Plugins

Preajuste de agente de flujo de trabajo de ingeniería para dsh: cinco fases con puertas (aclaración de requisitos, aprobación del plan, TDD, subagentes paralelos, finalización verificada) con seis habilidades de flujo de trabajo adaptadas de obra/superpowers.

12 habilidades de ingeniería probadas (git commit, revisión de código, test-first, desarrollo de plugins, depuración, changelog, revisión de PR, descomposición de tareas y más): cada SKILL.md pasa un validador de formato alineado con las reglas oficiales de habilidades más una prueba de humo de carga aislada.

Sugerencias de mensajes siguientes conscientes del contexto en el compositor DSH, con ciclismo de activación repetido y revisión explícita del usuario antes de enviar.

Seis skills de ingeniería para Claude Code y DSH: investigación, exploración de arquitectura, coordinación de implementación, revisión de diff en tres ejes, auditoría de complejidad y pruebas de mutación. Delegan mediante las herramientas genéricas de subagentes del host cuando están disponibles.

Muestra qué índice de graft está sirviendo una sesión de dsh y si todavía coincide con el código, y ofrece al modelo graft_ask, graft_grep, graft_callers, graft_skeleton y graft_map como herramientas nativas.

Memoria a largo plazo gobernada para DeepSeek Harness: un registro de evidencias de solo adición con controles de escritura, afirmaciones con 7 niveles de autoridad, cadenas de sustitución e inyección previa a cada paso con presupuesto y cuotas por dominio.

CLI self de Superself como herramientas frente al modelo (contexto de proyecto, unidades de trabajo, informes, decisiones) más un comando /self: estado de proyecto entre sesiones y entre proyectos, mantenido fuera del repositorio de código.

Preset de agente Learning Mode: un agente de codificación que enseña mientras codifica — explicaciones concretas basadas en escenarios, guía socrática y espacios de práctica TODO(你), modelado en el estilo de salida Learning de Claude Code; instalable vía dsh plugin add (dsh-learning-mode en npm).

Config-only DeepSeek Harness bundle that mounts the in-box MCP client bridge against morluto/rea over stdio, for reverse engineering anything with agents, from app behavior down to native binaries.

Full upstream REA 6.4.0 integration over the official DSH MCP bridge: all 170 tools, the version-matched reverse-engineering skill, and the six original MCP prompts with argument completions reachable from the composer / menu, all sharing one REA process and complete structured Evidence. External analysis engines are bring-your-own.

Engineering intelligence for coding agents — persistent, evidence-aware, project-isolated engineering memory with unified hybrid search (memory + RAG documentation) for DeepSeek Harness.

Optimizador de prompts con estructura de agente para DeepSeek Harness: reescribe los borradores del compositor en role/task/context/constraint/format con modos normal, slim y expand, un modal de confirmación con puntuación, continue-optimize y motores local, híbrido, DSH o API en la nube.

Revisiones de asesor que convergen por rondas, un modo de ingeniería cuyas escrituras requieren un token de diseño, escalado de una tarea a un modelo más fuerte y consulta paralela multimodelo; una página de ajustes edita las rutas de modelo, los tiempos de espera y los presupuestos.

Registra la skill fight-scene-director para diseñar escenas de pelea con video IA, portada desde la skill Codex del mismo nombre. Emite prompts estructurados en chino para Seedance 2.0/2.5 y MiniMax H3, además de prompts de imagen para mapa de trayectoria y posición inicial.

Optimizador de prompts en la barra de entrada: reescribe borradores con 6 estrategias × 3 idiomas más instrucciones personalizadas, con opcional objetivo/pendientes/resumen de compactación/resultado de herramienta y contexto del chat, un diálogo de confirmación, historial de los últimos 5 y persistencia de ajustes en tres niveles.

Aprende lo que dejas sin decir en tus prompts a partir de turnos desordenados y de tus propias correcciones, e inyecta las directivas aprendidas en el prompt del sistema de cada nueva conversación; las directivas son editables en Ajustes y un botón del compositor reescribe el borrador actual con ellas.

Agrega contratos de ejecución persistentes, grafos de trabajo recursivos, aclaración crítica y compuertas de evidencia para tareas largas o poco especificadas de Harness.

Prompt optimization, next-sentence prediction, inline completion, and per-session draft stashing for the DSH input box.

Multilingual writing, chunked long-form collaboration and continuity review, with on-demand DSH delegation discovery. Requires Python 3.9+ on PATH.

Settings page for the REA reverse-engineering tool gateway (rea-mcp-lite) that lives in the same repository: tick which tool bundles load into context, see the tool count and token cost of each bundle, hot-swap them without restarting DSH, and check this repository and REA for updates, including classifying the tools a new REA release added. Requires REA (rea-agents) and the gateway registered as the rea MCP server (see repo README).

Context governance for DSH: folds oversized tool results, collapses the tool surface and keeps the prompt cache warm, so long sessions stop getting more expensive.

Locks the model's reasoning, replies and tool-call descriptions to a chosen target language (Simplified Chinese by default) with system-prompt sections at the head, middle and tail of the prompt, offering three strength levels, an auto mode that follows the DSH interface language, a settings panel that shows the language currently in effect, and a sidebar quick switch.

Rewrites drafts with one model call or predicts the next reply when empty; independent tasks, safe draft replacement, result previews, and original-text recovery.

Selección de trituradoras cónicas hidráulicas MACKORN NH/NS y líneas de trituración y cribado: 21 herramientas para requisitos del cliente, modelo/cámara/CSS, configuración de línea, simulación de granulometría Whiten 1972, calibración con mediciones, costes energéticos, diseño de desgaste de revestimientos, evaluación de distribuidores y propuestas de 14 capítulos. Complemento DeepSeek Harness y servidor MCP con stdio y HTTP remoto; sin dependencias.