Plugins

Memoria Markdown compartida para DSH y otros agentes de codificación, con captura automática, inyección de contexto previa al paso, recuperación searchable y autoevolución de memoria a skill mediante un panel de revisión.

DSCODE para Harness Desktop: colaboración de código, memoria de sesión, flujos del navegador y gestión de tareas.

Integra TypeSafe Jev en DeepSeek Harness para seleccionar skills y archivos, supervisar tareas, corregir hallazgos compartidos, filtrar salidas de herramientas, ayudar con aprobaciones y navegar por etapas registradas. Todas las funciones están desactivadas de forma predeterminada.

Clasifica las llamadas a herramientas pendientes con Jev (el modelo de decisión no generativo de TypeSafe AI) en tools/pre-execute: las llamadas de alto riesgo con alta confianza se deniegan y las ambiguas se escalan a aprobación; además autoaprueba en approval/request las llamadas reversibles claramente autorizadas tras un filtrado por evidencia de argumentos. También hereda del resolutor de referencias de sesión para que las instantáneas conserven los mensajes puntuados por Jev en lugar de descartar los más antiguos. Se degrada al comportamiento original ante cualquier fallo del proveedor; modo sombra con un comando /jev-stats; endpoints de TypeSafe u OpenRouter; 64 pruebas.

Motor de decisiones Jev DSH｜Plugin de decisiones estructuradas orientado a Agent Harness. Soporte nativo de DeepSeek Harness, soporte de OpenCode y Codex Harness a través de iPolloWork.

Plugin de capa de decisión basado en Jev para DeepSeek Harness

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.

Optimización inteligente de tokens mediante el triaje de Jev System One, la reducción dinámica de herramientas y el enrutamiento a subagentes.

Clasifica automáticamente las sesiones de DeepSeek Harness mediante modelos de decisión Jev o herramientas de Agent y muestra prefijos emoji en el título (en curso 🚧, bloqueada ⏸️, revisión 👀, lista ✅, plan 💡, error 🐛). Incluye recuperación fluida del ciclo de vida, inferencia opcional de Jev (requiere una clave API de Jev), mantenimiento de herramientas del modelo y un panel visual de ajustes.

Uso del ordenador en macOS con AX primero para DeepSeek Harness: instantáneas de accesibilidad con refs estables, entrada en segundo plano, escritura Unicode, menús y apps, capturas set-of-mark, OCR en el dispositivo y acciones verificadas — 11 herramientas conectadas a la CLI macos-cu.

Inyecta un prefacio de selección de skills, elegido en cada turno por el modelo JEV local del workspace jev-decision-kit, para que el agente cargue solo esas skills en vez de buscarlas. Requiere un workspace jev-decision-kit configurado por separado (Python .venv, host/preface_worker.py, models/jev/head.json); si no existe, el plugin no inyecta nada.

Uso del ordenador en macOS con AX primero para DeepSeek Harness: instantáneas de accesibilidad con referencias estables, entrada en segundo plano, escritura Unicode, menús, apps, capturas set-of-mark, OCR en el dispositivo, acciones verificadas y guardas semánticas opcionales de Jev (TypeSafe System One) — 1.

Skill que verifica afirmaciones con la web abierta, no con la memoria del modelo. Divide cada afirmación en hechos verificables, los dirige a una jerarquía de fuentes primarias por ámbito, busca en paralelo en ecosistemas nacionales e internacionales, obtiene y clasifica páginas y vuelve a buscar con términos de refutación. Informa primero la conclusión, con URL completa y ubicación de cita para cada frase, y separa lo no verificado o indeterminable de lo confirmado. Si hay clave, puede enviar tres juicios a TypeSafe Jev (System One); sin ella usa reglas deterministas. El modelo solo puede bajar el nivel de confianza.

TypeSafe Jev (modelo de decisión System One) como herramienta jev_decide para DeepSeek Harness: las preguntas noul, choice y score devuelven probabilidades calibradas; las credenciales reutilizan la interfaz de credenciales de DSH; reintento con backoff 429/529 integrado.

Usa el paradigma de modelo de decisión Jev (System One) con cualquier LLM compatible con OpenAI — sin necesidad de clave TypeSafe. Registra una herramienta jev_decide que devuelve respuestas con distribución de probabilidad a preguntas tipadas (choice/score/boolean) en una sola llamada.

TypeSafe Jev como servicio Cordis de primera clase y tres herramientas visibles para el modelo en DeepSeek Harness: offline por defecto, egreso declarado, nunca activado por defecto.

Muestra en el chat de DSH los planes elegidos por JeV, avances y resúmenes por etapa, con traducción nativa o resúmenes ligeros. Requiere una clave JeV; el servicio Jev se llama externamente y puede cobrar. Incluye flujos jerárquicos de tareas secuenciales/paralelas.

Flujo de trabajo multiagente en chino para DeepSeek Harness, con fallback de modelo por rol, planes Mermaid versionados, revisiones independientes de Agent y Jev, colaboración persistente de expertos y herramientas de cálculo de función pura.

Añade consejos TypeSafe Jev para personas en preguntas de opción múltiple de DSH. Por defecto se solicitan bajo demanda; la automatización es opcional. Incluye recomendaciones, probabilidades, confianza, avisos de empate, sugerencias copiables, adopción con un clic, diseños de tarjeta por perfil y preferencias temporales. La vista previa opcional enmascara credenciales comunes; también ofrece comprobaciones locales y exportaciones de diagnóstico saneadas.

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.

Provider de navegador para DeepSeek Harness: ejecuta tareas web paso a paso en un navegador real, viendo una tabla indexada de acciones posibles en vez de HTML o capturas. Cada paso usa una decisión Jev, no un turno completo del modelo; el benchmark del repo da 1,1 s de mediana frente a 2,8–3,6 s por turno de chat-model. La conversación recibe solo la conclusión y no acumula contexto de página. Elige elementos de la página recién leída y la vuelve a leer si cambia. Usa el navegador propiedad de Session y deja intacto tu Chrome habitual salvo que actives attach mode.

Plugin de selección automática de nivel de razonamiento para DeepSeek Harness (DSH): el modelo Jev System One decide cuánto pensamiento merece cada mensaje, la escala se deriva de los niveles declarados por el modelo, un sobre de contexto permite que preguntas de seguimiento como «continúa» hereden la profundidad del tema, la baja confianza se redondea hacia arriba y cualquier fallo mantiene el nivel original. | Esfuerzo de razonamiento por mensaje impulsado por Jev: escalas por modelo derivadas de lo que cada modelo declara, sobre de contexto de tamaño fijo para que los seguimientos hereden la profundidad del tema, empates resueltos hacia arriba y fallback silencioso en todo error.

Capa de decisión para dsh: juicios tipados independientes del proveedor (primero Jev) tras los puntos de control de herramientas, enrutamiento de modelos, evaluación de resultados y aprobación de máquina.

Compactación de contexto puntuada por Jev para DeepSeek Harness: conserva los mensajes importantes y compacta los que no lo son.