Plugins

Pila persistente de tareas de varios pasos para agentes de DeepSeek Harness: incluye `focus_task`, `focus_complete`, `read_focus` y el comando `/focus`, sin inyección automática de prompts.

Muestra franjas de ocupación del contexto, el umbral de compactación por sesión calculado a partir de la ventana del modelo, el coste por paso según las tarifas de lectura y escritura de caché, aciertos de caché, saldo de DeepSeek con tarifa punta/fuera de punta y transferencia con un clic. No llama a modelos ni consume tokens.

Prompt library stored in the plugin config, with a Settings page and a composer picker: the ticked prompts are injected into every model step of that session, and a subagent inherits the selection of its nearest ancestor session.

Clickable next-step suggestions under every reply; one click sends that sentence as your message.

Registra en un perfil DSH el servidor MCP stdio dsh-mol basado en RDKit y sin acceso a la red. Ofrece 12 herramientas: validación de SMILES en tres niveles con diagnósticos legibles y posiciones, propiedades moleculares, similitud con fármacos y alertas estructurales, dibujos PNG/SVG, cuadrículas de moléculas, conversión entre SMILES, InChI, InChIKey, MOL, SDF y fórmula, estandarización con cambios por paso, deduplicación, búsqueda SMARTS, similitud de huellas y limpieza por lotes que informa cada fila rechazada. El parche solo registra el servidor; hay que instalar antes el paquete Python con las herramientas. README ofrece `pip install` o instalación desde el código; hasta que esté en PyPI, funciona la vía desde el código.

Memoria por proyecto de DeepSeek Harness: en el primer paso de cada sesión del workspace crea PROJECT.md, DECISIONS.md y SESSIONS.md; los relee del disco y solo reinyecta si cambian o la compactación los elimina. memory_checkpoint guarda datos clasificados; aviso final limitado si hubo trabajo sin registrar. memory_read lee el log y el archivo; memory_search busca con BM25 sin dependencias. Tope 200 entradas: excedente a SESSIONS-archive.md, nunca inyectado, pero consultable, buscable y restaurable uno a uno. Ajustes: filtro workspace/ruta, vistas solo lectura, recarga, JSON importar/exportar por workspace, borrado en dos pasos, editar/quitar bloque AGENTS.md y aviso PROJECT.md obsoleto. Chip de sync; clic crea archivos. Sin dependencias, vectores, embeddings ni llamadas al modelo.

Keeps a pool of models and routes every agent step to one of them with its reasoning effort set — configured by clicking in the composer, no JSON needed. The router takes over the composer's model cell, so one control shows the session's model and reasoning effort alongside the router's own settings. Three authorization scopes (model / effort / full) where a manual pick only counts in the scope that owns it, and in effort scope the router is bound to the one model you choose. Task presets with per-model weights, vision routing for image steps, session signals (active todo, context pressure, token budget, subagent depth), and an optional semantic task classifier. Thinking stays on, because DeepSeek rejects a thinking-enabled request whose history contains a tool call made with thinking off.

Conciencia de deriva del workspace para agentes de DeepSeek Harness: detecta cambios externos o del usuario en los archivos y los inyecta en el contexto del agente en los límites de paso.

Personaliza la línea de estado del turno en ejecución de DSH: frases rotativas bilingües, un icono animado de carga configurable (5 estilos x 3 tamaños) y coincidencia con el color del tema activo con un clic, todo en un panel de General-settings, además de un editor de frases seccionado por # Chinese / # English. Sin dependencias, sin paso de build y sin archivo de configuración.

Process management: brings ntd-style processes (multi-stage, multi-step agent workflow templates) into the dsh web UI — browse, edit, validate, import/export and AI-generate processes; the built-in library is read-only while the personal library is writable with live file sync, and agents read the library through process_* tools and advance work stage by stage.

Gestor de sesiones archivadas: una página de ajustes «Sesiones archivadas» que lista las sesiones archivadas y permite restaurar o eliminar permanentemente cada una (confirmación en dos pasos).

Estado de trabajo entre sesiones explícito para DeepSeek Harness: objetivos, decisiones y siguientes pasos capturados automáticamente desde eventos del host o mediante una herramienta work_state visible para el modelo, inspeccionable con /checkpoint.

Añade una pestaña Reading al cliente web DSH que muestra los pasos del proceso y el razonamiento en vivo en orden de origen, colapsa los turnos exitosos a la respuesta final y mantiene intactas las pestañas, el compositor y las herramientas originales.

Indicador circular arrastrable con la velocidad de salida del modelo (tok/s) en vivo y un panel por paso: velocidad exacta, TTFT, aciertos de caché, lectura/escritura de caché, tokens de razonamiento y entrada, modelo y acumulado.

Subidor a GitHub en un solo paso: inicializa git, crea o mejora automáticamente el README, define los temas del repositorio y sube un proyecto local a GitHub.

Gestor de contexto para DeepSeek Harness: resume automáticamente cada turno en registros ordenados por prioridad, los inyecta junto con notas fijadas entre sesiones y texto personalizado en cada petición al modelo, y pliega en resúmenes rangos de conversación real de cualquier tamaño para ahorrar tokens. Persistente y seguro frente a reinicios. NOTA: instalación manual en varios pasos — copia las tres carpetas del paquete en profiles/node_modules y añade las filas proporcionadas de cordis.patch.yml, luego reinicia DSH; no es una instalación estándar de un solo comando.

Añade una pestaña Graph que representa la ejecución de una sesión como un DAG interactivo de turnos, pasos de LLM, herramientas, Skills, subagentes, cambios de código y pruebas, con estado en vivo, agregación de reintentos, ruta crítica y vínculo con la trayectoria.

Formato de salida siempre activo y adaptado al ADHD: una sección del system prompt hace que las respuestas prioricen acciones, con pasos numerados y estimaciones de tiempo concretas. adhd_on / adhd_off / adhd_status mantienen el modo tras reiniciar.

Herramientas Grafana de solo lectura que consultan métricas a través del proxy de fuentes de datos: estado de la instancia, listado de fuentes de datos, consultas PromQL instantáneas y de rango, estado actual de las alertas y reglas de alerta aprovisionadas. Las consultas de rango se reducen a un presupuesto de puntos; un paso indicado explícitamente que lo supere se rechaza en lugar de modificarse en silencio, así que el modelo nunca recibe datos con una resolución que no pidió.

Rastreador de costos estilo terminal de trading para DeepSeek Harness: saldo y gasto de hoy en la barra lateral, tabla de costos en RMB por paso, precios oficiales sincronizados automáticamente con horario punta/valle, resúmenes entre sesiones y por día, atribución por herramienta y previsión de costos.

Espacio de trabajo conversacional para mapas mentales en Markdown: permite editar documentos completos paso a paso, mantener sincronizada la visualización en vivo de la derecha y abrir, administrar y exportar mapas mentales desde el directorio de trabajo.

Plugin de dominio de desarrollo del kernel Linux para DeepSeek Harness (dsh): pirámide de verificación L1-L4 como herramientas orientadas al modelo + gobernanza a nivel de grafo (anti-Goodhart / blind-spot / patch-conflict) + contrato AGENTS.md como sección del prompt del sistema. JS puro, sin paso de compilación.

Estudio de pixel art estilo Aseprite: la IA dibuja sprites trazo a trazo con selecciones, capas, frames de animación, gradientes, simetría y capas de referencia, cada paso renderizado en vivo como frames ANSI de terminal.