Plugins

Complemento de memoria persistente entre agentes y con prioridad local para DeepSeek Harness (DSH), impulsado por Mnemon. Comparte la memoria a largo plazo entre agentes compatibles con Mnemon y añade memoria en tiempo de ejecución, documentos de proyecto con capacidad de búsqueda, recuperación semántica, grafo de conocimiento y una interfaz de barra lateral.

Plano de control de memoria de tres niveles para DeepSeek Harness: contexto de ejecución persistente, documentos de proyecto buscables, memoria a largo plazo conectable, enrutamiento inteligente, flujos de trabajo de agentes supervisados, WebUI y herramientas sin cabeza.

Subida de archivos con tarjetas de adjuntos codificadas por color (almacenamiento aislado por sesión, deduplicación por sha256, limpieza por TTL), más una herramienta read_document que detecta el contenido para PDF/DOCX/XLSX/TXT.

Lista en la barra lateral de DSH los documentos Markdown, imágenes y vídeos existentes en el workspace de la sesión, por relevancia para la conversación: los mensajes recientes se comparan localmente con título, resumen y cuerpo del documento con ponderación IDF, sin llamadas a modelos ni red. Como se escanea desde el workspace y no se recuerda, reiniciar DSH o abrir otra sesión no la vacía. Imágenes y vídeos se previsualizan en el lugar, con rutas relativas resueltas y vídeo por HTTP Range. Una barra de referencias bajo el encabezado muestra qué documentos citan el previsualizado y a cuáles cita este, con un clic para saltar entre ellos. El mismo orden se expone al agente como herramienta knit_docs, que devuelve los documentos más relevantes y el pasaje coincidente de cada uno, si hay.

Importa fichas de personaje y libros de mundo de SillyTavern/TavernAI, guárdalos como documentos de lore locales en Markdown, y genera prosa novelada a partir de tus prompts usando la ambientación como referencia.

Optimización con un clic de una instrucción en bruto en un prompt profesional: tres estilos de salida, perfilado de rol/tarea/objetivo consciente de la situación, aprendizaje autoiterativo (memoria de sesión + valores predeterminados inteligentes + anulaciones del usuario), /template para 22 sub-escenas con cero llamadas al modelo, ✨ optimización/deshacer con un clic en el cuadro de entrada, herramienta prompt_optimize, hook de auto-optimización y documentos zh/en autodetectados.

Convierte documentos locales en markdown y texto en una base de conocimiento consultable con búsqueda híbrida semántica y por palabras clave, verificación de citas e inyección de fuentes.

Banco de trabajo para lectura de artículos: biblioteca + lector de PDF + acompañante estilo tutor. Las respuestas citan números de página en los que se puede hacer clic que saltan al PDF y resaltan el pasaje exacto; selección para preguntar sin salir del artículo; preset de tutor estricto incluido (plan de lectura, tutoría por secciones, cuestionarios calificados con seguimiento entre sesiones); alternancia original ↔ chino en el mismo lugar (babeldoc, sin preinstalación). Transcripción y búsqueda locales — los documentos nunca salen de tu máquina.

Bifurcación de arrastre de archivos: suelta documentos como chips eliminables encima del editor, y envíalos sin necesidad de escribir.

Habilidad de verificación de afirmaciones que contrasta documentos de diseño y planes con los hechos del código, escalando las afirmaciones de comportamiento a verificación ejecutable con primitivas lógicas para máquinas de estados y modelos de datos, con regresión antes/después, restricciones de dominio y minería de riesgos de concurrencia.

Un Dock de adjuntos ligero y de propósito general para DSH: pega, suelta o elige imágenes, PDF, documentos, archivos comprimidos, código y otros archivos, revísalos y manéjalos antes de enviarlos y luego pásalos al Agent como rutas locales. Da a los archivos que no son imágenes un punto de entrada de adjuntos uniforme.

`doc_read`/`doc_write` con límites y direccionamiento por celdas para xlsx/pdf/docx/pptx/ipynb, además de un servidor MCP y CLI.

`doc_read`/`doc_write` acotados y direccionados por celda para xlsx / pdf / docx / pptx / ipynb, más un servidor MCP y una CLI.

Orquestación de tareas de desarrollo basada en configuración para DSH: flujos de trabajo en grafo (nodos de tarea/puerta de enlace/persona) con persistencia por etapa, además de un asistente de IA en el editor que configura flujos de trabajo mediante conversación con validación en vivo. Pasa documentos a los nodos como adjuntos genéricos (sin necesidad de declaración): los archivos aterrizan en el espacio de trabajo de la tarea y ${inputs.附件} devuelve las rutas absolutas unidas por saltos de línea, de modo que un nodo los analiza con su propio prompt.

Transferencia de sesión y gestión de contexto: documentos estructurados de transferencia (exportar/reanudar/estado) para que una sesión nueva continúe sin interrupciones, además de poda activa de contexto (herramientas acp_* mediante la API oficial de compactación con resúmenes creados por el modelo).

Sistema de base de conocimientos estilo Cherry Studio para DeepSeek Harness (DSH): bases, documentos, fragmentación, embeddings (compatible con OpenAI / Ollama / local / reserva léxica), recuperación, herramientas orientadas a modelos y un panel de gestión en el navegador.

Documentos del proyecto y memoria a largo plazo como Markdown plano en una bóveda dedicada de Obsidian: seis herramientas mem_* (search, read, write, log, brief, admin), una inyección de recuerdo con presupuesto en el primer paso de una sesión y destilación automática de los turnos completados. Obsidian no necesita estar en ejecución y la bóveda sigue siendo legible con el plugin desinstalado.

Integración de notas SiYuan (思源笔记): 17 herramientas host siyuan_* que cubren el listado de cuadernos y documentos, la búsqueda de texto completo, la consulta SQL, la lectura de documentos y bloques, la creación y el añadido de contenido, el movimiento y renombrado de documentos, las notas diarias y los atributos de bloque, además de una página de ajustes web para la URL de SiYuan, el token de API y los interruptores por herramienta.

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.

Convierte documentos Office y PDF (incluidos los escaneados) a Markdown con formato estructural mediante un pipeline OCR con enrutamiento con prioridad de CPU (RapidOCR/SLANet/FormulaNet).

Memoria local de tres capas para DeepSeek Harness: L1 memoria instantánea (MEMORY.md/USER.md) leída a demanda con las herramientas memory_* + L2 base de conocimiento buscable (hechos + SQLite FTS5, búsqueda en chino por tokenización de ventana deslizante) + L3 importación desde Hermes/Claude Code/Codex/WorkBuddy y desde documentos aprobados de Agent Hub (memory/global, memory/projects, decisiones aceptadas) con deduplicación por hash de contenido. La v0.2.0 eliminó toda inyección automática: la memoria entra en el contexto solo cuando el modelo llama a una de las 12 herramientas memory_*, y los datos permanecen en el disco local.

Puente de escritura hacia el cliente QingAgent de código abierto: el agente redacta y revisa documentos mediante herramientas anfitrión con prefijo qing_, maquetados en un panel tipo papel de arroz con mermaid, drawio, tablas y KaTeX; las ediciones se staged como diffs revisables y solo aterrizan al hacer commit, y requiere la app de escritorio QingAgent en la misma máquina.

Un plugin de vista previa, edición y gestión de documentos para DeepSeek Harness. Ofrece un banco de trabajo «Centro de documentos» estilo VSCode dentro de la interfaz web de DSH: árbol de archivos a la izquierda, vista previa al hacer clic, código y Markdown editables con guardado Ctrl/Cmd+S; y expone tres herramientas de documentos (doc_read / doc_edit / doc_create) a los agentes, permitiendo a los modelos leer y escribir documentos del espacio de trabajo mediante lenguaje natural.

Drag documents into the dsh web chat; the agent reads them directly from the local filesystem and the right sidebar lists the outputs and file paths.