Plugins

Memoria persistente supervisada por LLM para agentes de IA: recuperación basada en grafos, conocimiento entre sesiones, binario único. Funciona con DeepSeek Harness, Claude Code, OpenClaw y cualquier runtime de agentes.

Memoria asociativa proactiva para DSH: inyecta recall sin prompt en un límite fijo, con auto-consolidación de tres capas, cristalización de skills y gestión de contexto al estilo Astra. Incluye libros de traspaso y una pizarra PLAN que sobreviven a los cambios de ventana de contexto, y detección del nivel de agua con una ventana de modelo autodetectada. Almacenamiento local en Markdown, agnóstico al modelo, sin dependencias; piso léxico de 0 GB con capas semánticas opcionales.

Configura contextWindow para modelos registrados en dsh, para que las sesiones largas ya no se juzguen erróneamente como desbordamiento de contexto.

Historial de entrada estilo terminal para el compositor web: recuperación con flechas priorizando los extremos, con restauración exacta del borrador/cursor, historial persistente local del navegador, búsqueda inversa con Ctrl+R y conciencia de contexto deslizante; la versión 0.5.0 añade una capa de entrada inteligente: fragmentos entre sesiones (/save, /load), plantillas de prompts con variables, información de reutilización y resaltado de resúmenes de compactación.

Plugin de DeepSeek Harness que convierte los juicios de Jev en tres acciones automáticas — podar la salida de herramientas sobredimensionada a los segmentos relevantes para la solicitud, filtrar las páginas obtenidas en busca de instrucciones dirigidas al modelo y elegir qué skill encaja con el siguiente paso — además de las herramientas jev_ask y jev_gate, un libro de juicios que sobrevive a los reinicios y un informe /jev-status. Requiere una clave de API de TypeSafe; sin ella queda inerte y no envía nada.

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.

Gateway MCP de divulgación progresiva que busca en grandes catálogos remotos mediante `mcp_search` y luego invoca esquemas exactos mediante `mcp_call`, con conexiones diferidas y cachés acotadas.

Plegado de contexto sin pérdidas para DeepSeek Harness: el tramo más antiguo se sustituye por un resumen y los originales permanecen en el registro de la sesión.

Envuelve el trabajo en tareas con nombre y, cuando una tarea se cierra, pliega todo el tramo de mensajes en un único resumen en el siguiente límite de paso; el contenido original puede restaurarse bajo demanda.

Cambio de modelo y control del esfuerzo de razonamiento para DeepSeek Harness: las herramientas de agente set_model y list_models permiten al agente cambiar de forma autónoma su proveedor, modelo o profundidad de pensamiento a mitad de tarea, con motivo obligatorio, lista blanca de proveedores y protección de presión de tokens de la ventana de contexto; el modelo activo se inyecta en el contexto de ejecución, y la transición automática de Plan Mode cambia a un modelo de planificación configurado al entrar en modo plan y restaura el modelo de ejecución anterior al salir.

Paquete de renovación de la ventana de contexto dirigido por el modelo para DeepSeek Harness: contexto de trabajo nuevo, notas duraderas gestionadas por el modelo, una cola reciente breve y literal, y recuperación selectiva del historial, sin resúmenes.

Compresión de diálogo in-situ con curva de olvido para DeepSeek Harness: los turnos recientes se mantienen verbatim, los turnos medios se deshidratan estructuralmente (sin LLM), los turnos antiguos se pliegan en un par de resúmenes acotado — conversaciones sin límite con un presupuesto de memoria acotado.

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.

Windowed, reversible context management for DeepSeek Harness; replaces Basic compaction.

Fronts stdio MCP servers with three router tools (list_capabilities, describe_tool, call_tool) so schemas load on demand instead of riding every request; shapes every tool result through a deterministic output ladder that archives the original first (retrieve_spill reads it back); prices tool groups in tokens and can hide built-in groups per agent. Bridges to a standard-library Python router, so Python 3.9+ is required.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

One MCP tool instead of every schema you own — a lazy capability broker that cuts resident tool context by a measured 94.4%. Search, inspect, enable and call MCP servers and skills on demand.

Contexto Reversible Adaptativo (ARC) para DeepSeek Harness — gobernanza del contexto consciente del proveedor y de la caché, con recuperación reversible.

Visibilidad de contexto estilo Codex para DeepSeek Harness: ocupación de la ventana de contexto en vivo, desglose de composición, tasa de acierto de caché KV y un mapa de calor de uso estilo GitHub de 53 semanas

Rapid-refill circuit breaker for DeepSeek Harness automatic compaction. It refuses a compaction that would be futile — the context refilled within fewer than N tool turns M times in a row, which the unbounded step-pressure trigger cannot detect — and instead of burning a summarization call on every step it reports the situation with advice, usually that a single read or tool output was too large. Shows state and re-arms through /compaction-breaker, and injects one prompt section so the model relays it to the user. Covers host-plane sessions through its profile bundle; ordinary sessions need one row replaced inside an agent preset.

Context occupancy and account balance for the DeepSeek Harness Web Client: a session-header readout, a balance capability seam, and a DeepSeek provider

Adds per-route context window and compaction threshold fields to the Models settings page and a vendor-aware thinking-effort picker to the composer, writing llm-pi-ai capacities, reasoningEfforts, and a compaction-basic patch row.

会话注入门控：给 DeepSeek Harness (dsh) 加一个会话级上下文裁剪闸门，按会话取消/恢复插件贡献的 skill、tool、系统提示词段落——3 条影子通道、5 条本地路由、零依赖零配置。Per-session injection gate for DeepSeek Harness (dsh): trim skills, tools and prompt sections per session. Zero-config, zero dependencies.

Context-window attribution for DSH Web: a Mini Utility Dock panel that ranks the user messages, assistant turns, reasoning blocks and tool results of a session by the tokens each one occupies, so it is clear which entries hold the window. It also shows the share by entry type, the heaviest entries across the live sessions of the host, and, where the host provides them, provider usage and the estimated system/tools/messages composition. The panel is read-only: it does not estimate cost, modify a session, or trigger compaction.