Plugins

Acceso a bases de datos desde DeepSeek Harness mediante el servidor MCP DBHub: configura conexiones MySQL, MariaDB, PostgreSQL, SQLite y SQL Server por workspace y entorno; el agente configura, lista, consulta y busca objetos SQLite con cuatro herramientas fijas. Contraseñas y cadenas completas solo se introducen en Settings UI, nunca como argumentos de herramientas; el modelo ve únicamente metadatos como mysql://host:3306/db. Cada entorno puede ser de solo lectura (el modelo puede activarlo, pero no quitarlo) o accederse por túnel SSH manual. Cada llamada ejecuta un proceso dbhub breve e instala dbhub si falta.

Kit de recuperación y planificación para el sitio de tutoriales de modding Minecraft BeiShan Besson: 7 herramientas para buscar 194 tutoriales indexados, planificar rutas de aprendizaje, comparar entornos de versión y obtener el texto del artículo.

Permite que web_fetch funcione con Clash/mihomo en TUN y fake-ip: deja pasar la comprobación de dirección pública a 198.18.0.0/15, fdfe:dcba:9876::/64 y 2001:2::/48, aunque normalmente se rechazarían; loopback, privadas y link-local siguen bloqueadas. Sin variables de proxy ni cambios en Clash.

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.

Núcleo: envelope, firma, handshake, idempotencia y almacenamiento en disco.

Ejecuta una instrucción en todas las máquinas Windows y macOS conectadas, entre redes y regiones. Un relay sin dependencias se comunica solo mediante conexiones salientes (Tailscale, VPS público tras TLS o túnel). Cada máquina ejecuta el comando en su propio checkout y devuelve commit, fingerprint del árbol de trabajo y hash del comando; una discrepancia de entorno se marca como no verificable, no como resultado distinto. Enviar trabajo requiere un operator token separado del device token de cada máquina.

Usa el subsistema WSL como entorno de ejecución de sesiones de DeepSeek Harness: shell, lectura/escritura de archivos y comandos se ejecutan dentro del subsistema; el selector de carpetas y la terminal gráfica también usan sus rutas. bubblewrap dentro de WSL aísla los comandos.

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.

Plugin de selección automática de nivel de razonamiento para DeepSeek Harness (DSH): el modelo Jev System One decide cuánto pensamiento merece cada mensaje, la escala se deriva de los niveles declarados por el modelo, un sobre de contexto permite que preguntas de seguimiento como «continúa» hereden la profundidad del tema, la baja confianza se redondea hacia arriba y cualquier fallo mantiene el nivel original. | Esfuerzo de razonamiento por mensaje impulsado por Jev: escalas por modelo derivadas de lo que cada modelo declara, sobre de contexto de tamaño fijo para que los seguimientos hereden la profundidad del tema, empates resueltos hacia arriba y fallback silencioso en todo error.

Entornos de ejecución por proyecto para DeepSeek Harness: adopta o crea automáticamente un venv de Python local al proyecto (.venv_local/python) y conecta las cadenas de herramientas y variables de entorno de los runtimes que usa cada proyecto (python venv / node / go): python y pip siempre resuelven al proyecto, nunca en silencio al Python del sistema.

Automatización de escritorio de Windows para DeepSeek Harness: bucle observe/act con prioridad de accesibilidad y 30 herramientas estándar (objetivos de elemento/coordenada, enrutamiento de estrategia auto/a11y/evento), semántica de seguridad de observaciones reemplazadas y sin replay, interruptor de apagado persistente, protección contra obsolescencia RuntimeId/rect-drift, tarjetas de chat y panel flotante (operaciones en vivo, muro de frames, ajustes de autodetección de entorno), descripción de visión en mosaico para modelos de baja resolución, registro de auditoría JSONL y lista permitida de pid. Requiere Windows 10+ y Python 3.9+ con uiautomation y pillow (instalables desde la página de ajustes).

Gestor de entornos uv nativo de DSH: crea, sincroniza y ejecuta virtualenvs de Python desde la pestaña de settings, con fallback a pip, visibilidad de solo lectura de conda y vista previa de sincronización del proyecto en modo dry-run.

Añade una herramienta net_doctor que informa del entorno de proxy, de NODE_USE_ENV_PROXY y de la accesibilidad de la DeepSeek API y del registro npm, y define NODE_USE_ENV_PROXY en los procesos hijos de bash y npm.

Cuarto preset de permisos para dsh: sesiones sin restricciones y con GPU (danger-full-access) con aprobación del usuario por operación para escrituras fuera del espacio de trabajo o en rutas protegidas (.git/**, .env*); implementado solo como un bundle sobre el hook ask oficial tools/pre-execute, sin editar el núcleo.

Descubrimiento de plugins de dsh impulsado por requisitos y recetas de entorno: plugin_guide relaciona necesidades en lenguaje natural con un directorio curado de plugins con razones y comandos de instalación; recipe instala setups completos (通知全家桶, 安全审计套装...) a partir de bundles comunitarios con planes ordenados.

The judgment layer for DeepSeek Harness plugins: attribute why a plugin silently disappeared, judge a candidate against your exact environment, and keep a capability ledger. Offline, read-only, evidence-first.

Registers one tool, report_health, that answers whether a scheduled report job actually ran. It judges by side effects rather than exit codes: how old the newest report folder is, how many documents it holds, whether more than one report category is present, whether the audit ledger was synced recently, and how long ago the last log was written. Exits nothing, calls no model, and reads only local paths you can override by config or environment variable.

Self-narrative memory in five budgeted segments (800 chars, not a full context): a first-person note the model writes to itself, a profile of you aggregated from approved facts, environment facts kept separate from who you are, heat-ranked conclusions, and habits. Every injected fact is traceable to a fact id and can be retired; the profile can be edited by hand, and self-notes stay plain lines you can clear. Facts fade by use and time without ever changing their credibility. Preference-like lines you say are auto-detected as candidates (never auto-approved), with conflicts kept side by side. Recall over past conversations with citations, an incremental index that only decodes newly appended frames, a pointer-required warm layer, a doctor that says which part is broken, a heartbeat proving injection is alive, and export/import so the whole thing moves to another machine.

Usa hosts SSH y distribuciones WSL como espacios DSH remotos, configura el entorno, migra la configuración de modelos e integra localmente la interfaz remota.

Flujo para libros escaneados: OCR a aproximadamente 5 veces la velocidad de ONNXRuntime (requiere Python 3.10+ con pymupdf, rapidocr, openvino y numpy); después genera un informe de estructura y un plan de lectura por capítulo antes de abrir el PDF.

Datos locales de desarrollo para Harness: comprobaciones del entorno y estado de ejecución, git status/diff/log/commit, instantáneas al escribir con restauración versión por versión y verificaciones del proyecto para Node, Python y Go.

Registra Brave como proveedor de web_search. Obtiene la API key del DSH credential store, de $DSH_HOME/.credentials.yaml o del entorno. No incluye tarjeta de ajustes ni motor alternativo: realiza una solicitud a Brave Web Search API por búsqueda.

Registra un proveedor QwenWork (千问办公) que reutiliza el inicio de sesión local del cliente de escritorio. Ejecuta un puente compatible con OpenAI, limitado a loopback en 127.0.0.1, y traduce las solicitudes de modelos de DSH al protocolo conversacional de sobre de control estilo ACP que usa realmente el servicio ascendente.

Panel 护航 en la cabecera de sesión para activar/desactivar el watchdog local dsh-guard y ver si el escaneo está habilitado, si el guard está activo y cuándo escaneó por última vez. El watchdog Python se despliega aparte y se localiza con DSH_GUARD_ROOT. Ruta predeterminada Windows: D:\AI\Projects\dsh-guard; configura la variable para otra ubicación.