Plugins

Panel de anatomía para los órganos de Agent-Body: sirve un panel de signos vitales en vivo en /anatomy dentro del propio harness (órganos, latido, libro de sanación, contadores de autoentrenamiento y el flujo de pulso real), leído directamente de los archivos de tiempo de ejecución en lugar de reescribirse. Solo host, sin bundle de cliente ni paso de compilación.

Un segundo cerebro autónomo para DeepSeek Harness: captura automáticamente conocimiento de diálogo duradero en una bóveda Markdown local (dedup personalizada, búsqueda CJK, compatible con git), con una base de conocimiento gráfica y un grafo de conocimiento interactivo (filtro de leyenda, coloreado por dimensión temporal, selección por cuadro, fusionar, eliminar, exportar/importar PNG).

Shell de UI móvil para la Web GUI de DSH: convierte el diseño de tres columnas de escritorio en un diseño telefónico táctil (cajones superpuestos, FAB arrastrable, diálogos a pantalla completa, historial con desplazamiento infinito) bajo un viewport de 1024 px, sin impacto en el escritorio. - PWA móvil completa para DSH, construida sobre dsh-mobile-gate: pasarela de acceso remoto seguro más instalación en la pantalla de inicio (manifest + service worker), capacidad sin conexión, gestos táctiles (deslizar para actualizar, deslizar desde el borde para retroceder, zoom de fuente con pellizco), notificaciones push de agente completado y diseño táctil primero — escritorio sin afectar.

OMK — Observe. Measure. Know. Cambios de conocimiento respaldados por evidencia para aplicaciones de IA.

RAG de base de conocimiento bibliográfico local: 10 herramientas (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), búsqueda híbrida BM25+vectores+reranker, QA con citas y enlaces DOI clicables, embeddings bge totalmente locales sobre un índice SQLite de un solo archivo. Requiere Python 3.9+ con pymupdf, faiss-cpu y sentence-transformers; el instalador `npx dsh-kb-rag-install` los configura y predescarga el modelo.

Contexto de red de conocimiento empresarial para DeepSeek Harness: vincula una sesión a una red de conocimiento OpenBKN, consulta sus objetos y métricas mediante herramientas MCP gestionadas y abre procedencia respaldada por trazas (hechos de ejecución y un grafo de negocio) para cada respuesta. Se distribuye con OpenBKN Runtime; las vistas de procedencia requieren una licencia empresarial de OpenBKN.

Analiza el uso entre modelos, proveedores, espacios y periodos, con fechas personalizadas sobre todo el historial, cache-hit visible y desgloses por modelo y proveedor. Incluye tendencias horarias/diarias, mapa de calor de 53 semanas estilo GitHub, rachas, anillos de tokens por modelo y espacio (tokens, coste, %), filtros combinables, eficiencia de caché, saldo DeepSeek, alias de espacios, exportación CSV, y un libro mayor duradero que conserva el uso tras eliminar la sesión o el espacio (fila Deleted) y se reconstruye de forma incremental. El registro de espacios se refresca vía sonda DSH domain/changed; solo se cuentan espacios registrados. Contabilidad separada de entrada, caché y razonamiento. Chino: hora local; inglés: UTC; API solo loopback.

Puente al ShiGuang Memory Engine (SGME): memoria compartida a largo plazo multiagente vía HTTP, con destilación L0/L1/L1.5/L2, inyección basada en escenarios, búsqueda unificada y señales proactivas de atención (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), instalable como `dsh-sgme`.

Plugin de DeepSeek Harness que convierte los juicios de Jev en tres acciones automáticas — podar la salida de herramientas sobredimensionada a los segmentos relevantes para la solicitud, filtrar las páginas obtenidas en busca de instrucciones dirigidas al modelo y elegir qué skill encaja con el siguiente paso — además de las herramientas jev_ask y jev_gate, un libro de juicios que sobrevive a los reinicios y un informe /jev-status. Requiere una clave de API de TypeSafe; sin ella queda inerte y no envía nada.

Mascota de escritorio dibujada a partir del contorno oficial de la ballena, para la app de escritorio y la UI web: animaciones SVG y expresiones faciales que siguen el estado del agente (pensando, trabajando, hecho, error, esperando confirmación), y puede seguir otras sesiones en ejecución con una insignia de recuento; pínchala, arrástrala, agítala hasta marearla, aplástala contra el borde de la pantalla o pasa el cursor por su cabeza para acariciarla; 7 paletas, 4 tamaños, sonidos sintetizados, sincronización con tema claro/oscuro y una vista previa web jugable.

Bucle de auto-refinamiento continuo: memoria persistente, revisión y refinamiento periódico, conocimiento compartido entre sesiones y reversión automática mediante la herramienta harness_refine invocable por el modelo.

Base de conocimiento en un lienzo en la barra lateral derecha: las notas son nodos y 9 herramientas permiten al modelo leerlos, escribirlos, enlazarlos y eliminarlos. Los nodos admiten imágenes y documentos; al leerlos devuelve el texto y extrae archivos Office en el acto. Las imágenes se pueden entregar como imágenes.

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.

Skill de revisión de código basada en plantillas: flujo de revisión en cinco pasos, clasificación por severidad (crítica/media/menor), puntuación en cuatro dimensiones (calidad, seguridad, rendimiento, mantenibilidad), salida dual en texto y HTML, y base de conocimiento de referencia bajo demanda.

Banco de diseño lateral: HTML en lienzos con marco de dispositivo, se actualiza al cambiar y proxya servidores locales con hot reload. Clic/arrastre envía selector, archivo y estilos; extrae diseño, ajusta pantallas/CSS, genera React/Vue/Next.js/HTML y compara píxeles. Seis herramientas: `preview_page`, `check_design`, `look_design`, `extract_design_system`, `handoff_design`, `compare_design`. `check_design` mide pantallas reales en Chrome/Edge local oculto: detecta contenido tapado, errores de script, assets ausentes, enlaces rotos y problemas de contraste/tamaño con archivo y línea CSS; captura los graves. Design mode para nuevas sesiones, con interruptores por parte en Plugins. En acceso remoto, diseños locales van en sandbox frame.

RAG de base de conocimiento de literatura local para DSH: recuperación híbrida BM25 + vectorial sobre un índice SQLite, reordenación con cross-encoder, respuestas citadas con procedencia a nivel de sección y página, actualización solo de metadatos e ingesta en segundo plano con sondeo de progreso.

Capa de integración nativa DSH para el motor de memoria Minta: compone la fila oficial dsh-mcp-client, registra la skill minta-memory-governance más un precalentamiento de memoria al inicio de la sesión, e incluye un preset de agente Minta; requiere el motor Minta desplegado por separado (Python/Docker) para proporcionar las 19 herramientas MCP — no utilizable sin él.

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.

Búsqueda en Zhihu, herramientas de agente, bases de conocimiento y seguimiento de uso para DeepSeek Harness.

Base de conocimientos de propósito general para DSH: importación de md/txt/json/yml/docx/pdf, gestión de carpetas, búsqueda de texto completo FTS5 (BM25) y una interfaz de administración web.

Puente Windowseat para DeepSeek Harness: un plugin anfitrión local expone un endpoint loopback HTTP/SSE para que la extensión lateral de Microsoft Edge incluida lea la página actual, busque archivos locales y se comunique con DSH. La extensión Edge está en el mismo repositorio y debe cargarse por separado. Requiere Windows 10/11 y Edge de escritorio.

Banco de trabajo para escribir novelas en DeepSeek Harness: marcas pulgar arriba o abajo en pasajes candidatos y el modelo los destila en un perfil de preferencias breve que se aplica a las llamadas de redacción posteriores mientras el manuscrito queda fuera del contexto de redacción. Añade un tablero de capítulos, paquetes de escritura por capítulo, revisión acotada por anotación que reescribe solo el párrafo anotado y verifica el resto byte a byte, un libro mayor del proyecto y comprobaciones locales de ritmo.

Añade un panel de ajustes multiusuario al cliente web de DSH: selección de modo de uso, gestión de miembros con estado en línea y vinculación de dispositivos, y cambio o compartición de las bases de memoria y conocimiento por miembro.

Base de conocimiento de equipo para compartir conocimiento sin conexión (escenario FDE box): puntos de entrada de navegación, búsqueda de texto completo y refinamiento; la materia prima se pone en cola automáticamente y se destila en páginas wiki mediante una sesión de bot en serie (patrón Karpathy LLM Wiki: materia prima inmutable, refinamiento en dos pasos, flujo de registros, lint mensual).