Plugins

Memoria de proyecto para dsh con integración nativa del sistema de tareas: los todos de sesión y las lecturas de archivos se condensan automáticamente en registros de tareas entre sesiones (enlaces tarea↔archivo), de modo que los flujos de trabajo son conmutables y reanudables sin recontextualizar. Memoria en tiempo de lectura (sin escaneo previo): extrae símbolos de código, resume documentos y enlaza documentos↔símbolos; mejora semántica opcional para TS (activa automáticamente si TS está instalado). Las notas de experiencia se desduplican automáticamente. Cada recuperación incluye una cita trazable. Solo JS, una dependencia, funciona listo para usar, operación silenciosa, cero sobrecarga.

Motor cron residente en el host con un tablero web de trabajos y una herramienta timer_agent: dispara sesiones reales del agente según lo programado, continuando una sesión fijada para mantener contexto o iniciando otras nuevas en un espacio de trabajo del proyecto elegido.

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).

Habilidad de memes de comentarios en vivo (barrage) destilada de 22.771 mensajes reales de la sala de transmisión 6657: bromas al estilo wanjiqi, memes cruzados de CS y DOTA, burlas a jugadores y comentarios de retransmisión.

Preset modo experto DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordinador jefe + 17 subagentes con delegación automática. Funciones: taskboard (estados pending/ready/running/done/failed, DAG dependencias, reclamación atómica, reintento, recuperación), puertas calidad (pipeline 5 etapas: requisitos, implementación, verificación, revisión, integración; 2 reelaboraciones), Five-Anchor (revisión/convergencia/anti-deriva/colaboración/recursos), Near-distance (plantilla identidad/tarea/salida), divulgación progresiva (~28% ahorro tokens), persistencia, bus P2P, revisión cruzada, pool experiencia, vía rápida, auto-reintento. 17 expertos: datos, redacción, legal, PM, frontend, UI/UX, arquitecto, social, growth, fin. cuant., backend, DevOps, BD, QA, seguridad.

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.

Convierte documentos locales en markdown y texto en una base de conocimiento consultable con búsqueda híbrida semántica y por palabras clave, verificación de citas e inyección de fuentes.

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`.

Análisis detallado de uso y coste por modelo, con estadísticas de uso por sesión y consultas de uso para GLM, MiniMax, OpenCode Go, DeepSeek y más.

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.

UI harmonizer para DeepSeek Harness: normaliza la UI oficial sin terminar o auto-contradictoria, reconcilia conflictos de estilo entre plugins instalados y unifica el lenguaje visual mediante tokens de diseño oficiales, con ancho de chat, tamaño de fuente markdown, escala del espacio de trabajo, pila de fuentes UI y tarjeta de columna central redondeada personalizables en vivo desde Configuración → General; bundle dsh solo del cliente, coste cero del modelo, sin lado del host, extraíble sin residuos.

Reductor de resultados de herramientas consciente del contenido: 13 reductores recortan la salida excesiva por significado en tools/post-execute (se conservan las pruebas fallidas, se elimina el contexto de diff, se muestrean JSON y CSV, los problemas de lint se agrupan por regla, los marcos de pila de dependencias se colapsan y los directorios saturados se contabilizan), volcando los originales completos al disco tras un localizador.

Grafo de conocimiento de código local-first para agentes de codificación: 10 herramientas MCP para compresión de contexto por capas, planificación DAG, indexación incremental de AST, volante de habilidades entre sesiones, diagnósticos e importación/exportación de artefactos del grafo.

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.

Proporciona bases de conocimiento locales y remotas con recuperación con alcance de proyecto y sesión, escritura controlada de vuelta y una consola de gestión Web integrada.

Facturación de caché por llamada dentro del popover del medidor de contexto: totales del paso, la ronda y la sesión actuales, con tokens y cantidades de aciertos / fallos / salida; precios automáticos de hora punta y valle en Pekín, tarifas por modelo y facturación también de relés de terceros.

Renderiza bloques de código Mermaid como diagramas SVG con soporte de streaming, cambio entre diagrama/código, zoom y paneo en pantalla completa, exportación SVG y un runtime empaquetado del mismo origen.

Pliega los turnos completados en sus conclusiones finales, separa el razonamiento de la prosa con un divisor, y permite saltar entre turnos desde un raíl acoplable a izquierda o derecha con marcas de línea o punto, un anillo opcional y resúmenes al pasar el cursor; puede ocultar el TurnNavigator del borde derecho del host, cargar historial anterior y abrir un issue de diagnóstico prerellenado.

Descubre los complementos de DSH instalados con etiquetas, detección de solapamientos y compatibilidad, activación/desactivación con un clic, diagnóstico de fallos y comprobación de actualizaciones.

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.

Herramienta de shell Git Bash para Windows: ejecuta comandos a través del bash incluido con Git for Windows, con tiempo de espera, sandbox, truncamiento de salida y trabajos en segundo plano, reemplazando la lenta herramienta pwsh y la herramienta bash exclusiva de WSL.

Capa de pulido de la Web UI para DeepSeek Harness: normaliza la UI oficial inacabada o contradictoria, resuelve conflictos de estilo entre los complementos instalados y unifica el lenguaje visual mediante tokens de diseño oficiales; ancho del chat, tamaño de fuente de markdown, escala del espacio de trabajo y tipografía de la UI personalizables en vivo.

Kit de estilo css-in-js (styled / Token / Styling) para la UI de conversación bifurcada: consume los tokens de diseño oficiales --dsw-*, por lo que no se necesita ningún paso de precompilación de CSS Modules.

Modo de compromiso de red team: envía un nombre de organización objetivo y una sesión de planificador ejecuta un equipo de cinco roles (reconocimiento, triaje de activos, descubrimiento de vulnerabilidades, explotación, pivote interno) con hasta tres agentes concurrentes, con preflight de habilidades y recursos y pidiendo primero claves o VPS faltantes; los hallazgos van a una base de hechos SQLite local con marcas de tiempo, visibles en una consola lateral persistente (mapeo de activos con línea de tiempo, roster de agentes, estado de sesión/túnel, cadena de ataque de cinco etapas, objetivos de puntuación, un informe que detalla cómo se obtuvo cada puntuación —acciones, comandos exactos, origen de credenciales, comandos de túnel— y una base de conocimiento POC/EXP por categorías) …