Plugins

Taller Git estilo IDEA para la Web UI: gráfico con carriles y etiquetas ref, filtros de log, detalles de commit, diff dividido y unificado con staging por hunk, modo de contexto cero, cambios locales con amend y sign-off, historial de archivos siguiendo renombres, anotación por línea, stash, ramas, comparación, tags, planificador de rebase interactivo y resolución de conflictos. Sella el modelo de la sesión activa en un trailer Assisted-by y muestra los trailers existentes como chips para rastrear el historial creado por IA.

Comprueba un registro de cualificaciones de seguridad de obra: horas de formación, los cuatro elementos de registro obligatorios y la validez del certificado de operaciones especiales según las fechas trabajadas.

Memoria de tres capas para DeepSeek Harness: un pequeño bloque central siempre activo y archivos temáticos bajo demanda (profile, preferences, decisions, lessons). Las escrituras incluyen anotaciones de origen y conservan el historial sustituyendo, no sobrescribiendo, para evitar que las preferencias y restricciones del proyecto cambien entre sesiones. Prioridad local: sin base de datos vectorial, servidor ni llamadas salientes.

Evalúa la dificultad del mensaje actual y muestra, encima del compositor antes de enviarlo, el modelo más barato y el esfuerzo de razonamiento que aún lo cubren.

Árbol de fuentes de datos y consolas SQL/Redis al estilo JetBrains Database para DeepSeek Harness, con 15 herramientas de agente. SQL requiere Java 8 o posterior; Redis no.

Visor de grafo de relaciones con forma de cerebro para DeepSeek Harness y un flujo de base de conocimiento Markdown que importa documentos y construye el grafo. Incluye datos de demostración y no necesita Python; reconstruir el grafo a partir de tus notas requiere Node.js 20+ y Python 3.8+ y se ejecuta desde la línea de comandos.

Simulador de debate multiagente en chino: ocho debatientes, debate en vivo a dos columnas y notas borrador, jueces/marcador, relojes de un solo lado, ZIP por ronda. El lado de entrenamiento termina por umbral de tasa de victoria o rondas fijas. Incluye paquete de preparación Word.

Panel claro del conjunto dsh trust: reúne nueve canales (intercepción de injection, denegaciones de escritura, bloqueos egress, verificación de custody chain, deriva de tool-surface/prompt, escaneo residual, restricciones olvidadas en compaction y composición de perfil) en una luz de estado y tarjetas accionables. Los motores read/egress usan deps npm propias y funcionan sin plugins hermanos; los ausentes figuran como not installed.

Integridad de compaction: coteja líneas directive extraídas del rango compactado (marcadores never/must/必须) con el resumen, literalmente o por cobertura de palabras clave. Informa restricciones olvidadas y las registra en ledger JSONL; las fijadas en config se comprueban en cada compaction.

Panel local de escalares TensorBoard: métricas seleccionables, dirección de mejora explícita, suavizado EMA opcional e interfaz chino/inglés. Requiere Python y TensorBoard existentes.

Salida de voz GPT-SoVITS para DSH: herramienta speak y comando /voice, botón de altavoz para leer cada respuesta y pestaña de ajustes para cambiar voces, ajustar síntesis, gestionar el servicio local e instalar un paquete de voz con un clic. Solo Windows; requiere un checkout local GPT-SoVITS con pesos entrenados y su entorno Python.

Reconocimiento estructurado de imágenes: mediciones locales con sharp y un modelo vision en la nube devuelven en una llamada descripción, OCR con coordenadas, ubicación de objetos y atributos detallados. Una caché fingerprint hace que imágenes repetidas se devuelvan en milisegundos sin gastar cuota del modelo.

Fija en el system prompt la restricción de pensar y responder en chino (zh-CN) y registra un recordatorio runtime por paso para evitar volver al inglés tras la salida de una herramienta. Un único archivo y cero dependencias runtime. Si cambia la API del host, usa una segunda vía de registro y solo deja una advertencia.

Convierte una partida guardada de Minecraft Java en portada o animación de Blender. Busca terreno llano en los archivos de región .mca, exporta el terreno a OBJ y ejecuta Blender headless con materiales MCprep, rig de personaje BPS e iluminación de tres puntos. Tras cada render, OpenCV revisa orientación, contacto con el suelo, exposición, iluminación y composición; si falla una comprobación, vuelve a renderizar con parámetros ajustados. Requiere Blender 4.2 LTS o posterior y Python 3.10+ con opencv-python y numpy; la primera ejecución prepara los recursos de Minecraft con el comando incluido.

Vuelve ejecutable una forma filosófica de pensar: dialéctica y pruebas prácticas para controlar alucinaciones y deriva en sesiones largas, de modo que lo terminado sea un hecho verificable, no una afirmación.

Control de la toolchain Gowin (高云) 1.9 FPGA para dsh con 15 herramientas: entorno/licencia, auditoría .gprj/.cst según pines reales GW1N, síntesis y place-and-route por lotes con gw_sh, informes PnR, JTAG/flash con programmer_cli, Tcl gw_sh arbitrario y capturas del analizador GAO. Incluye skill gowin-fpga y tres notas técnicas. JS puro, cero dependencias runtime.

Panel flotante que ilumina los primitivos semánticos de HowNet abordados por la respuesta actual, con un grafo de nodos en forma de cerebro, trazas de canales tipo EEG y una tarjeta de composición.

Dos juegos dentro de DeepSeek Harness donde el modelo aporta la intención y un motor local aplica las reglas: una serpiente de dos cerebros que roba cartas de estrategia periódicamente y ajedrez chino, donde el modelo solo comenta una jugada elegida entre opciones legales generadas localmente. Ambos siguen funcionando si el modelo va lento, está offline o agota la cuota.

Instala una biblioteca de reglas de restricciones de desarrollo autoevolutiva, la expone al agente mediante una herramienta constraints y un recordatorio una vez por sesión, y audita el coste de tokens de IA y el uso de contexto.

Loop de auto-mejora con tres roles/operators: Data-RSI limpia a diario (winsorize→estandarización cross-sectional→median fill) y extrae experiencia; Harness-RSI evoluciona prompt/memory/skills; Model-RSI evoluciona recetas alpha con walk-forward nativo, gap de 2 días y multi-seed. Offline en un comando, GPU auto-detect, un skill.

Colorea las filas de sesión de la barra lateral DSH según su estado oficial con una paleta inspirada en Evangelion: franja azul para esperar interacción, rojo para la sesión abierta en la vista principal, morado para las finalizadas aún no vistas y título arcoíris estático para las fijadas. Los colores se limitan al modo: el oscuro conserva tonos vivos y el claro usa una variante más oscura con contraste 4,5:1 sobre fondo claro. Lee el indicador oscuro propio de DSH y solo usa servicios oficiales de Client: no posee estado, no sondea y no incluye parte del host.

Gobierna la información persistente y restricciones del proyecto del agente: orientación/alcance, ciclo de vida de información/documentos y cambios persistentes en workspace, mediante una sección aditiva del system prompt y comprobaciones deterministas en runtime.

Muestra la cuota OpenCode Go al pie de la barra lateral, debajo de la lista de espacios. Un indicador muestra la ventana más restrictiva; al pasar el cursor aparecen porcentajes de 5 horas móviles, semanal y mensual, barras de uso, marca de tiempo transcurrido, cuota restante y cuenta atrás del reinicio. Actualiza cada 60 s desde la API oficial de uso de OpenCode con la clave ya guardada en las credenciales DSH.

Repara la legibilidad del GUI web DSH según el fondo: eleva tres tokens de texto secundario de bajo contraste con `color-mix` y un halo ajustable. Aplica solo al Markdown de conversación reglas de negrita, enlaces permanentemente subrayados o recoloreados y texto/encabezados tintados; añade efectos de borde arcoíris y relleno degradado ajustables, carga fuentes propias desde la carpeta del plugin o DSH home e incluye vista WYSIWYG arrastrable con indicador de contraste WCAG.