Plugins

Responde con una explicación visual HTML de una página: el modelo redacta Markdown breve y el CLI am genera diagramas de flujo, secuencia, árbol, cronología y ER, tablas y notas.

Exploración de arquitectura AGI de caja blanca: metacognición (bucle de autocognición), aprendizaje continuo (volante de conocimiento), modelo del mundo (espacio de condiciones, grafo de memoria espaciotemporal), auto-mejora (disciplina bootstrap), pipeline de caja blanca zero-LLM y barandillas de confianza auditables.

Memoria de proyecto solo local sin dependencias de runtime incluidas ni servicios externos: JSON como fuente de verdad más un PROJECT_MEMORY.md generado, Hot Memory congelada por sesión y acotada por tokens para la estabilidad de la caché de prefijos de prompt, recuperación BM25 entre proyectos con caché, procedencia confiable de sesión/turno, gobernanza explicable de duplicados/conflictos antes de escribir, ciclo de vida editable de importancia/pin/etiquetas/sustitución/archivo, destilación configurable al final del turno de nivel superior, y una GUI web bilingüe para búsqueda, inspección, diagnóstico y ajustes en vivo.

Modo de aprendizaje local-first: hilos de aprendizaje entre sesiones con explicaciones por fuente.

Modo de aprendizaje que explica cada paso del agente (en desarrollo).

Añade una página de skills a la navegación de la app DSH (sidebar.panellist). Enumera las skills que esta máquina expone realmente en los seis tipos de raíz y explica por qué una no aparece (motivo de descarte, raíz ausente o desactivada). Activa/desactiva una skill renombrando solo su archivo de entrada SKILL.md o SKILL.md.disabled; las raíces de proyecto son de solo lectura.

Modo de codificación compacto de Codex para DSH: barandillas ligeras del prompt contra que GPT se explaye demasiado, con un prompt editable y herramientas nativas al estilo Codex.

Selecciona cualquier texto en una conversación y pulsa el botón Explain para obtener una burbuja de explicación en Markdown en streaming, con preguntas de seguimiento recursivas.

Skill para estructurar preguntas antes de buscar: separa premisas, definiciones y unidades de análisis; elige un esquema (veredicto, explicación, causalidad, comparación, mapa de investigación o ficha métrica), confirma enfoque y viabilidad y responde en chino o inglés con ese esquema, sin forzar sí/no. No usa la memoria del modelo: busca fuentes nacionales e internacionales en paralelo, consulta y evalúa fuentes primarias según el ámbito (política, ciencia, salud, finanzas, desastres, seguridad alimentaria, educación, deporte, justicia, etc.), repite con términos de refutación y vincula cada afirmación a URL completa y posición de cita. Con key, tres juicios factuales pueden ir a TypeSafe Jev (System One); sin ella, usa reglas deterministas. El modelo solo puede bajar la confianza.

Selecciona texto en la interfaz web DSH para recibir en streaming su traducción y explicación según el contexto de la conversación original. El panel conserva un historial reproducible que puede convertirse en una sesión completa.

Entrenador de revisión de Go: analiza registros SGF, completa los análisis de porcentaje de victoria y puntuación con el motor KataGo incluido, explica en el chat las jugadas costosas y escribe los comentarios en una copia SGF. Un panel web muestra el tablero con jugadas problemáticas, elecciones de la IA y variantes.

Latido autónomo para cada agente raíz: compara TODO, el tablero Agent Team y goal con el pulso anterior. Solo comunica L1 (informe), L2 (ask_user_question) o L4 (escalado); nunca inicia trabajo. Mensaje con motivo, línea opcional de estado físico y snapshot de tarea (máx. 800 caracteres). Deduplicación, horas silenciosas, presupuesto diario, pausas tras contacto/reinicio y estado persistido; los follow-up seguros no se acumulan. Comparte con dsh-plugin-memory el turno advisory de ~/.dsh/proactive-cooldown.json (180 s). Calla si trabaja un subagente/compañero; muestra su número en el encabezado y pausa el polling con pestaña oculta. v0.8 añade diagnóstico de pulsos/titular del turno y controles de ventana, presencia y línea física.

Plugin de modo de aprendizaje Feynman: bucle enseñar → reexplicar → evaluar → reexplicar de nuevo, renderizado como tarjetas de lección en HTML enriquecido (diagramas mermaid + resaltado de código con shiki).

Validación de JSON Schema: validar/rutas/explicar/normalizar.

Prueba, extrae, reemplaza de forma segura y explica estáticamente expresiones regulares sin ejecutar código.

Selecciona texto en cualquier app de Windows para explicarlo, resumirlo, traducirlo o leerlo en voz alta con DeepSeek Harness. La respuesta aparece en streaming en una superposición siempre visible con menú cápsula horizontal.

Añade Explain a la tarjeta de aprobación: una llamada al modelo devuelve exactamente tres líneas sobre la operación pendiente, los archivos o estado que lee/escribe/modifica/ejecuta y un veredicto riesgo/atención/seguro con una frase de justificación. También muestra detalles de llamadas write y edit, que el renderizador deja vacíos al leer solo el campo command.

Explica localmente las ejecuciones fallidas del agente de DeepSeek Harness y luego produce un plan de recuperación con datos censurados. No requiere ningún modelo.

Guarda de inyección de prompts consciente del origen para DSH: rastrea contexto de turno no confiable, detecta señales de inyección, puntúa destinos sensibles y bloquea llamadas de herramientas de alto riesgo con registros de auditoría explicables.

Memoria local acotada con control de autoridad CBDC: afirmaciones en SQLite + FTS5, recuperación con alcance y decisiones explicables de usar/verificar/ignorar, con registro de auditoría completo, comandos /memory, inyección de ≤3 afirmaciones/1200 caracteres por llamada, sin llamadas adicionales al modelo.

Adds a Chinese end-of-line comment to every line of code shown in a DSH tool card - grey for the call being made, blue arrows for code in the output - written instantly by a local rule set and, for lines the rules cannot judge, by the current session model; a header toggle returns the block to plain code, and credentials are masked before anything is sent or cached.

Database workbench inside DSH: import the connections DBeaver already stores (data-sources.json, decrypting saved passwords locally) or register SQLite, PostgreSQL, MySQL and Oracle sources by hand, then hand them to the agent through eight mcp__db__ tools — list_datasources, list_tables, describe_table, sample_rows, execute_sql, explain_query, get_ddl and test_connection. Sources start read-only; one global switch enables INSERT/UPDATE/DDL, every call is row-capped and appended to a JSONL audit log. Also covers groups, bulk actions, a read-only schema browser and a bundled Python MCP server whose dependencies install from the panel. No DSH files to edit.

Convierte flujos de código en diagramas Mermaid vinculados al código fuente y explicaciones interactivas de CodeWalkthrough.

Crea vídeos explicativos narrados a partir de un guion. Usa por defecto diapositivas de tarjetas de texto (rápidas y precisas para tutoriales) o metraje generado por IA por segmento (requiere AGNES_API_KEY). Incluye 14 voces neuronales chinas en línea y 3 voces sin conexión para Windows, más un paquete de muestras de una orden para compararlas. Requiere ffmpeg. Para las voces en línea, copia el skill incluido video-remix a `<workspace>/.dsh/skills/video-remix` y ejecuta allí npm install.