Plugins

Servidor MCP de espacio de trabajo GitHub (dsh bundle): 23 herramientas MCP para repositorios, issues, PR, revisión de código y búsqueda; sin dependencias de runtime y con autenticación PAT/OAuth.

Revisión de código adversarial desde varias perspectivas: lentes paralelas de corrección, seguridad y mantenibilidad examinan un diff, con clasificación determinista de gravedad, reglas de supresión e historial incremental.

Panel de Git y GitHub para el perfil web de DSH: stage/unstage/discard/diff, ramas, commit, push/pull/sync, historial, explorador de archivos, tablero de workflow y OAuth de GitHub para crear PR.

Sincronización Git de ajustes y perfiles de DSH guiada por políticas, con proyecciones que protegen secretos, revisión de conflictos y controles de aplicación por línea.

Registro de trabajo entre sesiones basado en eventos: registra, sigue y cierra tareas con historial de auditoría completo, exportación kanban y un resumen del tablero inyectado en cada turno del modelo.

Planificación de ejecución persistida en disco para DSH: máquinas de estado de hitos y pasos, control de dependencias y flujo de eventos de auditoría, con una puerta de finalización determinista mediante herramientas dsh, CLI o skill.

Preset de orquestación para el cerebro principal: persona que prioriza la delegación, puerta de ejecución de la sesión raíz y skill de reglas AI-LAW portátil.

Orquestación declarativa de DAG de tareas para DSH: valida grafos de dependencias, ejecuta en paralelo capas topológicas mediante subagents basados en workflow y propaga los fallos de forma determinista.

Herramientas de flujo de trabajo para el binario local aflare: generan, validan y ejecutan DAG YAML deterministas y locales primero (recuperación de fallos WAL, compensación Saga) mediante el binario local. Incluye más de 300 plantillas.

Paquete de skills de taller documental: cuatro Agent Skills basadas solo en prompts que convierten un código base en README, descripciones de PR, changelogs y revisiones de código. Se instala en dsh mediante una fila de plugin dsh.bundle.

Skill para empaquetar DeepSeek Harness como aplicación de escritorio Tauri 2 (macOS + Windows): guías de instalación para ambas plataformas, arranque con espejo de China y centinela de tiempo límite de subagent, receta de herramientas Windows sin permisos de administrador ni VS Build Tools y listas de aceptación por tres rutas.

Preset de scaffold para proyectos DSH: guía estricta de inicialización en 5 fases, estándares de ingeniería y seis plantillas iniciales ejecutables (node-ts / react-vite / python / go / spring-boot / monorepo).

Kit de inicio para DeepSeek Harness: bienvenida, ruta de aprendizaje 0→1, recomendaciones de plugins por escenario y lista de autocomprobación, junto con el repositorio tutorial chino dsh-handbook-zh.

Publica un documento HTML como enlace compartible que se abre con un toque y se previsualiza como tarjeta en apps de chat; publica, actualiza y exporta a PNG/PDF/Word.

Voz dúplex en tiempo real con ASR/TTS de streaming de Volcengine: narración de respuestas del agente, interrupción, palabra de activación, subtítulos en vivo, 30 voces chinas y acuse que prioriza la respuesta. Se compila en el monorepo de DSH.

Entrada de voz para la Web UI: botón de micrófono en el compositor que transcribe el habla al borrador mediante Web Speech API, con opción para activar el envío automático.

Añade visión a modelos solo de texto: la herramienta describe_image delega imágenes a un modelo de visión de la lista de modelos dsh mediante el propio runtime LLM del harness.

Permite que un agente DeepSeek solo de texto lea imágenes en la misma sesión delegando en un subagent con visión; convierte la imagen en una ruta al enviarla.

Cliente HTTP puro que delega tareas repetitivas de texto y visión (OCR, análisis y comparación de imágenes) a un servidor Unsloth Desktop (Unsloth Studio) ya en ejecución mediante unsloth_run y unsloth_vision. Nunca inicia ni controla procesos.

Delega tareas repetitivas de texto y visión (OCR, análisis y comparación de imágenes) a un servidor KoboldCpp (llama.cpp) local mediante koboldcpp_run y koboldcpp_vision, con gestión bajo demanda del ciclo de vida del servidor.

OCR local para imágenes adjuntas mediante el motor integrado de Windows (Windows.Media.Ocr): solo se envía al modelo el texto reconocido, nunca los bytes de la imagen; el paso directo de visión es opcional (opt-in).

OCR local para imágenes adjuntas mediante Tesseract: solo el texto reconocido se envía al modelo, nunca los bytes de la imagen; el paso de visión es opcional.

Añade visión a modelos solo de texto: un modelo de visión describe automáticamente los adjuntos de imagen del chat con un prompt predeterminado y vuelve a analizarlos con prompts generados por el modelo si faltan detalles. Incluye modos de modelo system/custom, panel GUI, manejo seguro de claves y un pequeño parche del host para DSH 0.1.0-rc.6.

Lectura de imágenes en dos niveles para modelos solo de texto: primero OCR local rápido y sin conexión con RapidOCR; después, como alternativa, un modelo de visión mediante modlens.