Plugins

Recuperación semántica, gestión de recursos, autorrecuperación (espacios duales de usuario + agente) y memoria de sesión para DeepSeek Harness: memsearch/memfind/memread/membrowse/memgrep/memglob sobre URIs viking://, gestión de recursos memadd/memremove, estado de observador memqueue, captura de sesión memcommit y generación de guías de habilidades memlearn.

Añade un preajuste de permisos `auto` entre workspace-write y danger-full-access: un clasificador concede una vez las escalaciones rutinarias del sandbox, mientras que las solicitudes peligrosas o inciertas siguen pasando a un humano.

Puente de dispositivos HarmonyOS: bucle de automatización de UI con hdc (capturas, instalación, logs, fallos) con read_image, conocimiento de API versionado priorizando lo oficial (SDK .d.ts + documentación sin conexión), y un carril de build/firma/lint con la CLI de DevEco.

Automatización de navegador (Playwright) con vista en vivo, un servidor MCP que expone los agentes de DSH a cualquier cliente MCP, y herramientas de revisión de issues/PR/webhooks de GitHub.

La compactación automática primero escribe una nota de relevo: al acercarse la sesión al umbral de tokens, pide al modelo guardar un checkpoint del proyecto en el workspace y, opcionalmente, inicia una sesión nueva con una instrucción para continuar y aparca la anterior. La nota debe escribirse dentro del ciclo de compactación actual y cambiar realmente su sección de conclusiones, para impedir que pase un archivo obsoleto o solo tocado.

Compañero de IA persistente para DSH que explora Bilibili, interactúa con controles de permisos y evoluciona mediante recuerdos vitales basados en evidencias, intereses cambiantes, emociones simuladas, relaciones sociales y tareas autónomas.

Integración mcp-unity de un solo disparo para DeepSeek Harness: servidor MCP incluido sin configuración manual permite al agente controlar el editor de Unity mediante 34 herramientas: escenas, objetos de juego, transformaciones, materiales, prefabs, elementos de menú, modo de juego, pruebas y registros de consola, con reconexión automática.

Empareja tus modelos y presupuestos de tokens con cada rol, y luego deja que DSH delegue subagentes especializados según el tipo de tarea. Cubre análisis de arquitectura, UI/UX, implementación de código, exploración de la base de código e investigación de documentación, con configuración automática más esfuerzo de razonamiento y permisos de herramientas por rol.

Un segundo cerebro autónomo para DeepSeek Harness: captura automáticamente conocimiento de diálogo duradero en una bóveda Markdown local (dedup personalizada, búsqueda CJK, compatible con git), con una base de conocimiento gráfica y un grafo de conocimiento interactivo (filtro de leyenda, coloreado por dimensión temporal, selección por cuadro, fusionar, eliminar, exportar/importar PNG).

Suite de agentes de investigación: control de objetivos a largo plazo con cadenas de evidencia auditables, programación cron, equipos multiagente de expertos, memoria de investigación autoevolutiva (FTS5 + RRF) y una UI de espacio de trabajo personalizada.

Panel de anatomía para los órganos de Agent-Body: sirve un panel de signos vitales en vivo en /anatomy dentro del propio harness (órganos, latido, libro de sanación, contadores de autoentrenamiento y el flujo de pulso real), leído directamente de los archivos de tiempo de ejecución en lugar de reescribirse. Solo host, sin bundle de cliente ni paso de compilación.

Motor de contexto Zero-residence: los payloads grandes de herramientas se expulsan del contexto activo a un almacén consultable y solo quedan punteros deterministas, de modo que los tokens de prompt por turno dejan de crecer con la transcripción. Cualquier contenido enmascarado se reconstruye literalmente desde el registro de la sesión a petición, por id de llamada de herramienta o seq de sesión.

Núcleo de órganos de Agent-Body: plugins organizados como un solo cuerpo. Cada comando se vuelve un impulso nervioso que inerva de forma determinista el órgano competente y nombra la capacidad a usar; un latido de intervalo variable bombea directivas del operador, propiocepción y avisos de homeostasis por el sistema; los reflejos se disparan sin llamadas al modelo; los fallos siguen atribución determinista (herramienta, argumentos, permiso, timeout, red), prescripción y bucle de reverificación, y los errores de argumentos nunca se reintentan. Un órgano ausente lo compensa el de mayor solapamiento de capacidades, y los esquemas de herramientas se filtran por la intención actual (reducción medida del 84.7%, reproducible en el repo). Es el paquete de plugins núcleo del repo agent-body.

El órgano de memoria de Agent-Body: tras 2 minutos de silencio entra en sueño ligero y tras 5 en sueño profundo, donde reglas deterministas destilan la experiencia real en tarjetas de memoria (trampas, manuales, puntos calientes, problemas sin resolver, hechos). Los comandos entrantes recuperan tarjetas relacionadas por palabra clave y las inyectan en el contexto; las tarjetas sin uso decaen con una vida media y se archivan en lugar de borrarse. También elimina el ruido de las advertencias de homeostasis de todo el cuerpo: las repeticiones dentro de una ventana se cuentan en vez de reimprimirse, y una advertencia que se repite sin curarse converge en un desfase de estado estacionario conocido y se silencia. La consolidación y el recuerdo no hacen llamadas al modelo.

Gobernanza de plugins: los plugins nuevos/actualizados se preparan primero en un área de candidatos y luego se montan en caliente tras el arranque: el éxito promueve, el fallo desactiva automáticamente, los fallos repetidos congelan, modo seguro con un clic y panel de diagnóstico en la barra lateral (npm: dsh-my-guardian).

Fiabilidad de tareas: reintento automático ante tiempos de espera o fallos del modelo, continuación automática de tareas inacabadas, verificación de finalización, interrupción de bucles de pensamiento, reanudación tras suspensión o reinicio, modo piloto automático y endpoint de activación remota (npm: `dsh-task-reliability`).

Facturación de caché por llamada dentro del popover del medidor de contexto: totales del paso, la ronda y la sesión actuales, con tokens y cantidades de aciertos / fallos / salida; precios automáticos de hora punta y valle en Pekín, tarifas por modelo y facturación también de relés de terceros.

Rastreador inteligente nativo de IA y plataforma de ingeniería inversa de JavaScript, basado en DSH, Patchright/CDP y un entorno de ejecución semántico independiente, que recupera la lógica de generación de parámetros a partir de evidencias del navegador y entrega un solver verificable.

Compresión automática de contexto para DeepSeek Harness: comprime las salidas de herramientas antes de que lleguen al modelo y mantiene cada compresión con pérdida reversible mediante herramientas de recuperación CCR.

Asistente de entrada de DSH para predecir el siguiente mensaje, autocompletar borradores y pulir/reescribir prompts. Las sugerencias son locales a la sesión; Tab las inserta en el borrador sin enviar. Requiere un modelo configurado y las llamadas pueden tener coste. Código disponible; las modificaciones requieren permiso previo por escrito.

Envuelve la CLI local de GitHub (`gh`) en herramientas para agentes: pull requests, issues, ejecuciones de Actions, búsqueda de repositorios y llamadas a la API sin procesar. Añade los comandos slash `/gh status` y `/gh help`, además de dos paneles web: un centro de control global de repositorios y otro del espacio de trabajo por sesión.

Bucle de auto-refinamiento continuo: memoria persistente, revisión y refinamiento periódico, conocimiento compartido entre sesiones y reversión automática mediante la herramienta harness_refine invocable por el modelo.

Cerebro DeepSeek + transcripción automática de imágenes: adjunta imágenes en la GUI y cada una se transcribe mediante el modelo oficial deepseek-v4-flash-vision-exp por defecto (un cerebro V4-Pro puramente textual puede ver imágenes), con cualquier VLM compatible con OpenAI u Ollama local como alternativas.