Plugins

Agregación de modelos gratuitos para DeepSeek Harness (dsh). Registra el provider freeroute sobre cuotas upstream gratuitas (OpenCode Zen / B.AI / OpenRouter / SenseNova integrados, además de catálogos remotos y gateways personalizados) con failover transparente.

Plugin DSH autónomo con 21 herramientas de gobernanza del ciclo de vida, todas de solo lectura: clasificación de tareas; validación de estado, plan y pruebas; precomprobación y agregación de puertas; auditorías de lanzamiento e instalación; análisis de contexto y progreso; ruta crítica; conciliación al reanudar; y vista previa de cambios que siempre deniega la ejecución. Se instala desde npm como `@240xu/dsh-tech-lead`.

Barra de estadísticas de Composer para DSH Web UI: tarifas oficiales en CNY con franjas punta/fuera de punta sincronizadas, contabilidad por modelo, temporizadores activos, unión del árbol de subagentes, saldo DeepSeek, alertas de presupuesto y estimación del coste en streaming.

Descubrimiento, evaluación, clasificación por niveles y enrutamiento de subagentes de modelos adaptativos para DeepSeek Harness.

Enrutamiento de modelos gratuitos para DeepSeek Harness (dsh): descubre modelos gratuitos de OpenRouter, aplica el mejor modelo gratuito como predeterminado del agente y rota automáticamente al alcanzar límites de tasa; la configuración de pago no se toca salvo que se solicite.

Habilidad de investigación de productos: analiza mercado, tecnología y cadena de suministro, y luego genera propuestas de especificaciones de producto en tres niveles.

Saldo de la cuenta de DeepSeek y seguimiento de costes de modelos con la tarificación oficial de horas punta/valle, facturación de tokens en tres niveles (fallo de caché, acierto de caché, salida), desgloses por modelo y por sesión, una barra de resumen en el compositor con detalles al pasar el cursor, exportación a CSV y un panel de ajustes.

Enrutamiento de modelos por niveles para DeepSeek Harness: niveles think/build, delegación a visión (el modelo de visión solo describe imágenes; el modelo de trabajo actúa), generación de imágenes y una protección de alto impacto.

Guarda de permisos con autoaprobación: un nivel intermedio entre workspace-write y danger-full-access — permite automáticamente las operaciones seguras dentro de los directorios de confianza y siempre pide confirmación humana para las destructivas, con 11 interruptores por categoría y un registro de auditoría.

Puerta de escritura por compromisos: reglas redactadas por el operador aplicadas antes de ejecutar una llamada a herramienta — un nivel de guardia determinista más un nivel de juez LLM, fail-closed por defecto, y cada bloqueo se registra en un registro de contradicciones.

Menciona un servidor con @ en una sesión de DeepSeek Harness y ejecuta comandos en él por SSH, tras una puerta de aprobación de dos niveles que falla de forma cerrada (fail closed).

Una lista de plugins elevada para los ajustes web de DeepSeek Harness: niveles de confianza, grupos colapsables y detalle completo por plugin

Protocolo de colaboración multiagente independiente del proyecto para DeepSeek Harness: guardas de bucle que detienen bucles descontrolados, un formato de traspaso de seis campos, enrutado de revisión por niveles de riesgo y una secuencia fija verify→commit→push→review→close. Una skill en lugar de las mismas reglas copiadas en las instrucciones de cada agente.

Agrupa señales de arXiv, laboratorios de primera parte, artefactos oficiales, fabricantes de hardware y X con consentimiento en paquetes de evidencia de versión, y condiciona la reproducción a nivel de afirmación a comandos, artefactos, métricas y verificadores.

Enrutador de modelos de dos niveles para DeepSeek Harness: enrutamiento con LLM-Judge, cadenas de respaldo multimodelo, conmutación por error con retroceso exponencial y orquestación a nivel de tarea (adaptación a DSH de pi-shift-router)

Un nivel de permiso intermedio para DeepSeek Harness entre workspace-write y danger-full-access: aprueba automáticamente comandos inofensivos y operaciones dirigidas a áreas de confianza configuradas, más allá del espacio de trabajo actual.

Scheduled daily toast popups summarizing yesterday's conversations and managing two-tier pending TODOs.

Keep conclusions alive across context compaction: the model writes a task checkpoint and the plugin re-injects it into the system prompt's first node — the span compaction never touches, so it survives any number of compactions. Four-tier injection (0/95/175/≤12000 chars) scales with session relatedness; checkpoints live in the plugin's own folder, never in your workspace.

Drives the OpenCode client already installed on your machine through its loopback opencode serve API, so its free-tier models work in DSH — the child process starts on first use, and OpenCode executes no tools of its own: a call it proposes is handed to the DSH tool of the same name and run there, or refused when there is no equivalent. No API key is needed.

An Auto toggle next to the model selector that schedules reasoning_effort per request: complexity is scored by a MiniMax/OpenAI-compatible model with a zero-dependency heuristic fallback (fallbacks not cached), effort ladders adapt to each model real effort list (low/high/max, low/high/highx/max/ultra, ...), heavy tool calls upgrade the tier within the same session, the lit button and reply badges show the effort actually used, and every decision plus observed token usage lands in a JSONL ledger. A standalone-button fork of imkingjh999/dsh-adaptive-effort; do not install it and the original in the same profile.

Switch OpenAI models between Codex-style Responses WebSocket transport and SSE from the composer, inheriting DSH provider settings with an optional priority-tier toggle.

Five-tier reasoning protocol injected into the system prompt — off / light / standard / deep / multi-agent, 0 / 3 / 9 / 17 / 19 rules — with the tokens each tier adds per request shown beside it. Alongside it: a claim ledger that marks a load-bearing claim with no evidence or check as unsupported, read-only analyst briefs, JSON-declared custom tools that work in the same turn, one persistent PowerShell session, and re-injection of host context after a configurable message gap. Tier 0 injects nothing and mounts no tools. A derivative of husongan/dsh-deepseek-2027 (MIT); do not install both — each injects its own reasoning-protocol section into the system prompt.

Runs an approved OpenSpec change to completion while the model stays a mechanical forwarder: a bundled Python CLI computes the ticket DAG frontier, claims tasks atomically, prepares one git worktree per assignment, and returns exact actions. The session delegates each action with the DSH subagent tool and reconciles the completion notice against a hash-bound receipt produced by re-running verification commands on a clean, advanced HEAD, so free-text "done" never counts. Runtime scope changes are plain tasks.md edits. Requires Python 3.10+ on PATH and a git project that uses OpenSpec.

Measures one university department's research output: matches author affiliation strings against a college's known name variants (detecting same-named departments at other universities), backfills papers that only name the university by faculty author IDs, classifies each paper by journal tier (CAS partition with Top flag, JCR quartile, CCF, Chinese core via a CNKI export merger), splits staff from student first authors, and writes a workbook with a dashboard sheet, a filterable paper list, a teacher-by-direction matrix and per-teacher statistics. Student authorship is inferred from affiliation and staff lists, not verified against enrolment records. Requires Python 3.9+ with pandas and openpyxl (pip install -r requirements.txt); papers come from the OpenAlex API, whose free per-IP quota is limited, and Chinese-journal coverage needs a manual CNKI export.