Plugins

Preajuste de agente de flujo de trabajo de ingeniería para dsh: cinco fases con puertas (aclaración de requisitos, aprobación del plan, TDD, subagentes paralelos, finalización verificada) con seis habilidades de flujo de trabajo adaptadas de obra/superpowers.

Memoria en texto plano entre sesiones: recall de palabras clave BM25 deterministic (sin embeddings), herramientas memory_save/list/search/confirm/forget tras una puerta human-confirm, y almacenes JSON globales y por proyecto que siguen tu repo git.

Archivo entre sesiones: workbench, timeline plegada, linaje de subagents, búsqueda full-text, resúmenes rule+LLM, exportación ZIP y seguimiento en vivo. La página de sesión incluye turn rail, panel derecho acoplado (modo en vivo, fijado a la sesión original al cambiar), renombre sincronizado, resumen final y chip de estado persistente (idle / active / tool-wait / stalled). En dsh v0.1.2+ se fusiona con TurnNavigatorRail: chips vectoriales para duración, tool calls, errores y thinking, más distribución lazy de tools en la vista previa. El clic derecho abre el workbench; la barra piano-key está activa por defecto, delega turns no cargados al auto-load oficial y la rail oficial puede ocultarse por completo. Ajustes con 10 parámetros.

Enrutamiento determinista por palabras clave, cambio de modelo mediante lista de permitidos y un canal aislado de image_gen para DeepSeek Harness.

Analiza, consulta, agrega y convierte CSV (RFC 4180) con un parser de máquina de estados sin dependencias.

Disyuntor para turnos inactivos del agente: observa agent/assistant-stream y cancela un turno que produce solo razonamiento — sin texto y sin tool call — tras 45 s, tras 80000 caracteres de razonamiento, o ante un patrón de repetición degenerado (unidad repetida exacta, repetición de plantilla oracional, repetición dispersa o densidad de 6-gramas). Al dispararse, inyecta una instrucción continue que exige que la siguiente acción sea un tool call, e incluye 11 casos de regresión y ajuste por cada umbral.

Informes de deriva de comportamiento para sesiones de DSH: compara dos registros de sesión e informa de la alineación de secuencias de herramientas, la mezcla de herramientas, el volumen de razonamiento, los tiempos, los reintentos y los archivos objetivo, con una puerta opcional de umbral en CI. Cero dependencias.

Motor de persona para DeepSeek Harness: un config.json rige el nombre propio de la IA (por modelo y nivel), cómo te llama, su postura relacional, el texto de carácter, contratos de trabajo por ítem con interruptores, el idioma de la cadena de pensamiento y el tono de respuesta, y memoria a largo plazo condicionada a confirmación humana: la IA solo añade candidatos, una línea de confirmación los activa, y el registro solo admite añadidos y es reproducible. Las entradas confirmadas se inyectan como bloque citado de datos, no de instrucciones; las etiquetadas con un kind van a archivos arbitrarios y no llegan al prompt. El prompt se reevalúa desde disco en cada ensamblado: las ediciones aplican sin reiniciar. Presets: instantáneas JSON compartibles. Sin dependencias, red ni shell.

Vista de uso y coste para DeepSeek Harness: agrega el uso real de tokens de los registros de sesión existentes, fija cada coste al precio de la fecha de su evento y muestra el gasto del mes y de hoy frente a un presupuesto desde una tarjeta de la barra lateral o una píldora en la barra de entrada.

Puerta de enlace Feishu/Lark para DeepSeek Harness con conversaciones persistentes por tema, tarjetas de ejecución en vivo, entradas de imágenes y archivos, aprobaciones y preguntas en el chat, listas de permitidos de origen y tareas de agente duraderas de una sola vez o recurrentes creadas en lenguaje natural.

Pipeline de desarrollo guiado por especificaciones para Odoo: 15 herramientas llevan una petición desde una spec inmutable, pasando por la arquitectura, hasta código de módulo o configuración en vivo, y luego exigen un veredicto persistido respaldado por evidencia de una instancia real de Odoo, con puertas fail-closed, lotes aprobados por humanos en un entorno declarado, el importador CSV/Excel propio de Odoo y un diario que revierte los datos escritos por el plugin.

Adaptador de LLM sin servidor de FriendliAI para DeepSeek Harness: finalizaciones de chat compatibles con OpenAI, con descubrimiento dinámico de modelos y soporte de razonamiento.

Modelos gratuitos de Kilo Gateway y OpenCode Zen para DeepSeek Harness (DSH) mediante adaptadores nativos dsh-llm.

Bucle de retroalimentación de lint sin configuración para JS/TS, Python, Go y Rust: herramientas lint_diagnostics / lint_workspace_errors / lint_fix impulsadas por el propio eslint / biome / ruff / golangci-lint / cargo clippy del repositorio (autodetectados desde archivos de configuración, con node_modules/.bin local del repositorio resuelto primero y nada empaquetado), además de un delta de hallazgos posterior a la edición inyectado automáticamente en el evento fs/observed del harness y una puerta de finalización acotada — editar → lint → autorreparación con una sola llamada a lint_fix para los agentes dsh.

Memoria entre sesiones para DeepSeek Harness con gobernanza, autoevolución y una vía de escritura con aprobación. Recuerdo clasificado por calor, convenciones de entorno, ciclo de vida del olvido, cadenas de sustitución, defensa contra envenenamiento, autodestilación y una medición abierta.

Puerta de frescura para las afirmaciones del agente sobre pruebas, typecheck, lint y compilación: cada ejecución de verificación se convierte en un recibo en tools/post-execute, se rastrean las ediciones de archivos y, en agent/turn-stopping, una afirmación cuyo último recibo esté obsoleto, falle o no tenga resultado legible impulsa un paso más nombrando el recibo y los archivos editados desde entonces.

Flujo de trabajo de publicación de contenido de la Cuenta Oficial de WeChat en seis etapas, con herramientas de control de calidad y una habilidad incluida.

Guardia de disciplina del agente para DeepSeek Harness: cuatro puertas aplicadas en el límite del harness — disyuntor de bucle, fusible de costo de tokens, advertencia de cambio de ruta, aprobación de plan — donde los recordatorios a nivel de prompt no llegan, para que un agente ya no pueda quemar una cuota semanal en minutos; chip 🛡 de un clic, umbrales recargables en caliente y preajustes de invisible-pero-blindado a solo advertencia.

Puerta de precios en horas pico/valle de DeepSeek Harness: durante las horas pico (días laborables 09:00-12:00 / 14:00-18:00 hora de Pekín) cada envío pide confirmación, con opción de silenciar el recordatorio para el segmento pico actual o poner en cola el mensaje para horas valle (mitad de precio).

Canalización de escritura con IA para cuentas oficiales de WeChat: ejecuciones de artículos en seis pasos (tema, esquema, borrador, controles, renderizado, imágenes) con un contrato de brief de lanzamiento, un tablero de temas de actualidad con resúmenes de IA por elemento, programación RRULE hacia la caja de borradores, una interfaz de banco de trabajo además de herramientas de chat y un comando /wewrite, y aprobación del host en modo fail-closed antes de cualquier envío a la caja de borradores.

Preset de agente que convierte objetivos multi-etapa en flujos reanudables: etapas con árbitro, identidad de bloqueo SHA-256, puerta de revisión de terminal firmada con HMAC y registros de ejecución event-sourced; incluye 15 agent tools.

Corrección de compactación para pasarelas qwen3.8-27b alojadas en NInfer: desactiva el razonamiento en las llamadas de compactación de contexto y de título de sesión de dsh para que el razonamiento xhigh deje de consumir todo el presupuesto de salida; la misma idea se aplica a otros métodos de lanzamiento, pero este paquete es solo para NInfer.

Exige una aprobación puntual del usuario antes de que se ejecuten las herramientas configuradas (por defecto bash, pwsh): las herramientas con barrera se detienen y preguntan, todo lo demás delega, y un canal de aprobación ausente falla en cerrado.

Orquestación de tareas de desarrollo basada en configuración para DSH: flujos de trabajo en grafo (nodos de tarea/puerta de enlace/persona) con persistencia por etapa, además de un asistente de IA en el editor que configura flujos de trabajo mediante conversación con validación en vivo. Pasa documentos a los nodos como adjuntos genéricos (sin necesidad de declaración): los archivos aterrizan en el espacio de trabajo de la tarea y ${inputs.附件} devuelve las rutas absolutas unidas por saltos de línea, de modo que un nodo los analiza con su propio prompt.