Plugins

Generación automatizada de pruebas unitarias: un comando /testgen y una herramienta generate_tests que crean el andamiaje, ejecutan y corrigen las pruebas hasta que pasan (generadores por LLM y por plantillas sin conexión; vitest/jest/mocha/node:test).

Planificación de tareas con memoria muscular de experiencia: recuperación por reflejo condicionado de soluciones pasadas, correspondencia de capacidades con el LLM, y lecciones persistidas automáticamente.

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`.

Task-driven plugin equip engine: dual retrieval (curated rules + LLM semantic), combo scoring (synergy/conflict/cost/trust), conflict detection and install-command export.

Durable citation-thread learning companion for DeepSeek Harness conversations

LLM auto-approval for sandbox escalation requests, with presets and a fail-closed fallback.

Unified LLM request/response inspector: reasoning-effort tuning, external-think export, traffic & bundle analysis.

Multi-agent math problem-solving & verification framework: brainstorm → solver iteration → multi-verifier debate → Verified knowledge base, with checkpoint resume and manual/auto intervention (also ships as an agent preset).

Per-subagent LLM provider/model selection with role templates.

LLM provider that runs the locally installed Claude Code CLI as the model backend, so requests go through an existing Claude subscription instead of a metered API key; native tool calls are bridged over MCP.

Al terminar cada turno del modelo, un LLM genera 3 sugerencias de seguimiento críticas, mostradas como chips que se envían con un clic

Cadenas automáticas de respaldo de proveedor/modelo para agentes de DeepSeek Harness cuando las solicitudes al LLM siguen fallando (reintentos agotados, autenticación, cuota, límite de tasa)

Tarjeta flotante y arrastrable que muestra el saldo/cuota de los proveedores usados más recientemente (DeepSeek/Moonshot/Kimi For Coding): detección automática, niveles codificados por color y actualización en vivo.

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.

Puente de visión nativo del proveedor LLM: las imágenes pegadas en el chat son descritas por un modelo de visión (Qwen3-VL vía pi-ai/llama.cpp) y esa descripción de texto se envía a DeepSeek de solo texto para la respuesta; la admisión de imágenes, el enrutamiento y la compactación pasan por mecanismos nativos del harness, con una caché LRU de descripciones y reintento en 503.

DSH 插件：把网页大模型接入 Agent 工作流——真实浏览器驱动，支持代码审查、翻译、红队等多种角色。

OpenCode Zen free models provider for dsh

Contract regression harness for plugin authors: a scripted LLM adapter drives the real pipeline in isolated child processes with session-event assertions (load/contract/behavior/fault layers); zero API key, CI-ready.

Enhanced ACP server for DeepSeek Harness: block & reasoning streaming, usage telemetry, model/effort switching, permission presets, session resume/archive, per-session MCP servers, and Zed file/terminal forwarding.

Surveys local code and GitHub/npm for reusable implementations before development, evaluates reuse versus rewrite, and checks architecture coupling.

GPT plans dependency DAGs, DeepSeek workers execute tasks with adaptive parallelism, and an optional GPT reviewer audits incremental Git diffs and drives repair rounds.

Adds persistent execution contracts, recursive work graphs, critical clarification, and evidence gates for long or underspecified Harness tasks.

Vision-augmented DeepSeek adapter: a vision-capable model describes image input, then a text-only DeepSeek model reasons over the description.

Faithful port of the hermes-agent MEMORY.md / USER.md mechanism for DSH: bounded dual-bank memory (2200/1375 chars), a single `memory` tool (add/replace/remove/batch), frozen-snapshot injection per session, nudge reminders, DSH-native JSON storage — zero external dependencies, zero LLM cost.