAI/Anthropic/Gemini y generación/edición con Qwen-Image. Revisión de liustack/modlens (MIT). Elimina primero @liustack/modlens: ambos registran los mismos proveedores vision y hooks de interceptación de imagen, por lo que coinstalarlos rompe la lectura de imágenes.

Añade inicio de sesión OAuth para suscripciones y acceso con claves API de planes de proveedores mediante adaptadores Pi. Usa un almacén de credenciales propiedad de DSH.

Conserva por sesión los adjuntos no enviados del composer: imágenes y archivos pegados sobreviven a cambios de página o conversación y reinicios de la app. Sus bytes se duplican en IndexedDB y se restauran mediante el canal oficial createDrafts/addAttachments; se descartan al enviar el mensaje o quitarlos.

Búsqueda web fundamentada para DeepSeek Harness mediante gateways compatibles con OpenRouter: `web_search` usa el mismo endpoint y clave que los modelos de chat, devuelve fuentes citables y se configura en los ajustes Plugins.

Mercado de plugins de DeepSeek Harness para explorar plugins oficiales y de la comunidad, comprobar su compatibilidad antes de instalarlos y enviarlos al flujo oficial de instalación.

Plataforma de pruebas automatizadas dirigida por agentes IA para DeepSeek Harness (dsh): usa sesiones largas y multirronda para escribir y ejecutar casos Markdown, informar errores, corregir código y verificar el arreglo. Incluye cola serial por proyecto, tablero de desarrollo y pruebas de carga integradas.

Muestra franjas de ocupación del contexto, el umbral de compactación por sesión calculado a partir de la ventana del modelo, el coste por paso según las tarifas de lectura y escritura de caché, aciertos de caché, saldo de DeepSeek con tarifa punta/fuera de punta y transferencia con un clic. No llama a modelos ni consume tokens.

Incluye renderizado RTL seguro para texto mixto árabe e inglés, un paquete de interfaz árabe de 3.307 cadenas registrado en el servicio de idiomas de DSH y tres fuentes thmanyah: Sans para la interfaz, Serif Text para lectura y Serif Display para títulos. Se colocan después de la fuente elegida en la aplicación.

Inspector de Skills solo lectura para DeepSeek Harness. Separa cargas reales (solo evidencia observada) de Skills detectables y declaración de ejecución. Estados declared/observed/unavailable: sin evidencia = «no observado», nunca «no ejecutado/activado»; no atribuye resultados a la Skill. Validación y evaluación separadas; compara casos repetibles sin puntuarlos. Prueba should-trigger/should-not-trigger en sesión nueva real y distingue llamada del modelo/petición explícita (/name no es trigger natural). skill_review read-only devuelve paquete estructurado e indica omisiones. Cálculo local desde definiciones/recibos. Chino usa modelo host solo a petición, conserva fences/rutas/frontmatter y se guarda localmente. Clonar no modifica origen ni ejecuta scripts.

Generación de imágenes con galería lateral y tres herramientas de agente (paint_image, paint_images, edit_painting). Proveedores preconfigurados: ModelScope, Google Gemini, OpenAI, SiliconFlow, Volcengine Seedream, Alibaba DashScope, xAI y Zhipu; admite cualquier endpoint compatible con OpenAI, cada uno con su propia configuración de proxy.