Plugins

Continuidad entre modelos para DeepSeek Harness: memoria, skills y reglas viven en archivos locales para que el criterio sobreviva a cambios de sesión y modelo. No se trata de guardar más memoria, sino de usarla bien después del cambio de modelo.

StartLux Decision: capa de juicio económica para DeepSeek Harness; implementa los nueve puntos de decisión: autorización de herramientas, enrutamiento de modelos, delegación, compactación, continuación de turnos, recuperación, selección de skill, título de sesión y traducción COT.

Juez de revisión defensiva de seguridad de código para DeepSeek Harness: detecta sesiones que escriben código, las revisa según Code Security Defense Architecture Rules, recomienda las arquitecturas necesarias (una o varias), comprueba conflictos entre ellas y enseña al AI de la sesión tras fallos repetidos. Si concedes autoridad de revisión en el panel, bloquea la finalización hasta aprobarla; sin ese permiso, solo observa.

Manual de criterios sobre dinámica estructural de pavimentos: 59 fichas en 8 capítulos que advierten qué títulos exageran el contenido, qué fórmulas fallan al copiarlas y qué cifras no deben extrapolarse ni citarse fuera de su contexto.

Manual de criterios para métodos de diseño de pavimentos: 76 fichas en 9 capítulos sobre selección de métodos, asignación de indicadores, criterios de parámetros, conversión de carga por eje y zonificación climática. El capítulo de aeropuertos se recuperó mediante una nueva OCR del PDF intacto.

Consejo de escritura: redacción paralela con varios modelos, consenso del juez y síntesis de críticas, refinamiento de prompts de IA, ilustración conceptual visual y vista previa de archivos Markdown.

Evalúa en cada turno la emoción del propio modelo activo y la reinyecta silenciosamente antes del siguiente, cerrando el ciclo de autoobservación, continuidad del estado y cambio de conducta. Incluye plugin host, panel acoplado al compositor, herramienta emotion_status de solo lectura y ruta HTTP opcional también de solo lectura.

Simulador de debate multiagente en chino: ocho debatientes, debate en vivo a dos columnas y notas borrador, jueces/marcador, relojes de un solo lado, ZIP por ronda. El lado de entrenamiento termina por umbral de tasa de victoria o rondas fijas. Incluye paquete de preparación Word.

Verifica antes de publicar la geometría: píxeles, ratio, dpi, tamaño/formato, ancho de impresión y modo de color. No revisa contenido (QR, texto/imagen, copyright, prohibidos). Python estándar, sin terceros; no modifica entradas. Python 3.8+. 10 plataformas/20 espacios, confianza por plataforma: WeChat MP, Xiaohongshu, Bilibili, Zhihu, Weibo, Douyin, WeChat Channels, revistas, impresión, entrega a clientes. Identifica por ID/nombre chino/alias (fuzzy). Se activa a petición o tras guardar archivo si se indicó destino; una línea si pasa, detalles solo si falla. Revistas/impresión: calcula ancho real (píxeles/dpi) y detecta impresión pequeña aunque el metadata dpi pase. Varias imágenes: comprueba consistencia e identifica la anómala.

Skill de reutilización basada en pruebas para DeepSeek Harness: antes de implementar, migrar, elegir dependencias o resolver problemas de una herramienta, busca soluciones existentes por capas en el proyecto y equipo locales. Decide con evidencias comprobables, rechaza reutilizar si faltan requisitos esenciales o hay riesgos y señala lo que no pudo verificar. Se distribuye como bundle DSH que registra la skill en ctx.skills.

Juego de deducción social contra tus propias configuraciones de modelos. La mesa tiene N asientos (seis por defecto, uno es el tuyo); algunos de los demás los ocupan agentes con distintos ajustes de proveedor, modelo, temperatura, system prompt y disfraz. Los interrogas y contrastas respuestas para descubrir qué asientos no son humanos. La identidad de cada asiento y la configuración del modelo permanecen ocultas en host state hasta emitir el juicio; entonces se revelan los parámetros de disfraz. Cada ronda exporta un JSONL de conversación por asiento y el registro del juicio. La misma seed y el mismo script de movimientos se reproducen de forma idéntica byte a byte, para comparar ejecuciones con modelos o disfraces distintos.

Comprueba elementos del FMEA y el cálculo de RPN a partir de severity, occurrence y detection según normas publicadas. Informa incoherencias, pero no juzga si las calificaciones son adecuadas.

Comprueba los elementos obligatorios del permiso de trabajo eléctrico y la secuencia de emisión/autorización exigida por las normas vigentes. Informa diferencias; no juzga la seguridad del trabajo ni la validez de la autorización.

Comprueba la coherencia aritmética de máximos, puntuaciones registradas y total de cada factor de una matriz de evaluación de ofertas. Informa diferencias; no juzga si la evaluación fue correcta o justa.

Convierte las cifras de un repositorio GitHub en una valoración fundamentada: concentración de contribuciones y bus factor, incluidos archivos de un solo autor; tiempo de merge con mediana junto a la media para hacer visibles los valores atípicos; y backlog de issues excluyendo pull requests y borradores. Lee la REST API pública sin SDK y nunca presenta una página truncada como resultado completo.

Revisa código con Open Code Review: resuelve alcance y reglas de forma determinista, lo evalúa tu propio modelo DSH y no requiere clave API.

Protector de permisos de DeepSeek Harness: el trabajo dentro del espacio de trabajo nunca se interrumpe; solo evalúa el permiso adicional que solicita cada llamada. Permite acciones seguras para la máquina, pide confirmación con análisis de consecuencias para cambios del sistema y rechaza las acciones destructivas.

Evaluación retrospectiva de sesiones de agentes: genera tarjetas de calificación deterministas y diferencias de regresión entre sesiones a partir de registros persistidos. Sin ejecutar benchmarks ni usar jueces LLM.

Paquete de plugins para DeepSeek Harness: grill_tree, una herramienta de búsqueda del espacio de diseño con política fija. Expande una decisión por nodo, ejecuta proponentes independientes, asigna a un juez separado la poda de ramas y limita el beam en cada profundidad. Puede producir diseños completos.

Plugin de retesteo del impacto de CVE para DeepSeek Harness: crea una huella del objetivo, la compara con el rango afectado de una CVE, reúne pruebas pasivas e informa de un veredicto con confianza y limitaciones.

Filtro de currículos para RR. HH. en DeepSeek Harness: incorpora hasta 100 000 currículos Word/PDF/Excel a una biblioteca consultable por habilidades, categorías generales y fecha de ingreso; importa y deduplica los nuevos automáticamente. Aplica primero reglas de base de datos a criterios en lenguaje natural y luego un LLM evalúa a fondo solo unos pocos candidatos. Exporta CSV. Compatible con 0.1.7–0.2.x; probado en 0.2.0-rc.1.

Debate paralelo multirrol para DeepSeek Harness: ejecuta los CLI reales de Codex y Claude en paralelo y el modelo DSH (Judge) escribe un veredicto de una tercera parte en la conversación. También incluye chat directo de un solo agente al estilo Obsidian y configuración de modelo por rol.

Plugin DeepSeek Harness que inyecta restricciones de estilo más humano antes de generar y produce un informe de detección de estilo de IA, evaluado mediante código: sin tokens y con resultados reproducibles.

Debate multiagente aislado para DeepSeek Harness: participantes de distintos temperamentos investigan por separado, se interrogan entre sí y los jueces convergen en una conclusión. Se ejecuta como tarea en segundo plano con progreso y recuento de tokens por agente, ejecución paralela por oleadas y reanudación referenciada por sesión.