Plugins

Puente Feishu/Lark de alta fiabilidad para DeepSeek Harness: autenticación con un clic mediante QR, comandos basados en tarjetas y tarjetas de confirmación de intención, bandeja de salida sin pérdidas de al menos una entrega, envío/recepción de medios, ZIP de registros de sesión mediante /doctor, y una GUI web de DSH reutilizable que coloca las sesiones en el espacio de trabajo correcto.

Mejora de prompt con un clic en el compositor: reescribe el borrador en un prompt estructurado (rol y objetivo, pasos ejecutables, formato de salida, criterios de aceptación, casos límite) con vista previa antes/después, reinserción y deshacer. Nunca cambia la intención ni inventa requisitos.

Añade un botón de optimización junto al compositor que analiza y reescribe el borrador del prompt con streaming SSE, conciencia del contexto de conversación (estrategias de plantilla frente a pulido de intención), una cadena de memoria de continuidad de edición, deshacer, y enrutamiento de modelos con respaldo y prueba de conectividad.

Enrutamiento automático del esfuerzo de razonamiento para dsh: un clasificador local ajustado de 7 preguntas (ModernBERT, 842 MB, <1 s de inferencia en CPU) elige low/high/max para mensajes sin intención; los reintentos dentro de la sesión escalan el nivel (low a high a max) bajo restricciones de exclusión; el servicio juez falla seguro a low si no es alcanzable. Un chip de nivel en la barra de entrada muestra el nivel actual y los últimos 20 juicios. Toda la inferencia es local — el texto de la tarea nunca sale de la máquina.

Núcleo de órganos de Agent-Body: plugins organizados como un solo cuerpo. Cada comando se vuelve un impulso nervioso que inerva de forma determinista el órgano competente y nombra la capacidad a usar; un latido de intervalo variable bombea directivas del operador, propiocepción y avisos de homeostasis por el sistema; los reflejos se disparan sin llamadas al modelo; los fallos siguen atribución determinista (herramienta, argumentos, permiso, timeout, red), prescripción y bucle de reverificación, y los errores de argumentos nunca se reintentan. Un órgano ausente lo compensa el de mayor solapamiento de capacidades, y los esquemas de herramientas se filtran por la intención actual (reducción medida del 84.7%, reproducible en el repo). Es el paquete de plugins núcleo del repo agent-body.

Preautorización de espacios de trabajo en Windows: añade a los directorios declarados por el usuario una ACE DACL de control total (incluido WRITE_OWNER, necesario para iniciar el sandbox de dsh ≥0.1.7) y elimina avisos repetidos de escalada. Solo concede acceso por intención explícita; bloquea directorios del sistema. Solo Windows.

Combina el esqueleto de código de Headroom (Apache-2.0) y el estimador de TokenPilot (arXiv:2606.17016). Cifras publicadas: Headroom, 20 % menos tokens para agentes de código y 60–95 % para JSON con las mismas respuestas; TokenPilot, hasta 60 % menos coste en sesiones largas. Son datos de esos proyectos, no mediciones ni benchmarks de este plugin. En DSH configura perfil, umbral Auto Compact y esqueleto de código. Mide con el tokenizer exacto de DeepSeek V4 y verifica el recuento en la misma revisión; ante modelos incompatibles, fail-open conserva resultados originales. Comprime con esqueletos durante el turno y resume la intención al final dentro de la compresión JSONL oficial.

Antes de llenar el contexto, un modelo auxiliar resume; el ledger en disco sobrevive reinicios y se reancla tras compaction. El modelo elige entre seis pools; Auto cambia con un clasificador solo al superar el umbral para conservar cachés. Un watermark de 3 líneas inicia handover de 4 pasos (backup fork, documento, compactar, despertar) sin perder subagentes; Control manual: /ctx-pause, /ctx-resume y /ctx-handover. Agent Teams opcional, /vision y revisión escalonada de diff grandes con tester y revisor independiente. UI/README/ajustes en 11 idiomas; skills MySQL/Redis de solo lectura, commits y documentos requisitos/diseño. En una sesión real de un día, 6 pliegues sustituyeron 209 mensajes y el contexto quedó en decenas de miles de tokens.

Canalización de reconocimiento de intenciones en cinco capas (reglas, recuperación con pgvector, puntuación Jev, arbitraje ajustado y alternativa LLM), con interfaz de gestión de escenarios, almacenamiento PostgreSQL y servicios API distribuibles.

Herramientas de archivo web DeepSeek de solo lectura para DSH: listar, descargar y buscar sesiones, share-list y digest que comprime 100 sesiones en una página de alta densidad con barras de actividad y grupos temáticos. No expone escrituras intencionadamente por los límites de velocidad del cliente web. Requiere el cliente Python deepseek-ops aparte (github.com/Panniantong/deepseek-ops, de otro autor), con acceso QR; configura `scriptDir` con su ruta.

Mejora de prompts en el composer de DeepSeek Harness: el botón junto al selector de modelo reescribe el borrador con una llamada auxiliar a LLM y lo coloca en el mismo sitio, conservando undo. El comando `/prompt-enhance` devuelve el prompt reescrito como línea de resultado sin tocar el borrador. La llamada puede fijarse a un provider/modelo rápido propio en el profile patch. La política conserva intención, idioma e información, mantiene literalmente código, comandos y rutas, y no inventa ni añade placeholders.

Plugin de desarrollo Java eficiente para DeepSeek Harness: corrección automática determinista de archivos .java, intents de plantillas que ahorran tokens y detección multiplataforma con caché persistente de JDK/Gradle/Android SDK/FFmpeg/LWJGL/IDEA.

Deep PTC mode: preset open source de DeepSeek Harness; conserva herramientas PTC y fija contrato: identidad DeepSeek, instrucción al modelo de presupuesto de tokens ilimitado para no omitir lecturas/comandos/comprobaciones, plan por tamaño (≤5 min interno; hasta 20 min mostrado sin aprobación; más, con aprobación) y preguntas ante intención ambigua. Limita esperas envolviendo shell/job/question oficiales: comandos foreground pasan a jobs tras 30 s (configurable); steering del usuario termina espera para leerlo; rechaza pausas foreground >5 s y timers largos en run_code; preguntas temporizadas. Deriva del PTC oficial del Harness instalado; hereda cambios upstream, incluso módulos quitados/renombrados, sin romper sesiones. Executor: Automatic, WSL Bash, Windows PowerShell, native Zsh/Bash.

Añade un botón ✦ bajo el compositor de DSH. Con una sola llamada al modelo predeterminado configurado, convierte el borrador en un prompt más completo, conserva la intención y el idioma originales y lo reemplaza en el sitio sin enviarlo.

Espacio de trabajo de mazos de imágenes para DSH basado en chat: convierte la intención en un guion de storyboard, genera prompts e imágenes de IA por página con revisiones individuales, ofrece nueve estilos de diseño y exporta a PDF/PPTX (una imagen de página completa por diapositiva).

Potenciador de prompts de cuatro niveles para el compositor. El nivel de sistema siempre genera un prompt de sistema con estructura LangGPT (# Role / Profile / Skills / Rules / Workflows / Initialization) y convierte el borrador de tarea en el prompt del agente que la ejecutará. Los demás niveles lo pulen ligeramente, lo convierten en un párrafo o en un resumen de cinco secciones. El banco de iteración refina una base editable con un requisito opcional, con aplicar al borrador y deshacer. No cambia la intención ni inventa requisitos.

Mejorador en cuatro niveles: botón/atajo global transforma el borrador en retoque ligero, párrafo, brief de cinco secciones o prompt de sistema de ocho. Comparación, devolución y deshacer; no cambia intención ni inventa requisitos.

v0.8.6 corrige un fallo de inicio: runtime Host es peer opcional, no dependencia instalada. TypeSafe Jev/System One ofrece 7 herramientas: `jev_decision` (1–25 veredictos tipados paralelos, sin prosa), `jev_choose` (ordena 2–10 opciones), `jev_batch` (1–20 textos, 1–5 juicios, una llamada real por texto a concurrencia limitada; errores brutos, sin adivinar), `jev_usage`, `jev_overview`, `jev_guard_status`, `jev_verify` (26/27 en benchmark fijo de 27 preguntas, concurrencia 6). Ledger persistente predeterminado: `$DSH_HOME/jev-usage.json`. Remaining=`quota.declaredBalanceUsd` menos gasto local desde `quota.balanceSince`; no hay endpoint de saldo ni se inventa. Sin API key: error explícito; registros fallidos aislados por superficie. Cliente al hacer refresh; servidor al reiniciar Host.

Ajuste de intención para DSH: el agente predice varias direcciones, formula un lote de preguntas aclaratorias por ronda y reduce la distribución hasta converger en una; después la propone para que la confirmes. Incluye panel flotante abajo a la derecha y archivo JSONL local.

Enrutamiento automático por nivel de modelo para DeepSeek Harness: cada instrucción del usuario produce una sola decisión de nivel; las tareas complejas se planifican en el nivel potente y se implementan en el económico, mientras las simples permanecen en el económico, con protección determinista y escalado de respaldo por TTL.

Asistente Cadence SKILL (Virtuoso Lisp) para ingeniería EDA: búsqueda de API anclada a documentación oficial (3.557 entradas en cinco manuales IC6.1.8, confianza de firmas y nunca inventa APIs) y análisis estático sin ejecutar código, basado en coordenadas de profundidad léxica. Analiza la seguridad del borrado en iteradores con protección de copy() según posición, concilia marcadores printf y argumentos, detecta nth O(N²) en bucles, APIs obsoletas con páginas de referencia, intercepta intención peligrosa y clasifica errores de CIW. La parte host no tiene dependencias de terceros.

Encuentra al instante páginas, pestañas y opciones de configuración de DSH por palabra clave, pinyin, intención o IA, y salta directamente a ellas.

Visión para cualquier ruta de DSH: pega imágenes en el compositor web con análisis automático según la intención, delega la lectura de imágenes del espacio de trabajo a un subagente de visión Kimi/MiniMax y materializa los originales pegados para editarlos.