Plugins

Valores predeterminados mejorados de autocompactación para los preajustes de agente de DeepSeek Harness: aplica con un solo comando umbrales y presupuestos de retención ajustados, además de políticas por modelo, de forma idempotente y con copias de seguridad y reversión.

Sesiones de incógnito: un subagente independiente y efímero con su propio preajuste (sin contexto principal) y conjunto completo de herramientas, ventana flotante arrastrable, que se borra sin dejar rastro al cerrarla.

Contexto de red de conocimiento empresarial OpenBKN para DeepSeek Harness

Soporte de razonamiento DSV4.1 con contexto multimodal y aceptación acotada de artefactos para DeepSeek Harness

Puente universal de Model Context Protocol (MCP) para DeepSeek Harness: conecta agentes a servidores MCP stdio/sse/websocket con un motor de escala de 10k en reposo, búsqueda de herramientas BM25 en submilisegundos, presupuesto dinámico de tokens y un panel web en tiempo real.

Plugin de selección automática de nivel de razonamiento para DeepSeek Harness (DSH): el modelo Jev System One decide cuánto pensamiento merece cada mensaje, la escala se deriva de los niveles declarados por el modelo, un sobre de contexto permite que preguntas de seguimiento como «continúa» hereden la profundidad del tema, la baja confianza se redondea hacia arriba y cualquier fallo mantiene el nivel original. | Esfuerzo de razonamiento por mensaje impulsado por Jev: escalas por modelo derivadas de lo que cada modelo declara, sobre de contexto de tamaño fijo para que los seguimientos hereden la profundidad del tema, empates resueltos hacia arriba y fallback silencioso en todo error.

Preset de agente mínimo para Windows en DeepSeek Harness: persona de una línea fija, tres herramientas, sin contexto en tiempo de ejecución.

Eliminación por mensaje en DSH: quita un mensaje de usuario, un paso de respuesta o una respuesta completa del asistente del contexto derivado del modelo mediante el contrato oficial de reemplazo de superficie, y lo oculta del historial visible sin reescribir el log de solo anexado.

Activaciones proactivas a nivel de host para DeepSeek Harness: el modelo programa sus propias alarmas (una vez, intervalo o cron, con jitter opcional), las sesiones frías se despiertan puntualmente vía session resume, los seguimientos del modelo se limitan con horas de silencio y un presupuesto diario, y los turnos silenciosos terminan con proactive_reclaim y salen del contexto como lápidas. Los archivos de programación declarados sincronizan por glob sus JSON con las alarmas del host; min_idle_seconds aplaza las activaciones hasta que la sesión destino se calme, y un panel web gestiona alarmas e historial — el motor de latido para compañeros de IA y personajes de rol con rutinas propias.

Fusiona el contexto de otras sesiones en el turno actual: resolución de conflictos ponderada por evidencia, retractación de afirmaciones cuyas premisas fueron retractadas, etiquetado de confianza que resiste la inyección de prompts entre sesiones, y empaquetado acotado por presupuesto. Incluye un benchmark.

Envía cada prompt de dsh al pipeline local de memoria de feedback agent-feedback-loop: captura la insatisfacción, la revisa offline convirtiéndola en reflexiones y adjunta al turno el contexto compilado de reglas de recurrencia, sin bloquear nunca un prompt. Requiere el runtime de agent-feedback-loop; ejecutar después `agent-feedback-loop install` conecta automáticamente los perfiles de dsh existentes.

Muestra una sesión de DSH como un lienzo de conversación — cada turno es un nodo, cualquier turno bifurca una sesión hija real y un contexto compactado se pliega en un único nodo verde desde el que puedes seguir hablando; el riel izquierdo agrupa los lienzos por workspace de DSH y los renombra al mismo ritmo que los títulos de las sesiones.

Ancla de instrucciones de sesión para DeepSeek Harness: el primer paso de una sesión nueva inyecta un bloque de instrucciones de libre composición como mensaje procedente del plugin, y se reancla tras una compactación con resumen, cada N turnos o cuando la presión de contexto medida cruza un umbral. Un comando /anchor reancla a petición sin llamada al modelo; una página de ajustes gestiona la biblioteca de presets paginada, el orden de inyección, la fuente de reanclaje y los límites de caracteres.

Inteligencia de base de código multilingüe para IDE compatibles con MCP, la CLI y DeepSeek Harness: chat, búsqueda, auditoría, refactorización e informes listos para presentar a partir de código local.

Alcance MCP por workspace para DeepSeek Harness — decide qué servidores MCP puede ver una sesión según el directorio en el que se abrió.

Conciencia de deriva del workspace para agentes de DeepSeek Harness: detecta cambios externos o del usuario en los archivos y los inyecta en el contexto del agente en los límites de paso.

Teclas de envío y salto de línea configurables, un menú contextual del compositor con tres fuentes (dejarlo en manos de DSH y otros plugins / menú del navegador / menú personalizado con el estilo del plugin), un panel de comandos rápidos con listas de prompts categorizadas donde cada prompt puede añadirse en cada envío o solo en el primer mensaje de una sesión, una fila de crear y mover al final de cada categoría, un optimizador de prompts que reescribe el borrador con una llamada a un modelo aparte, memoria del tamaño del panel de ajustes e inyección automática de la cabecera x-opencode-session para rutas de OpenCode. Las listas de prompts viven en un ~/.dsh/quick-prompts.json global que es independiente de la sesión y del proyecto.

Inteligencia de base de código multilingüe para DeepSeek Harness e IDE compatibles con MCP: chat, búsqueda, auditoría, refactorización e informes listos para presentar a partir de código local.

Notas adhesivas en todo el espacio de trabajo sobre un lienzo infinito: las notas son archivos Markdown planos, creados manualmente, capturados de conversaciones o destilados por la IA, y pueden devolverse como contexto; incluye 12 herramientas de modelo y 5 habilidades incluidas para crear, etiquetar, organizar, comparar y fusionar notas.

Adaptador de DeepSeek Harness para Context Mode: herramientas ctx_* en proceso para ejecución de código en sandbox y una base de conocimiento FTS5, además de guía de enrutado de la ventana de contexto.

Lógica de compresión de contexto inspirada en el cerebro humano que reduce drásticamente el uso de contexto y el consumo de tokens en tareas largas.

Comprime el contexto temporal de DSH de ~280 caracteres a 46 inyectando una línea de fecha compacta en la instantánea del contexto de ejecución; cero dependencias en tiempo de ejecución.

Cajón de consulta lateral que se abre desde la fila de acciones de una respuesta completada: las preguntas de seguimiento se ejecutan en una sesión independiente y autoarchivada, sembrada con el texto de la conversación previa (solo lectura, limitada a 48.000 caracteres), sin tocar la sesión principal. La sesión lateral hereda el modelo de la principal, cambiable dentro del cajón, con un anillo de uso de contexto.

Inyección de prompt única a nivel de petición sin más contaminación del contexto. Compatibilidad de UI y datos estilo SillyTavern, disparadores por palabra clave/regex/constante y una herramienta lore_lookup para búsqueda bajo demanda.