Plugins

Protector de escritura académica (bilingüe inglés/chino): elimina la escritura defensiva típica de la IA, protege la evidencia científica (cifras, citas, fuerza de las afirmaciones, resultados no significativos, alcance) durante el pulido, y ajusta el texto hacia una revista objetivo (Journal Profile + Journal Fit). Regex/estadística local determinista, sin red ni LLM; incluye writing_rules / writing_audit / writing_style_profile / writing_journal_profile con auditoría automática al escribir el artículo.

REPL de TypeScript persistente, ligado a la sesión, para el modo DSH PTC: los bindings y las importaciones permanecen activos entre llamadas run_code, edit_run_code reemplaza una línea sin reenviar el bloque, la sintaxis de import/export de módulos se adapta mediante reescritura AST, y los bindings persistentes se restauran desde el diario de la sesión tras un reinicio en frío.

El paquete DeepSeek Harness registra una habilidad que convierte producción larga (artículos académicos, análisis sectorial, comentarios empresariales) en pipeline de 9 roles: scouts T1 literatura / T2 datos / T3 casos en paralelo, T4 analista, T5 redactor, T6 compañero crítico, T7 auditor, T8 finalizador, T9 revisor par ejecutados por el coordinador. A través de 6 fases con verificación triangular de evidencias, M-gate de 23 comprobaciones, auditoría G0-G14 incluido gate de rastro IA chino, puntuación peer-review con matching de revistas, y 4 checkpoints humanos. Instala con `dsh plugin add lunheng-article-pipeline` (package.json#dsh.bundle.patch más lib/index.js); envía tarjetas de rol T1-T9, plantillas y 11 scripts de verificación sin dependencias, con READMEs en cinco idiomas.

Registra cada escritura/edición de archivo de IA en instantáneas antes/después para un flujo de revisión en línea en VS Code (aceptar/rechazar hunks, deshacer por archivo, sin git).

Controlador de autoevolución con prioridad en la evidencia: generación acotada de candidatos Cordis, admisión de Loader real de un solo intento, evaluación Harbor y un linaje con registro reanudable tras fallos.

Flujo de trabajo de investigación financiera y herramientas de riesgo de cartera, con disciplina de fuentes para datos de mercado actuales.

Automatización real de Microsoft Office basada en COM para DeepSeek Harness: controla una instancia en ejecución de Excel/Word mediante OfficeMCP: macros VBA, tablas dinámicas, recálculo de fórmulas en vivo y diseño profundo de documentos; además, un suite contable (asiento de doble entrada con verificación de débito/crédito y libro mayor SUMIF).

Enruta cada tarea a un modelo y su revisión a otro distinto, con evidencia de cualificación, conmutación por error y un diario duradero.

Pipeline de desarrollo guiado por especificaciones para Odoo: 15 herramientas llevan una petición desde una spec inmutable, pasando por la arquitectura, hasta código de módulo o configuración en vivo, y luego exigen un veredicto persistido respaldado por evidencia de una instancia real de Odoo, con puertas fail-closed, lotes aprobados por humanos en un entorno declarado, el importador CSV/Excel propio de Odoo y un diario que revierte los datos escritos por el plugin.

Telemetría de ejecución sin intervención para DSH: cada sesión escribe automáticamente tarea, nivel de modelo, herramientas, fallos, duración y estado en un diario legible con una sección de estadísticas (puro observador: sin herramientas, sin llamadas a LLM, sin inyección).

Habilidad de historias de vida: captura momentos y fragmentos, crea un perfil de usuario y genera novelas, guiones o autobiografías.

Read-only systemd --user list / show / journal.

Canonical project memory for DeepSeek Harness: one governing article per asset, an append-only journal beneath it.

Monitor de revistas/documentos de trabajo centrado en economía para DeepSeek Harness: obtención de NBER RSS + arXiv econ (4 categorías) + revistas de economía chinas (Shi Jie Jing Ji vía Magtech, Zhong Guo Nong Cun Guan Cha, Cai Mao Jing Ji, Zhong Guo Ren Kou Ke Xue, Jing Ji Guan Li vía ajcass), filtro por palabras clave, envío en modo de prueba/Webhook, persistencia con deduplicación y resumen compatible con schedule_create.

Aplica diffs unificados estructurados (formato git) al sistema de archivos real: análisis de múltiples archivos/hunks, ubicación difusa de hunks con corrección de desplazamiento de línea, aplicación de todo o nada con informes de conflictos tipados, registro de deshacer de parches inversos y dry-run: cuatro herramientas dsh patch_* más una CLI.

Conecta el kit de herramientas de código LiuHe MCP (44 herramientas) en dsh web: repo_map, búsqueda de símbolos, edit_batch con coincidencia tolerante, ediciones transaccionales con diario de deshacer y puertas de calidad deterministas, respaldado por un demonio de análisis tree-sitter en Rust aislado contra fallos y un índice SQLite.

Bloquea que los agentes lean o escriban archivos sensibles (.env, credenciales, material de claves), enmascara en los resultados valores con forma de secreto que se hayan filtrado, mantiene un diario de auditoría y expone herramientas seguras de inspección sg_* que nunca imprimen valores en claro.

Conecta el kit de herramientas de código LiuHe MCP (44 herramientas) a dsh web: repo_map, búsqueda de símbolos, edit_batch con coincidencia tolerante, ediciones transaccionales con diario de deshacer y puertas de calidad deterministas — respaldado por un daemon de parseo Rust tree-sitter aislado ante fallos y un índice SQLite.

Dreaming for agents: replay recent conversations between sessions (dream_digest), reflect and write a dream journal (dream_save/journal/recall), and idempotently bridge recurring lessons into AGENTS.md (dream_bridge). Reads multi-frame zstd session archives with privacy masking on by default; six tools including a health self-check; zero runtime dependencies.

Notes and todos as plain Markdown files in your workspace: type /ml plus a sentence to jot into today's journal; todos come in three flavors — deadline, sleep-until-a-date (auto-wakes when due), and anytime; /ml view fuzzy-opens any file with a few keystrokes. Zero tokens throughout — nothing goes through the model, and your notes stay ordinary local files that git and any editor can read.