Plugins

Integración de Feishu (Lark) para DeepSeek Harness: 25 herramientas para mensajes de chat e historial, documentos en la nube (incluidas páginas de base de conocimiento, gráficos e imágenes generados), registros de bitable, rangos de hojas de cálculo y permisos de Drive, usando tu propia app de Feishu empresarial de creación propia.

Plugin local de base de conocimiento personal SAG para DeepSeek Harness

Agent a nivel de proyecto autoevolutivo para DeepSeek Harness: 16 habilidades de flujo de trabajo SDD (aclaración, PRD, incidencia, codificación, localización, aceptación, revisión) además de memoria y conocimiento de proyecto que se acumulan con el tiempo.

Incorpora a DSH la base de conocimiento de código de langchain-ai/openwiki: crear, leer y actualizar el Wiki del repositorio con un clic, tarjetas Grounded Claims con fuentes rastreables y una base de proyecto desde archivos locales subidos. Reutiliza el modelo ya configurado en DSH, sin otra clave API.

Gestor de base de conocimiento local para agentes DSH: importación multiformato, fragmentación con soporte CJK, búsqueda híbrida vectorial sqlite-vec + BM25 con rerank bge-reranker-base, instantáneas, exportación/importación kbpack y búsqueda entre KB — 22 herramientas de agente y un panel web.

Automatización de escritorio de Windows para DeepSeek Harness: bucle observe/act con prioridad de accesibilidad y 30 herramientas estándar (objetivos de elemento/coordenada, enrutamiento de estrategia auto/a11y/evento), semántica de seguridad de observaciones reemplazadas y sin replay, interruptor de apagado persistente, protección contra obsolescencia RuntimeId/rect-drift, tarjetas de chat y panel flotante (operaciones en vivo, muro de frames, ajustes de autodetección de entorno), descripción de visión en mosaico para modelos de baja resolución, registro de auditoría JSONL y lista permitida de pid. Requiere Windows 10+ y Python 3.9+ con uiautomation y pillow (instalables desde la página de ajustes).

Servidor MCP que busca en el Roblox DevForum y en la documentación oficial para creadores, de modo que los agentes de codificación de IA depuren juegos de Roblox con conocimiento real de la comunidad y del motor.

Base de conocimiento integrada al estilo Obsidian para DSH: los agentes convierten conversaciones, documentos y fuentes web en un grafo .wiki estructurado, con recuperación, exportación del grafo, edición de notas, compilaciones incrementales y gestión de varios vaults.

Gestión de sesiones archivadas, notificaciones de parada de tareas, un verificador de actualizaciones, enrutamiento de modelos (reglas por palabra clave + model_route restringido por allowlist), desencadenadores programados de múltiples tareas (latidos y tareas a hora fija) y una navegación de desplazamiento de mensajes estilo DeepSeek para la GUI web de dsh.

Control del ordenador en Windows para DSH: captura de pantalla, análisis con un modelo de visión y simulación de ratón/teclado con una base de conocimiento evolutiva. Ofrece modo dual con herramientas de plugin y alternativa pwsh solo con skill.

Complemento de DeepSeek Harness (dsh) que incorpora el bucle de agente fin-trace — razonamiento de relaciones multihop sobre un grafo de conocimiento financiero, expuesto como herramientas asíncronas (start/status/cancel).

Guarda de seguridad estática y en tiempo de ejecución para dsh: escaneos basados en reglas de código malicioso, inyección de prompt y desperdicio de tokens, intercepción en tiempo de ejecución de llamadas peligrosas a herramientas, comando /scan, herramienta plugin_scan, panel web y lista de permitidos.

Da al agente su propia bandeja de correo mediante AgentMail — once herramientas para enviar, leer y etiquetar correo, más el correo entrante entregado en una sesión del harness por hilo de email, con puerta de aprobación y lista blanca de destinatarios en todo lo saliente.

Interactive physics lab in the DSH sidebar — 24 parameter-driven animations (mechanics, electromagnetism, optics, thermodynamics) grouped by grade, each with a knowledge-point lesson whose steps follow the animation, a quiz with answer checking, and a draggable 3D view for four field models. Pure client side: analytic solutions computed locally, no LLM calls, no network, no telemetry.

Turn rough ideas into precise prompts for 19 image/video generation, writing, code and text models, with multi-model enhancement, prompt scoring, image-to-prompt and a periodic self-updating knowledge base.

Local task checkpoints and bounded recovery for DSH, with optional L0–L3 hierarchical memory, dependency-aware retrieval, prerequisite-aware context, and six opt-in memory tools.

Compiles a repository into a source-grounded code map: structured pages where every claim carries a verifiable path:line citation, an interactive dependency graph, knowledge cards, four model tools and the /codemap command. Deterministic, no model calls, zero dependencies.

Publishes and reads QQ Zone posts through SnowLuma's OneBot qzone_* actions (SnowLuma 2.2+ signed in to QQ), and lets the agent understand images with a local vision model (OpenAI-compatible gateway) or Windows OCR.

Pasarela de solo lectura sobre un vault Markdown local, con cuatro herramientas. `wiki_recall` devuelve la sección coincidente completa, citas por página, estado del vault y un esquema para redactar la respuesta. `wiki_context` aporta un paquete de evidencias con extractos, veredicto y lagunas explícitas; `wiki_verify` contrasta el borrador e indica afirmaciones no respaldadas, también números; `wiki_observe` cuenta correcciones. Ajustes y panel lateral consultan igual que el modelo, por lo que la búsqueda manual coincide con su contexto. Las tres herramientas (`wiki_context`, `wiki_verify`, `wiki_observe`) requieren un puente local Python 3: `bridge.python` y `bridge.toolsRoot` con `wiki_bridge.py`; sin ellos devuelven `E_PYTHON_UNAVAILABLE`.

Lingshu (灵枢) es un sistema de memoria persistente, persona y crecimiento inspirado en el cerebro para agentes de programación con IA. Solo usa la biblioteca estándar de Python, sin dependencias y con prioridad local; requiere Python 3.9+. Incluye memoria por capas hipocampo/corteza, curvas de olvido, consolidación de sueños, recuerdo asociativo difuso, sistema emocional, protección contra la deriva de persona, base de conocimiento, skills autoescritos y panel web local. Se distribuye como skill incluido en DSH. El plugin cordis instalable por separado inyecta sesiones automáticamente solo si (Lingshu está en ~/.dsh/skills/lingshu o se configura brainPy) y hay Python 3. La comprobación opcional de actualizaciones contacta con GitHub/Gitee.

Port de TokenEconomizer para DSH con conocimiento de proyecto entre sesiones, poda opcional de herramientas, redirección de bucles de fallo y registros de uso de tokens.

Plugin de memoria por capas y base de conocimiento con recuperación híbrida para DeepSeek Harness: recuerda a las personas y recupera información fiable, con atribución de fuentes, fallback por confianza y gestión de perfiles.

Preset de agente study-mode: base de conocimiento por tema y respuestas que priorizan la búsqueda; cita fuentes si encuentra resultados y marca como no verificado si no. Incluye panel de conocimiento en la barra lateral.

Fork de PC2005-cloud/dsh-pet con mascotas chica-ballena de estilo Claude, 122 animaciones transparentes, secuencias de actividad aleatorias, transiciones a trabajo en portátil y saludo de confirmación de tareas. Sustituye al plugin original; no instales ambos.