Plugins

Ratón y teclado reales para un agente de DeepSeek Harness: describe con palabras qué hay que pulsar, un modelo de visión lo localiza y un dispositivo HID USB hace clic.

Siete modos preajustados de agente para DeepSeek Harness, cada uno con un límite fijo de herramientas, enrutamiento de modelos por modo y niveles de delegación omd_task rápido/profundo, más un bucle de plan a ejecución (/mode, /start-work, /ulw respaldado por objetivos) y una página de ajustes que reasigna modelos por modo y por nivel.

Fuerza la compresión de contexto al ejecutar modelos llama.cpp de bajo contexto como Qwen3.8-27B, mejorando la eficiencia del modelo y la fluidez de uso, junto con prompts de compactación bien refinados.

Panel de uso de DeepSeek para DSH Web: estimación de días restantes a partir del gasto promedio reciente, costes diarios/mensuales/acumulados con comparación entre periodos, clasificación de costes por modelo, ahorro por caché, impacto de precios en horas punta/valle y un widget flotante de saldo arrastrable.

UI harmonizer para DeepSeek Harness: normaliza la UI oficial sin terminar o auto-contradictoria, reconcilia conflictos de estilo entre plugins instalados y unifica el lenguaje visual mediante tokens de diseño oficiales, con ancho de chat, tamaño de fuente markdown, escala del espacio de trabajo, pila de fuentes UI y tarjeta de columna central redondeada personalizables en vivo desde Configuración → General; bundle dsh solo del cliente, coste cero del modelo, sin lado del host, extraíble sin residuos.

FormatForge: forja más de 30 formatos de archivo (PDF, DOCX, PPTX, XLSX, EML, EPUB, TOML, archivos comprimidos) en texto legible por IA mediante una bandeja de arrastrar y soltar, las herramientas ff_translate/ff_formats/ff_result y una CLI; los PDF escaneados recurren a OCR local o a una pista de mejora para el modelo de la sesión.

Plataforma empresarial de recursos de IA como paquete cordis de 22 plugins: IAM de organización/cuenta/rol, proveedor OIDC y SSO de aplicaciones, gestión de servidores MCP con la propia plataforma expuesta como servidor MCP, almacenamiento de activos NAS, centro de habilidades, registros de agentes y aplicaciones, gestión de conectores SaaS, canal de datos del portal empresarial, panel de banco de trabajo de agentes departamentales, puente de grupos DingTalk para envío de mensajes y aprobaciones, inscripción remota de dsh con un clic y proxy de herramientas, medición de uso, facturación de cartera, gateway de modelos, auditoría con alertas, autoactualización y marketplace revisado de plugins de terceros — más de 70 herramientas operativas pasan a ser invocables por el agente dsh.

Control por ronda del nivel de pensamiento (reasoning_effort) para DeepSeek Harness: Auto programa low/high/max según el historial reciente de tool calls, o permite fijar manualmente un wire level (off/on/minimal/low/medium/high/xhigh/max), con mapeo wire personalizado, guard de capacidades por modelo y presets de ventana de contexto (64K–1M); su capability card se combina con [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (instalable desde dsh-market) para probar reasoning en gateways compatibles con OpenAI (vLLM / LM Studio / autoalojados). La card escribe capacidades llm-pi-ai, el adapter conduce el wire (compat.thinkingFormat) y el plugin mantiene la lista de takeover.

Panel lateral de xiangqi para DSH: juega como rojo mientras el modelo DSH actual elige las jugadas negras, con comprobaciones de reglas y de revisión del lado del Host.

Presupuestos de uso y topes de coste por plugin en la cascada llm/stream: contabilidad de uso por modelo, presupuestos de sesión y mensuales con transiciones de aviso/bloqueo, ventanas de latencia y una estimación de huella de carbono.

Barra de uso de OpenCode Go en el panel del compositor: anillos de cuota renovable/semanal/mensual, estadísticas de tokens y costo de la sesión DSH calculadas con tarifas oficiales en tiempo real, desgloses por modelo y por el alcance de la sesión actual con actualizaciones en vivo por sesión, copia del API key con un clic.

DSH Modelo Pro: en la WebUI de DSH, aplica con un clic a un proveedor de destino el contexto, límite de salida, nivel de razonamiento y compatibilidad de un preset de pi-ai o de otro proveedor configurado; además permite ver, crear, editar, duplicar y eliminar modelos de cada proveedor.

Mascota de respuesta animada y extensible con temas de ballena azul, gato naranja y gato plateado sombreado, progreso por sesión, trazas de modelo y llamadas a herramientas, recuento de tokens, velocidad de salida, tiempo transcurrido, y tarjetas de estado multisesión colapsables.

Trae los expertos de la app de escritorio WorkBuddy a DSH: un mercado en la página de ajustes escanea en solo lectura el directorio local de expertos de WorkBuddy (los expertos llegan allí después de invocarlos en WorkBuddy) para navegar, buscar y filtrar por categoría, con instalación de un clic (exportado a ~/.dsh/experts/ como role prompt + skills + avatar), actualización y desinstalación; una cápsula selectora junto al cuadro de entrada cambia el experto de la sesión actual — intercambiando por completo el role prompt, las skills y una lista blanca de herramientas opcional mientras conserva todo el historial de la sesión, aplicado en el siguiente límite de petición al modelo.

Administrador de modos personalizados y asistentes. En Settings se define un prompt de sistema por modo y se guarda como un archivo normal que el agent loop vuelve a leer antes de cada paso del modelo, por lo que los cambios llegan al siguiente paso de las sesiones activas. Se puede partir de la composición oficial standard/PTC/minimal/Cordis, activar o desactivar una por una las filas de plugins que monta cada modo y asignarle un nombre. Así conviven en un mismo equipo asistentes con prompts propios —para programar, conversar o interpretar un personaje de roleplay (RP)—, seleccionables al iniciar cada sesión nueva. Las filas sin cambios permanecen idénticas byte por byte a las distribuidas, incluidas las condiciones de plataforma.

Guarda de codificación de archivos: lectura/escritura/edición byte a byte exactas para archivos GBK, Big5, Shift-JIS, EUC-KR, Windows-125x, UTF-16 y UTF-32, de modo que editar un archivo heredado lo deja en su codificación original en lugar de reescribirlo silenciosamente como UTF-8; el BOM de UTF-8 se conserva exactamente como estaba, los finales de línea (CRLF/LF/CR) se mantienen, los caracteres que la codificación no puede representar se rechazan en lugar de escribirse como "?", y los archivos no UTF-8 se listan con codificaciones candidatas para que el modelo pueda volver a leerlos explícitamente.

Segundas opiniones bajo demanda mediante ask_advisor, con solicitudes editables, aprobación humana por llamada y consejo de texto de un modelo configurado en DSH.

Disciplina de llamadas a herramientas para DeepSeek Harness: inyecta una sección estática de prompt con restricciones de comportamiento, reduce el grupo paralelo a 1 tras un fallo de herramienta (se restaura tras 3 éxitos consecutivos), empuja al modelo a dejar de reintentar tras fallos repetidos, verifica las escrituras con reversión .bak, controla los comandos de alto riesgo y registra estadísticas de cumplimiento con /behavior-status.

Retrospectiva automática de sesiones: al terminar una conversación, destila la experiencia útil en habilidades reutilizables guardadas en la biblioteca de habilidades para que el modelo las invoque, con activadores acelerados por señales, ejecuciones manuales, un modo de aprobación y gobernanza de la biblioteca (archivar/restaurar, nunca borra directamente).

Proveedor de modelos Kiro con inicio de sesión mediante Builder ID, Identity Center, Google, GitHub e importación de credenciales, refresco automático de tokens y perfiles, uso de la cuenta, descubrimiento de modelos en vivo, esfuerzos de razonamiento seleccionables, llamadas a herramientas en streaming, gestión del motivo de parada del proveedor y del desbordamiento de contexto, y contabilidad de tokens que usa los contadores exactos de Kiro cuando los envía y, en caso contrario, escala el porcentaje de uso de contexto que sí envía según la ventana anunciada del modelo.

Insignia de cuota en el encabezado y pestaña de monitorización de uso: saldo/cuota restante en vivo y cuenta regresiva de reinicio por proveedor, con solicitudes, tokens (entrada/salida/lectura de caché/escritura de caché), tasa de aciertos de caché, coste estimado y latencia media por sesión, proveedor, modelo y cliente, almacenados localmente en SQLite con importación/exportación entre dispositivos.

Conecta una cuenta de ChatGPT a modelos Codex en DeepSeek Harness mediante PKCE de navegador u OAuth de código de dispositivo, con renovación automática de tokens e inicio de sesión web o sin cabeza.

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.

Una ruta de proveedor de puerta de enlace de visión-lenguaje: las imágenes pegadas son descritas por un modelo VL configurable (Qwen-VL de forma predeterminada) antes de enviarse a DeepSeek.