Plugins

Medidor en tiempo real de uso, costo y saldo para DeepSeek Harness: saldo de la API oficial, precisión de costo dentro de ¥0.02, libro de costos por turno/sesión/modelo, velocidad de tokens en vivo con niveles de color y ventana emergente acoplada de un clic.

Arnés de memoria de agente de tres niveles: L1 CLAUDE.md siempre activo, índice L2, esqueleto detallado L3 con plantillas, una puerta que bloquea las escrituras en archivos protegidos sin un token de aprobación de un solo uso, registro de eventos sin juicios, destilación semanal y una habilidad de bucle de ejecución TDD.

Telemetría de ejecución sin intervención para DSH: cada sesión escribe automáticamente tarea, nivel de modelo, herramientas, fallos, duración y estado en un diario legible con una sección de estadísticas (puro observador: sin herramientas, sin llamadas a LLM, sin inyección).

El selector de modelos para DSH: apúntalo a cualquier endpoint compatible con OpenAI, con preajustes curados de proveedores de DeepSeek gratuitos/económicos y alternativa automática cuando un nivel gratuito te limita la tasa.

Memoria local de seis capas para dsh: captura los turnos, los pasa por un búfer L2 y genera resúmenes DL3 con un modelo intermedio; inyecta un bloque de memoria estable en cada turno y sustituye el historial del chat por marcadores. Incluye cinco herramientas de memoria y una página de configuración.

Modelos del nivel gratuito OpenCode Zen para DeepSeek Harness, con acceso anónimo sin API key, shim OpenAI-compatible en loopback y herramientas reales de control bash/read.

Auto-enriquece los model channels de DeepSeek Harness: evita configurar manualmente por model contextWindow, maxTokens, entrada multimodal [text, image] y niveles de reasoning effort {low, high, max} tras añadir un provider channel. Enriquece al guardar; incluye página Settings UI y copias con marca de tiempo.

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.

Sustituye el menú reasoning-effort por un deslizador ajustable con arrastre. Incluye 13 efectos canvas en cinco familias (thrust, fluid, fantasy, tech, texture), desbloqueados en tres niveles según el esfuerzo. Custom combina 10 formas de partículas y 8 trayectorias; 9 acentos y un selector hexadecimal recolorean todo. Sonidos opcionales de tecla: dos clips de voz, graznido de pato sintetizado, clic mecánico y archivo local.

Un control nativo de esfuerzo de razonamiento para el compositor: una barra de niveles de azul a violeta con campo de estrellas y un barrido de brillo. Ocupa el asiento del modelo y usa el servicio oficial model-directories, de modo que la escala proviene de la propia declaración de razonamiento de cada modelo y no requiere ningún otro plugin.

Paquete de proveedores de búsqueda SearXNG y obtención multinivel Scrapling para ctx.web de DeepSeek Harness, con protección SSRF y conversión a Markdown.

Limpieza de la unidad del sistema Windows (C:) para DSH: análisis por reglas, cinco niveles de seguridad, zona de preparación con registro de reversión, elevación UAC y migración a otra unidad, mediante una herramienta de modelo y un panel GUI web.

Kit de producción de imagen y vídeo para DeepSeek Harness. Imagen: eliminación de fondo por niveles, retoque local inpainting, composición de titulares/logos, exportación por lotes a tamaños de plataformas e informes QA. Vídeo: recorte AI del sujeto y sustitución de fondo (RVM ONNX o chroma key), títulos animados con presets de fundido/deslizamiento/máquina de escribir/karaoke, 53 transiciones con variantes estilizadas, efectos de luz y color con LUT, inventario, corte preciso, subtítulos incrustados, mezcla musical y exportación según especificaciones de plataforma. Configura Python local mediante un bootstrap script incluido.

Enrutamiento unificado de modelos para DeepSeek Harness: un ModelID lógico sobre varios proveedores con failover en el primer token y cooldown, clasificación de candidatos según su estado de salud, tres niveles (tier1/tier2/tier3) seleccionados automáticamente según el propósito, esfuerzo de razonamiento por candidato y un panel de gestión en la página de ajustes.

Gestor de niveles de esfuerzo de razonamiento para modelos API personalizados, con memoria de preferencias entre sesiones: conmutadores en línea bajo/medio/alto/máx dentro de Ajustes → Modelos, con escritura atómica de la configuración.

A consent-gated personal profile store: people are indexed by name, entries by person and key, and no profile record is read before the current session is authorised. Sensitive entries come back masked unless the user authorises that tier separately; credential-like values are refused at write time. Ages and next birthdays are computed at read time, so asOf restores the answer for a past date, and facts that rot (height, weight, address) carry freshness warnings. Five profile_* tools plus a settings page to browse, edit, delete and revoke grants.

Long-term memory for dsh with defense-in-depth hardening. Two tiers (project `.dsh-memory/` and user `$DSH_HOME/memory/`), each a plain hand-editable JSON file with bounded entries and tags. Writes are atomic (unique temp file + rename, previous revision kept in a bounded history/) and serialized across processes by a per-tier lock with stale reclaim; a disk-revision check refuses lost updates instead of silently overwriting another writer. Memory text is wrapped in explicit untrusted-data boundaries (forged wrappers stripped on write) to blunt prompt injection from remembered content, load-time validation rejects out-of-bounds stores, and symlink escapes out of the tier directory are refused with MEMORY_STORE_ESCAPE. No content-heuristic filtering and no confirmation step, so headless auto-consolidation stays intact. Install: dsh plugin --profile web add github:RocoFish/deepseek-memory.

Mejora de prompts en 4 niveles para la GUI web de dsh: base / standard / professional / system. El nivel system siempre genera un prompt Markdown estructurado con LangGPT; el espacio iterate reescribe una base editable según un requisito opcional.

Compresión de contexto al estilo de un registro de jugadas para sesiones largas de DSH: cada paso pliega los turnos nuevos en un DAG (nodo = posición, arista = corrección intentada). En una fixture de 2000 aristas y nivel L5, inyecta solo una lista activa de ~415 tokens, además de memoria de fallos y detección de posiciones repetidas.

Ejecuta flujos ComfyUI en la nube de RunningHub como un pool de tareas en segundo plano: envía un lote y un vigilante lo distribuye dentro del límite de concurrencia, consulta cada trabajo y descarga todos los resultados al disco. Al vaciarse el pool, reactiva la sesión. Un registro compartido guarda lotes, costes, niveles de instancia, horas de envío y finalización y rutas de guardado por archivo; hay un panel en vivo en la barra lateral derecha.

Panel flotante de curación de Bilibili para DSH: aprende tus intereses según un calendario probabilístico y los atenúa por semivida; selecciona vídeos dentro de un presupuesto de tokens derivado de un límite monetario diario y solo avisa si la puntuación de afinidad supera el umbral. Los comentarios vienen desactivados. Al activarlos, funcionan en modo borrador y confirmación o automático con autoverificación, bajo cuota diaria. Se prohíben comentarios sobre política, gobierno y ciencia de frontera, y se eliminan identificadores de cuenta del texto antes de publicarlo. Inicia sesión con tus propias cookies de Bilibili; se recomienda una cuenta separada para publicar.

Conecta una puerta de enlace Magpie autoalojada y crea una ruta de proveedor por propietario ascendente. El selector estándar muestra grupos como Magpie (Claude) y Magpie (Codex); incluye conmutación automática por varias líneas, tarjetas de uso de solo lectura, reasoning effort predeterminado por modelo, cambio rápido por sesión para modelos de nivel prioritario y Cloudflare Access opcional.

Mixture-of-Agents nativo durante la generación: en cada turno, modelos de referencia procesan en paralelo el mismo contexto de sesión como borradores previos y un agregador ejecuta con todas las herramientas. Incluye recetas de configuración como modelo, vistas F mirror/R trimmed, control obligatorio de subagentes con indexación de sesión de doble forma, visión derivada por receta (referencias con visión transmiten la lectura de imágenes al agregador solo de texto), cadencia por niveles con grupos separados de steering y patrol y reutilización congelada entre beats, filtro que descarta resultados de referencia degenerados y modelos anonimizados en avisos de error, sin identidad del proveedor.

Añade al compositor de DSH una barra con tres niveles de razonamiento (normal, strict, max). El modo loop, exclusivo, tiene tres niveles con 3, 5 u 8 rondas de autorrevisión; un control de revisión contraria se puede sumar a cualquiera. El modelo lee el nivel actual con clarify_tier y forge_level.