Plugins

Long-term memory for dsh via a local Hindsight service: each turn is retained with local timestamps and relevant memories (time-aware, reranked) are recalled into context before replies; each workspace binds to one memory bank, several workspaces can share a bank, and banks can have Chinese names; what gets retained is configurable (default: user messages and AI replies); history is imported only when you choose to; includes a three-step setup page with one-click local deployment (uv + Python 3.12), a sidebar status card and a panel to browse and search memories. Needs a SiliconFlow API key for the default embedding and reranker models; only Linux is verified so far.

Counts agent steps and, every N of them, adds a progress-report instruction to the batch that is about to be sent, so the agent states what it is doing, what it finished and what comes next, then carries on without stopping for you. Interval, prompt text and a main-agent-only default are editable in its settings page.

Plugin ligero de fuentes y temas para DSH: selectores de fuentes latina, china y de código que solo muestran familias instaladas; y 5 paletas oficiales (One Dark Pro, Dracula, Nord, GitHub, Catppuccin) aplicadas con tokens oficiales, incluidos los colores de sintaxis de bloques de código. No incluye fuentes ni requiere dependencias o compilación. Requiere DSH 0.2.0-rc.2 o posterior.

Tarjeta con efecto de vidrio para mostrar cuotas y saldos de varios proveedores en el pie de la barra lateral de DSH. Incluye 11 proveedores, entre ellos StepFun, Xiaomi MiMo y Claude, con inicio de sesión en el navegador con un clic; también muestra el crédito de Step Plan. Se instala desde el marketplace dsh-plugin (tema de GitHub "dsh-plugin").

Añade una biblioteca de modelos 3D en su propia pestaña de conversación, donde los agentes guardan modelos creados con scripts de CadQuery o proporcionados como mallas teseladas; la biblioteca los previsualiza con three-cad-viewer, los organiza en carpetas y los exporta a 10 formatos, incluidos STEP, BREP, STL y DXF.

Empareja al ejecutor en marcha con un modelo revisor más potente mediante llamadas advisor() sin parámetros y comprobaciones de patrulla por pasos, devolviendo guía de plan, corrección o parada.

Estilo de salida Concise de un clic para DeepSeek Harness: resultados primero, sin relleno, misma profundidad de trabajo. Cada respuesta final abre con una tarjeta de resumen en lenguaje claro (selecciona texto para copiar), acotada por sesión, funcionando también en headless/CLI, con comando /concise, sobrescrituras style.md y una API local. Los enlaces y rutas de archivo dentro de la tarjeta de resumen se muestran como chips clicables: las URLs abren, los archivos locales abren con la app predeterminada del SO (v0.9+). Un recordatorio de contrato pre-generación por paso (v0.11.2+) corrige de forma medible las omisiones en respuestas tipo auditoría/tabla.

Seguimiento del progreso de sesiones en DeepSeek Harness sin revisar registros: el agente mantiene una lista anidada y ponderada, desde fases hasta pasos, para que el anillo y el porcentaje reflejen el avance real. Al pasar el cursor se ve la actividad; la pestaña Session Progress muestra objetivo, lista con pesos, próximos pasos y notas. Al terminar, queda como registro de lo realizado.

Después de que el llm-retry oficial (n/5) se rinda, sigue reintentando fallos transitorios de la API (timeout, transporte, límite de tasa, 5xx, SSE interrumpido) en el mismo paso abierto hasta tener éxito, cancelar o pausar; AUTH, QUOTA y el Stop del usuario nunca se reintentan.

Reanuda un turno del agente que terminó tras narrar su siguiente acción sin llamar a ninguna herramienta: el guard reejecuta el log del turno en agent/turn-stopping, hace una única pregunta de verdadero/falso a un modelo juez y dirige el mismo turno a ejecutar un paso más.

Plega las filas de Think y de llamadas a herramientas en una píldora resumen flotante con recuento de fallos en rojo, para una vista de chat más limpia y amigable para redactores.

Grupo independiente de comandos con barra en el compositor de la interfaz web: /steer inyecta texto en el siguiente paso del agente sin interrumpir el turno, /new inicia una sesión vacía, /skill y /docs envuelven /steer con tareas de habilidades o documentación posteriores al turno, y los alias personalizados de /steer se configuran en Ajustes.

Ejecuta pipelines de AItelier desde DSH sobre MCP: 39 herramientas (22 de lectura, 17 de escritura) para generar, ejecutar, inspeccionar, editar, exportar e importar pipelines SkillFlow multi-paso. Los pasos se ejecutan en AItelier en lugar de en la sesión DSH y se sondean por run_id, pausan en checkpoints impuestos por el motor respondidos con answer_checkpoint, y dejan rastros por paso y salidas de paso para leer después; add_provider / map_model / edit_role apuntan un rol individual a un endpoint local o más barato. Agrupa una habilidad aitelier-pipelines.

Busca en la biblioteca curada de proyectos de IA en GitHub de AIGC Radar (admisión de 500 estrellas, etiquetas bilingües zh/en, instantáneas de crecimiento de estrellas) mediante su endpoint MCP con tarjetas de resultados nativas; un listener de agente/pre-paso sugiere proactivamente una comprobación de reutilización antes de que el agente escriba código.

Visualización del saldo de cuenta de múltiples proveedores para la GUI web de DeepSeek Harness. Consulta las API de facturación reales (DeepSeek, StepFun, Kimi Coding, OpenRouter, MiniMax, xAI) y muestra el saldo/cuota delante del selector de modelo. Los proveedores sin un punto de facturación a nivel de API recurren a una visualización con desplazamiento manual.

Analítica de ejecución de sesión: pasos, llamadas a herramientas, fallos, acciones repetidas, uso de tokens y señales de verificación, presentados como informes en texto/Markdown/JSON.

Layered long-term memory for DeepSeek Harness: each turn injects a persona frame plus a relevance-ranked memory index while full transcripts stay on disk and are expanded on demand, so the vault never floods the context window. Facts are slot-keyed, so a changed mind retires the old value instead of recalling two contradictory answers. The persona frame is derived from memory by the model itself, behind three anti-pollution gates (rejecting development chatter, blocking echoes of its own injection, and merging restatements by shared content words). Periodic consolidation merges near-duplicates, rolls long topics into digests, and archives low-value old entries by tagging only — raw text is never deleted. The append-only store is compacted in place (measured 4.7 MB to 355 KB). Zero third-party dependencies, no build step. Note: per-turn injection inevitably lowers prompt-cache hit rates, so this plugin is not recommended for work scenarios.

Separate font slots for content, code and terminal text, plus an interface font, an interface-size stepper and an inline-code size stepper, with line-height and letter-spacing controls. Typography only — it never touches colour.

Diagnoses third-party LLM API endpoints from the sidebar: a four-layer check (DNS/TCP/TLS, key and model, a real streaming conversation, then timed repeat runs) reporting time-to-first-token, output speed and success rate, with every failure attributed to the step it stalled at and the byte count that actually left the machine. 37 provider presets, no model names hardcoded.

Archivo de anuncios compartido por varias sesiones de agentes en una máquina. Es texto plano y los agentes solo añaden contenido. Antes de cada step, una sesión recibe las entradas aún no vistas; una sesión nueva recibe las que siguen vigentes y las entradas se reenvían si se compactó el contexto.

Ejecuta una pasada determinista de enrutamiento de skills por cada instrucción del usuario, para consultar el catálogo antes de que responda el modelo. En el host puntúa el catálogo activo con las palabras clave de la instrucción y sus metadatos, sin llamar a un LLM ni a embeddings. Añade un solo mensaje etiquetado por productor al step: lista ordenada por defecto, cuerpo del SKILL.md ganador al superar el umbral o instrucción de llamar exactamente una vez a un router skill indicado. El plugin no interviene ante instrucciones no relacionadas.

Provider de navegador para DeepSeek Harness: ejecuta tareas web paso a paso en un navegador real, viendo una tabla indexada de acciones posibles en vez de HTML o capturas. Cada paso usa una decisión Jev, no un turno completo del modelo; el benchmark del repo da 1,1 s de mediana frente a 2,8–3,6 s por turno de chat-model. La conversación recibe solo la conclusión y no acumula contexto de página. Elige elementos de la página recién leída y la vuelve a leer si cambia. Usa el navegador propiedad de Session y deja intacto tu Chrome habitual salvo que actives attach mode.

Memory-assembly team for DeepSeek Harness: every message triggers a five-step cognition loop (judge, retrieve, assemble, feedback, calibrate) carried by role-playing subagents (judge, retriever, archivist, advocate, editor, scribe), using BM25 retrieval, time-ordered material, and LLM assembly to build useful material packs injected into linghun. Works with dsh-linghun.