Plugins

Radar de plugins DSH por estrellas. Lista plugins con 3.000+ estrellas GitHub o 100k+ descargas npm en 30 días; tras bajar de rango, siguen visibles 180 días por defecto para encontrarlos meses después de su auge.

Edición local de color de vídeo con LUT DJI Log ajustadas a la cámara, altas luces y sombras independientes, controles opcionales de piel y color selectivo, vista previa de fotogramas y exportación HEVC de 10 bits. El tarball universal listado no incluye runtime: al primer inicio, «configure environment» descarga por HTTPS un runtime fijado (Python 3.12 + FFmpeg 9, ~100 MB) o permite indicar Python 3.10+ y FFmpeg/ffprobe 8+ propios. Los releases con sufijo de plataforma incluyen el runtime.

Herramientas Agent que descargan vídeos de Bilibili, los transcriben con whisper.cpp local y crean notas Markdown estructuradas con el LLM de DSH; PDF opcional. Solo Windows. Si faltan, descargan dependencias al directorio de datos: yt-dlp.exe y ffmpeg.exe (versiones GitHub/gyan.dev), whisper.cpp x64 de GitHub y un modelo de ~547 MB desde hf-mirror. La exportación PDF invoca Edge/Chrome instalado localmente. Dos herramientas: video_to_notes y note_to_pdf. JS puro, sin API key adicional.

Traducción PDF para DeepSeek Harness mediante una cuenta connector de yiyide.cc. Sus 12 herramientas cubren autorización, carga con preflight por página, vista previa de 3 páginas, cotización, confirmación que bloquea los puntos/créditos de traducción, consulta del trabajo, confirmación de calidad y descarga local del PDF traducido o bilingüe.

Añade un botón Download PNG junto al botón de copiar mensajes del asistente en la interfaz web de DSH.

Menú de tres puntos en el encabezado de sesión: descarga el log, cambia cada transcripción entre Normal y Verbose y define qué expande Verbose (bloques de razonamiento, llamadas a herramientas y salida del terminal).

Skill DSH: descarga por lotes PDF de texto completo para una lista de DOI/títulos mediante un navegador real, con el acceso institucional del usuario (CARSI/SSO/VPN del campus) y rutas de acceso abierto. Paquete dsh instalable para que la skill llegue a todos los agentes.

Proxy de descarga para DeepSeek Harness: registra tools como dsh_download; los archivos del extranjero usan el motor proxy incluido (suscripción autónoma o proxyUrl explícita) y los nacionales conexión directa. Incluye sha256, límite de tamaño, detección de bloqueo y fallback automático si falla la conexión directa, además del panel Ajustes → Proxy de descarga.

Clasifica plugins DSH por descargas mensuales reales de npm, no por estrellas de GitHub, y señala los que la clasificación por estrellas infravalora. Informa del desacuerdo entre ambos órdenes, no emite un veredicto único de calidad. Cada cifra se lee en tiempo real del endpoint público de descargas de npm, no de una captura guardada. Otra dimensión compara la versión de tools declarada en peerDependencies con la que se ejecuta aquí, para señalar en vez de recomendar plugins populares que este Host no puede instalar. Solo GET de lectura; no tiene ruta HTTP propia.

Panel de entregas en la barra lateral DSH: indexa cada imagen y archivo enviado al harness (adjuntos por contenido y rutas locales con @), reconstruye el historial de Taildrop por dispositivo a partir de llamadas `tailscale file cp` en los logs, lista archivos entrantes (bandeja Tailscale y archivos sin marcar en `~/Downloads`) y permite enviar otros desde el panel con estado en línea y progreso de carga.

Esfera de escritorio 44x44 siempre visible para DSH que refleja la actividad real del agente (pensando, buscando, obteniendo páginas, error o esperando entrada) y muestra una insignia de exclamación o interrogación cuando una tarea termina o necesita respuesta mientras no estás. Solo Windows; descarga su propio runtime Electron al primer uso.

Reescribe comandos de herramientas pwsh y bash mediante `rtk rewrite` y ejecuta el equivalente compacto; si rtk falta o no tiene equivalencia, usa el comando original. Incluye instalador `/rtk install` con verificación de checksum.

38 herramientas para que el agente controle el navegador integrado de la barra derecha de DSH: abrir/navegar, leer texto, elementos interactivos y árbol de accesibilidad; clic, completar, seleccionar, marcar, teclas y desplazamiento; cambiar el tamaño del marco arrastrando la esquina (el marco estrecho muestra el diseño móvil mediante reflujo adaptable); captura/ página completa/PDF/Markdown, extracción JSON, descarga, cookies y registros por paso con reproducción y lista de acciones permitidas. El `web_search` integrado sirve SearXNG propio por túnel SSH, con Tavily y navegador real como alternativas. El proveedor Fetch reintenta URLs GitHub bloqueadas mediante espejos medidos y detecta el charset de la cabecera para decodificar GBK/GB2312.

Búsqueda bibliográfica de CNKI de solo lectura para DSH. Cuatro herramientas MCP (search/detail/export/status) controlan tu propio Edge/Chrome mediante un puente de mensajería nativa. No descarga PDF; intervalo mínimo de 3 segundos y límite de 300 acciones al día. Para que aparezcan las herramientas, instala `pip install wensu`, ejecuta `wensu setup` y carga la extensión del navegador.

Importa al iniciar en DSH wallpaper engine los fondos recién descargados por la app Hao Wallpaper, de forma incremental e idempotente. Requiere Hao Wallpaper, Python 3.8+ y tener instalado primero `dsh-plugin-wallpaper-engine` (elysia395/dsh-wallpaper-engine). Compatible con macOS y Windows.

Plugin de DeepSeek Harness para entornos en contenedor sin acceso al sistema de archivos local: mediante el navegador ofrece botones de descarga en vez de “Show file location”, un atajo “Show files” y un editor de archivos Monaco en la barra lateral.

Guard pre-ejecución: el predicado tools.guard decide allow/ask/refuse según el preset de permisos para comandos shell peligrosos (evadir git hooks, rm catastrófico, download-and-run, reescritura de historial git) y ediciones de rutas de credenciales o archivos no leídos en el turno; devuelve al modelo el motivo y una alternativa viable.

Pool de rutas salientes DSH: 15 seeds + 20 candidatas, 7 tipos. Verifica antes de usar con handshake TLS y cadena completa (TCP solo puede dar por sana una IP muerta); cooldown tras fallos 2/5/15 min y ruta sana más rápida por tipo. Reescribe URL con 4 reglas (prefix/registry/index/host-replace) para git/pip/npm/pnpm/gh/curl/wget por shell bash (solo descargas que ejecuta el modelo; no pwsh/host/renderer), tools line_pool_status/line_pool_run o child-process spawn. Conserva saltos de línea y cambia solo el segmento download. Nunca reescribe user:token@host; no envía tokens a mirrors ni modifica config global. Panel: latencia/error/cooldown, retest/activar por ruta, estado TUN/proxy mediante network-adapter y loopback. Revalida candidatas cada 24 h.

Tres compañeros chibi incluidos, con burbujas y leve rebote, recuerdan pausas, agua, sesiones largas y noches tardías. En la página no requiere descargas; la ventana macOS opcional necesita un helper Electron descargado aparte.

OCR de PDF escaneados compuestos solo por imágenes a Markdown. Como un libro tarda aproximadamente una hora, guarda un checkpoint por página para reanudar una ejecución interrumpida; el log muestra el progreso y el informe de calidad señala páginas vacías y líneas de baja confianza. Requiere Python 3.10+ y `pip install -r requirements`; la primera ejecución descarga el modelo OCR.

Notas de reunión para dsh: una reunión por conversación, transcrita y separada por hablante en el propio equipo, con puntos clave, asignaciones, notas manuscritas, revisiones y puntuaciones mensuales en el mismo panel. Exporta SRT/Markdown/Word y crea un zip portable que otro dsh puede importar. Las asignaciones confirmadas se envían a DingTalk/WeCom con un clic según la configuración del robot. Los modelos de reconocimiento se pueden cambiar e importar desde archivo; el reconocimiento cloud está desactivado por defecto y no se solicita sin consentimiento. Word requiere Python y python-docx; la primera ejecución descarga un modelo (28 o 77 MB).

Hace que el modelo vea realmente un vídeo: ffmpeg local extrae imágenes fijas con marcas de tiempo y faster-whisper transcribe el audio, para que el agente lea píxeles reales fotograma a fotograma en vez de confiar en un resumen textual. Todo es local y no se sube nada; indica claramente si el audio no contiene voz. Solo Windows; requiere Python 3.10+ y ffmpeg. La primera ejecución de video_eyes_setup descarga unos 700 MB (faster-whisper y su modelo).

Búsqueda y descarga de imágenes en múltiples fuentes (14 motores + 7 alias: Baidu, Bing, 360, Duitang, Huaban, Iconify, DuckDuckGo, Yandex, Openverse, Wikimedia, Pixiv, Wallhaven, Konachan y Safebooru). Guarda las elegidas en el workspace de sesión con meta.json por archivo y las muestra en la conversación; incluye CLI independiente.

Convierte audiolibros MP3 en inglés y documentos en lecciones auditivas. Transcribe localmente cada frase con el modelo de voz ya descargado por la entrada de voz DSH (unos 241 MB; se obtiene en el primer uso si falta; requiere ffmpeg); el modelo DSH corrige y explica. Practica con escucha a ciegas/intensiva y repetición espaciada; exporta doblaje chino. Incluye voces Kokoro offline, panel lateral y cuatro herramientas IA.