Plugins

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.

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.

Núcleo de juicio para DeepSeek Harness: un ciclo cognitivo atribuye fuentes a cada decisión y completa la planificación; la memoria hippocampus condensa la experiencia en conocimiento (diario, archivo episódico y decaimiento de baja confianza); la arquitectura fija responsabilidades y criterios coherentes; un equipo A2A gestiona memoria mediante dsh-linghun-assembler. Requiere DSH ^0.1.0-rc.7 (compatible con rc.2).

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.

Un corpus acumulado de gusto de diseño para agentes DSH: alimente con ejemplos buenos y malos, destile principios y revise nuevos diseños según el juicio aprendido en lugar de un conjunto fijo de reglas.

Project workspaces for multi-session collaboration, conversation handoffs, searchable chat records, and editable shared memory; automatic memory curation and handoff judgment require two background models (memoryModel and sessionManagerModel) configured in the plugin config.

Capa de evaluación para plugins de DeepSeek Harness: atribuye por qué un plugin desapareció sin aviso, evalúa candidatos en tu entorno exacto y mantiene un registro de capacidades. Sin conexión, solo lectura y centrado en la evidencia.

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.

Workspace de auditoría para DeepSeek Harness: entorno de consulta multiagente con agentes en cada asiento de revisión, cada juicio enviado a una identidad de revisión con nombre y toda la ejecución guardada como registro trazable. Listo para usar: endpoint integrado, workspace automático al primer inicio y escenas de revisión con asientos y agentes enumerados.

Registra la skill TypeSafe/Jev (System One) en la capa global de skills de DeepSeek Harness para que todas las sesiones clasifiquen, enruten, puntúen, extraigan y apliquen umbrales de confianza con juicios tipados, sin depender de prompt-and-parse. No incluye API key; el usuario aporta `OPENROUTER_API_KEY`.

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.

Brain-inspired cognitive architecture for DeepSeek Harness: hippocampal episodic memory, cortical semantic memory, spreading-activation recall, appraisal-based emotion, neuromodulator state, Big Five personality and dual-process judgment.

Structural scaffolding for DSH agent continuity: layered memory (hot/index/judgments), judgment cards, handoff packs (compact mode), compaction review. Zero-dependency, pure files, portable — rebuild the 'self' across model changes. Not a memory engine; the skeleton of continuity.

Runs an approved OpenSpec change to completion while the model stays a mechanical forwarder: a bundled Python CLI computes the ticket DAG frontier, claims tasks atomically, prepares one git worktree per assignment, and returns exact actions. The session delegates each action with the DSH subagent tool and reconciles the completion notice against a hash-bound receipt produced by re-running verification commands on a clean, advanced HEAD, so free-text "done" never counts. Runtime scope changes are plain tasks.md edits. Liveness is observable, not guessed: status returns a relay block (elapsed and lease budget, receipt presence, heartbeat and activity age, a suggested action); abandoning a plausibly-still-working attempt is refused with the judgment data unless --force; a late sealed receipt is revived by adopt after full re-verification instead of rebuilding the ticket; dispatched subagents refresh a progress heartbeat outside the worktree. Requires Python 3.10+ on PATH and a git project that uses OpenSpec.

Look up Chinese companies inside the conversation: name a company and get its business registration, shareholders, executives, outbound investments and registration changes, plus judicial and operating-risk records such as enforcement, dishonest judgment debtor, consumption restriction, abnormal operation, serious illegality and administrative penalties (11 dimension groups). Results render as conversation cards with fields and the raw payload on expand, and the API key is saved from the plugin page into the Harness credential store.

Three ledgers for a model that loses context between restarts. Self-note: what I have become — capped at 40 entries, and every eviction first leaves a one-line crease recording which entry was dropped and why. Judgment ledger: record a claim together with how to verify it, come back when it is due, and mark it right or wrong; wrong ones stay in a mistakes book so you stop assuming you were always correct. Handoff: where this run stopped and what the next one should read first — a baton, not a memory. Three tools each taking an action parameter instead of a dozen separate ones (the prompt is paid every turn). Data lives in ~/.dsh/*.jsonl and is shared with the same-named CLI scripts. Zero dependencies.

Juego de deducción social contra tus propias configuraciones de modelos. La mesa tiene N asientos (seis por defecto, uno es el tuyo); algunos de los demás los ocupan agentes con distintos ajustes de proveedor, modelo, temperatura, system prompt y disfraz. Los interrogas y contrastas respuestas para descubrir qué asientos no son humanos. La identidad de cada asiento y la configuración del modelo permanecen ocultas en host state hasta emitir el juicio; entonces se revelan los parámetros de disfraz. Cada ronda exporta un JSONL de conversación por asiento y el registro del juicio. La misma seed y el mismo script de movimientos se reproducen de forma idéntica byte a byte, para comparar ejecuciones con modelos o disfraces distintos.

Ejecuta los juicios de Jev (TypeSafe System One) en los gates del agent loop de DeepSeek Harness: pre-step, pre-execute, post-execute y detención del turno. No depende de la UI y puede montarse en cualquier composición de Harness.