Plugins

Convierte la experiencia explícita de sesión DSH en borradores nativos de Skill revisables que se guardan solo tras la aprobación del usuario.

Compatibilidad con espacios de trabajo WSL para DeepSeek Harness: disfruta de una experiencia de espacio de trabajo WSL fluida sin necesidad de instalar dsh dentro de WSL. Una vez instalado este complemento, puedes añadir un espacio de trabajo WSL directamente desde la GUI.

Panel de gestión de tabernas para DeepSeek Harness: tarjetas de personaje, worldbooks y presets con aislamiento por sesión, resúmenes de memoria, una red de relaciones entre personajes, opciones de trama con un clic y un modo NSFW. La experiencia completa también requiere los plugins complementarios dsh-muv-engine y dsh-muv-table, que renderizan la barra de estado, las opciones de trama y las tablas de variables.

Mejora de la experiencia de entrada: entrada de voz, retoque con IA, anti-sobrescritura, optimización de prompts con vista previa de diff, y cambio automático de locale según el idioma de la UI de DSH.

Sistema de flujo de trabajo de ingeniería para agentes de programación con IA: planificación obligatoria, TDD, verificación, revisión y análisis inteligente del grafo del código base.

Encuentra posibles problemas de UX en tu proyecto: revisa automáticamente código React/TypeScript, localiza cada problema y da sugerencias concretas.

Memoria de proyecto para dsh con integración nativa del sistema de tareas: los todos de sesión y las lecturas de archivos se condensan automáticamente en registros de tareas entre sesiones (enlaces tarea↔archivo), de modo que los flujos de trabajo son conmutables y reanudables sin recontextualizar. Memoria en tiempo de lectura (sin escaneo previo): extrae símbolos de código, resume documentos y enlaza documentos↔símbolos; mejora semántica opcional para TS (activa automáticamente si TS está instalado). Las notas de experiencia se desduplican automáticamente. Cada recuperación incluye una cita trazable. Solo JS, una dependencia, funciona listo para usar, operación silenciosa, cero sobrecarga.

El órgano de memoria de Agent-Body: tras 2 minutos de silencio entra en sueño ligero y tras 5 en sueño profundo, donde reglas deterministas destilan la experiencia real en tarjetas de memoria (trampas, manuales, puntos calientes, problemas sin resolver, hechos). Los comandos entrantes recuperan tarjetas relacionadas por palabra clave y las inyectan en el contexto; las tarjetas sin uso decaen con una vida media y se archivan en lugar de borrarse. También elimina el ruido de las advertencias de homeostasis de todo el cuerpo: las repeticiones dentro de una ventana se cuentan en vez de reimprimirse, y una advertencia que se repite sin curarse converge en un desfase de estado estacionario conocido y se silencia. La consolidación y el recuerdo no hacen llamadas al modelo.

Experiencia de edición estilo VSCode para DeepSeek Harness: un editor de archivos central basado en Monaco (pestañas, apertura rápida Ctrl+P, barra de estado) y revisión interactiva de diferencias de los resultados de edición/escritura del agente con Keep/Undo por cambio, reversión y archivado, persistente entre reinicios.

Preset modo experto DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordinador jefe + 17 subagentes con delegación automática. Funciones: taskboard (estados pending/ready/running/done/failed, DAG dependencias, reclamación atómica, reintento, recuperación), puertas calidad (pipeline 5 etapas: requisitos, implementación, verificación, revisión, integración; 2 reelaboraciones), Five-Anchor (revisión/convergencia/anti-deriva/colaboración/recursos), Near-distance (plantilla identidad/tarea/salida), divulgación progresiva (~28% ahorro tokens), persistencia, bus P2P, revisión cruzada, pool experiencia, vía rápida, auto-reintento. 17 expertos: datos, redacción, legal, PM, frontend, UI/UX, arquitecto, social, growth, fin. cuant., backend, DevOps, BD, QA, seguridad.

Instala el runtime browser4-cli y registra las habilidades Browser4 (browser4-cli, browser4-experience, browser4-plugin, scent-miner) en el registro de habilidades DSH, proporcionando un motor de navegador nativo de IA para agentes autónomos, extracción inteligente y automatización web a gran escala.

Plugin de DeepSeek Harness que se conecta a un PowerContext Server por HTTP para recuperación, memoria, traspaso, experiencia y skills.

Trae la experiencia de chat web/app de deepseek.com a DSH: edita tu prompt y regenera respuestas in situ, con un paginador de versiones <i/N> por mensaje (modelo de árbol, estable entre conversaciones).

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).

Suite de disciplina de ejecución para DSH con intercepción de reintentos idénticos, reflexión forzada, cumplimiento de tareas pendientes, deduplicación de memoria y promoción de experiencia a habilidad (11 complementos + 6 habilidades).

Agent Experience Network local-first para DeepSeek Harness, destilando experiencias a nivel de tarea desde trazas y manifiestos en vivo, calificando con evidencia H0-H4, descubriendo por compatibilidad, y promoviendo solo tras revisión explícita.

Permite que los modelos de solo texto manejen imágenes pegadas en el chat, con una experiencia de visión nativa, visualización de imágenes por lotes y una herramienta analyze_image integrada compatible con OpenAI; los modelos con capacidad de visión no se ven afectados.

Un núcleo de juicio para DeepSeek Harness: un bucle cognitivo que da origen y atribución a cada decisión y lleva la planificación hasta el cierre, memoria hipocampal que condensa la experiencia en conocimiento reutilizable, y una tarjeta de persona personalizable (nombre, personalidad, estilo de comunicación). Requiere DSH ^0.1.0-rc.7.

Rellena automáticamente los campos de esfuerzo de razonamiento, ventana de contexto, límites de salida y modalidad de imagen para modelos de proveedores no oficiales (personalizados), con datos de models.dev, y añade mejoras de experiencia como el refuerzo de compatibilidad y el recuerdo del esfuerzo de razonamiento.

Añade una sección Store nativa a los ajustes de DSH para búsqueda en el catálogo, filtrado por etiquetas, ordenación, instalación y gestión de plugins instalados.

Planificación de tareas con memoria muscular de experiencia: recuperación por reflejo condicionado de soluciones pasadas, correspondencia de capacidades con el LLM, y lecciones persistidas automáticamente.

Cross-session experience memory for DSH. Lessons are evidence-graded, injected when the turn is about the same thing, and shown just before an action only when the record declares which call it applies to. A rule that holds whatever the turn is about — "always answer in Chinese" — can be marked **standing** and is then carried every turn: measured on 24 isolated real-model turns, a standing rule is followed 6/6 against 0/18 for the controls (empty store, same record unmarked, unrelated standing record). A guess still cannot become always-on: a standing record needs a verified passage like any other. What nobody looks up is retired, reversibly. Five tools, seven slash commands, zero runtime dependencies.

Evidence-governed experience memory for DeepSeek Harness

Cipher memory platform as a DSH bundle: four memory types (attention, experience, preference, cognitive) sedimented per turn by four memory agents, cross-session deterministic recall injected via systemPrompt.context, insight review kept out of user-facing output, per-session UNNI/LOOP modes with memory-driven auto-continuation, memory search/ingest tools, plus a settings page (SOUL editor) and an AgentPool panel.