Plugins

Asigna un estado de ánimo a la companion en cada turno y lo muestra como una breve nota contextual; incluye un panel de ánimo, dimensiones emocionales y cronología.

Memoria a largo plazo entre sesiones en una base SQLite local: dos ámbitos (usuario y proyecto por origen Git), recuperación híbrida FTS5 + vectores locales combinada con RRF, una puerta de evidencias que exige juzgar explícitamente si son suficientes, cadenas de auditoría de procedencia, repaso espaciado SM-2, destilación de consolidación y olvido por decaimiento, además de un panel lateral Memory Palace con nueve vistas. Incluye 22 herramientas de parámetros acotados, sin servicio externo, API key ni Docker.

Tarjeta de consulta de logs para la GUI web de DSH sobre Elasticsearch/OpenSearch: una interfaz con consultas por dialecto y ejemplos seleccionables, autocompletado de campos, chips de filtros, histograma temporal con zoom por intervalo, facetas que convierten un grupo en filtro y lista de resultados con colores por nivel, filas de continuación de stack, columnas y paginación. Los logs de contenedores Docker son una fuente de recopilación que reutiliza el plugin docker. Incluye cinco herramientas loglens_* de solo lectura (sources/search/fields/facets/context) que comparten la capa de ejecución del panel. Las solicitudes salientes solo llegan a fuentes configuradas, se evalúan según la IP resuelta, no siguen redirecciones y tienen límites de tamaño y tiempo.

QA de fidelidad de diseño para modelos solo de texto: una herramienta `deepseek_vision` toma prestado un ojo de cualquier ruta de visión compatible con OpenAI, de modo que el modelo pueda juzgar si una implementación coincide con su maqueta — se entrega con el benchmark detrás de ese juicio (cuatro fixtures, 23 defectos inyectados, transcripciones en bruto) y la disciplina de cuestionamiento de la que depende.

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.

Optimiza una instrucción en bruto con un clic: tres estilos, perfil contextual de rol/tarea/objetivo, selección de varias muestras por juez de modelo y mejora iterativa con memoria de sesión, valores predeterminados inteligentes y ajustes del usuario. /template cubre 22 subescenas sin llamadas al modelo. Incluye optimizar/deshacer ✨ en el campo, herramienta prompt_optimize, hook automático, estado en tiempo de ejecución, panel Settings (dsh 0.2.0) y detección automática de documentos zh/en.

Plugin de memoria a largo plazo para DeepSeek Harness. Evalúa cada turno y lo guarda en SQLite local (enunciado / evento / versión / etapa / decisión), con un panel navegable.

Memoria de persona y diario entre sesiones para DeepSeek Harness. Un filtro local elige qué turnos recordar; una llamada adicional al modelo genera diario en primera persona e impresión del usuario, cada uno vinculado al momento concreto. Las conversaciones posteriores inyectan unos 2000 tokens de memoria propia en tres capas: núcleo de persona, juicios escritos por el modelo y diario. Incluye una herramienta para registrar juicios con palabras del modelo. El plugin solo lee el Markdown escrito por la persona. Desde la barra lateral se lee, olvida o exporta el archivo; olvidar solo baja la prioridad, no borra, y una coincidencia temática fuerte puede recuperarlo. Archivo local, editable y portable. Elimina secretos antes del envío. Sin dependencias de ejecución ni compilación.

OMK — Observe. Measure. Know. Cambios de conocimiento respaldados por evidencia para aplicaciones de IA.

Entrevista sobre los requisitos antes de empezar: evalúa si la solicitud está clara y, si no, formula preguntas concretas. En modo strict bloquea las herramientas de edición hasta que el usuario confirme en el chat un resumen de cuatro partes; guarda las preferencias confirmadas en una memoria de dos capas.

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.

Un subagente de aprobación independiente juzga cada escalada de sandbox, con un modelo configurable y un registro de auditoría.

Descubre archivos de reglas de todas las convenciones compatibles con OMP y los inyecta en el prompt del sistema como capa de aplicación permanente e índice del reglamento. Reglas de flujo pueden abortar una salida infractora durante el turno, denegar una llamada de herramienta, añadir un recordatorio al resultado o consultar un modelo juez sobre la respuesta final. La misma herramienta permite al modelo crear reglas; un panel de auditoría en Plugins explica por qué se aplica cada una.

Mapea el audio del sistema analizado localmente a efectos de conversación reactivos a la música, juicios de juego de ritmo, comentarios de puntuación y combo, y barras de espectro RGB opcionales en DSH Web.

Cortafuegos de plugins en ejecución solo para sesiones iniciadas con su launcher; no se puede inyectar en DSH Desktop y no lo cubre. Atribuye llamadas de archivos, red y subprocesos al plugin de origen y las contrasta con lo declarado: el uso declarado no genera avisos y las desviaciones se registran. La atribución es best-effort, no garantizada; las llamadas sin clasificar se asignan al host, nunca a otro plugin. Incluye tarjeta previa (capacidades, combinaciones críticas, PASS/WARN/BLOCK), evaluación de límites, bloqueo preejecución opcional y desactivado por defecto (regla contra exfiltración de credenciales), prueba de actualización en proceso hijo aislado, exportación SARIF/CSV y agregación de fuentes. Almacenamiento local, sin telemetría; webhook opcional desactivado por defecto.

Aprobación y revisión automáticas de las llamadas a herramientas que necesitan aprobación: grupos de palabras clave hacen coincidir líneas rojas sin contexto, luego un modelo juez clasifica lo solicitado y lo envía a permitir, rechazar o a una persona según la fila coincidente y el nivel de riesgo; un juicio que nunca se ejecutó siempre va a una persona, y los rechazos le dicen al modelo por qué.

Reanuda un turno del agente que terminó tras narrar su siguiente acción sin llamar a ninguna herramienta: el guard reejecuta el log del turno en agent/turn-stopping, hace una única pregunta de verdadero/falso a un modelo juez y dirige el mismo turno a ejecutar un paso más.

Ejecuta 3 o 5 candidatos de coding-agent en Git worktrees detached, valida sus patches con comandos del proyecto, clasifica solo candidatos que pasen, y requiere aprobación separada antes de aplicar el ganador.

Arnés de memoria de agente de tres niveles: L1 CLAUDE.md siempre activo, índice L2, esqueleto detallado L3 con plantillas, una puerta que bloquea las escrituras en archivos protegidos sin un token de aprobación de un solo uso, registro de eventos sin juicios, destilación semanal y una habilidad de bucle de ejecución TDD.

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).

Plugin de debate mult model para DeepSeek Harness: varias IA ya configuradas debaten varias rondas el mismo tema con su persona y contexto compartido. El juez pondera seis dimensiones: agresividad, lógica, fidelidad a la persona, diversión, estrategia y profundidad. La relación coste-beneficio se muestra aparte con el ledger real de dsh-cost-meter. Exporta informe Markdown y docx.

Compañero de IA con reloj corporal aprendido, sueño real cuando está offline y memoria propia; comunica un affect autoinformado, evaluado con la misma lógica judge que la versión pi.

Equipo de ensamblaje de memoria para DeepSeek Harness: cada mensaje activa un ciclo de cinco pasos (judge, retrieve, assemble, feedback, calibrate) con subagents que asumen los roles judge, retriever, archivist, advocate, editor y scribe. Usa recuperación BM25, material ordenado por tiempo y ensamblaje LLM para crear paquetes útiles que inyecta en linghun. Compatible con dsh-linghun.

Fork mantenido de dsh-approval-gate. Si una operación neutral alcanza el umbral de confirmaciones y el juez no está disponible, se aprueba automáticamente en vez de volver a pedir intervención humana. Las explicaciones para quien aprueba se generan en chino a partir del modo sandbox, comando y rutas reales. También deniega de forma determinista la exfiltración de credenciales y la destrucción de rutas del sistema, enmascara la entrada del juez, ofrece cadena de modelos jueces, permisos por fingerprint y vista de aprobación con diff unificado y reversión con un clic.