Plugins

Habilidades del flujo de trabajo de investigación ARIS como bundle de DeepSeek Harness: 82 habilidades más revisión adversarial entre modelos a través de Codex.

Tu compañero de aprendizaje con IA: te ayuda a planificar tus estudios, comprender conceptos y crear proyectos para dominar una materia.

Exploración de arquitectura AGI de caja blanca: metacognición (bucle de autocognición), aprendizaje continuo (volante de conocimiento), modelo del mundo (espacio de condiciones, grafo de memoria espaciotemporal), auto-mejora (disciplina bootstrap), pipeline de caja blanca zero-LLM y barandillas de confianza auditables.

Evoluciona skills, agentes, prompts, código y plugins desde dentro de DeepSeek Harness, con AgentDescent.

Convierte la experiencia explícita de sesión DSH en borradores nativos de Skill revisables que se guardan solo tras la aprobación del usuario.

Selecciona texto en una respuesta DSH comprometida para abrir un Topic independiente, persistente y de solo lectura multi-turno vinculado a evidencia de la sesión fuente y archivos del proyecto mientras el Agent fuente sigue ejecutándose.

Optimización con un clic de una instrucción en bruto en un prompt profesional: tres estilos de salida, perfilado de rol/tarea/objetivo consciente de la situación, aprendizaje autoiterativo (memoria de sesión + valores predeterminados inteligentes + anulaciones del usuario), /template para 22 sub-escenas con cero llamadas al modelo, ✨ optimización/deshacer con un clic en el cuadro de entrada, herramienta prompt_optimize, hook de auto-optimización y documentos zh/en autodetectados.

Una pestaña de estudio con columnas de mapa de curso, tutor y pizarra que convierte archivos markdown, carpetas locales o repositorios de GitHub en cursos guiados, con desbloqueo de lecciones, seguimiento de dominio, repetición espaciada e importación de cursos diseñada por tutores.

Modo de aprendizaje local-first: hilos de aprendizaje entre sesiones con explicaciones por fuente.

Modo de aprendizaje que explica cada paso del agente (en desarrollo).

Bucle de auto-refinamiento continuo: memoria persistente, revisión y refinamiento periódico, conocimiento compartido entre sesiones y reversión automática mediante la herramienta harness_refine invocable por el modelo.

Enrutamiento y evolución inteligentes de subagentes: vincula roles a cualquier proveedor/modelo registrado en DSH, incluidos los modelos aportados por plugins de proveedor de Codex y Claude Code, con aprendizaje en el espacio de trabajo.

Plugin cognitivo inspirado en el cerebro: memoria episódica, semántica, procedimental y emocional con señales de aprendizaje por refuerzo; una pila de objetivos con activadores temporales; investigación web autónoma impulsada por la curiosidad e iniciativas proactivas.

Preset de agente Modo Aprendizaje: un agente de programación que enseña mientras programa: explicaciones concretas basadas en escenarios, guía socrática, y huecos de práctica TODO(你), modelado en el estilo de salida Learning de Claude Code; instalable mediante dsh plugin add (dsh-learning-mode en npm).

Agente de escritura en colaboración profunda para DSH: aprendizaje de estilo de escritura por usuario a partir de pares de edición, flujo clarify→outline→section-writing→red-team→reader-gallery, síntesis de proyecto a informe (informe de laboratorio / introducción de producto / encuesta / README), 41 herramientas MCP e interfaz web de selección-mejora con vista previa de archivos en la aplicación.

Exporta eventos de turno, modelo, herramienta, aprobación, reintento y error de DSH (solo metadatos) a Tuning Engines para trazas gobernadas, evaluación de políticas, análisis de costos y revisión de Work Session, con una cola de reintentos respaldada en disco.

Puente de tutoría DeepTutor: explicaciones profundas, preguntas de autoevaluación, planificación de ruta de aprendizaje, búsqueda en base de conocimiento personal (RAG), y archivo de notas mediante las herramientas deeptutor_run / deeptutor_kb / deeptutor_note.

Preset de agente Learning Mode: un agente de codificación que enseña mientras codifica — explicaciones concretas basadas en escenarios, guía socrática y espacios de práctica TODO(你), modelado en el estilo de salida Learning de Claude Code; instalable vía dsh plugin add (dsh-learning-mode en npm).

Ajuste preestablecido de agente de documentación técnica para DeepSeek Harness: escritura basada en plantillas con biblioteca de plantillas de autoaprendizaje, eliminación de sabor de IA para documentos técnicos y kit de herramientas de garantía de calidad (auditoría de documentos, consistencia entre documentos, renumeración, sincronización de versiones, exportación a PDF y Word, automatización de capturas de pantalla).

Compañero de aprendizaje de hilos de citas duradero para conversaciones de DeepSeek Harness

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).

Memoria de sesión → Plugin de sedimentación de conocimiento OKF: sistema de memoria con autoaprendizaje neuronal impulsado por predicción. Sedimenta el contenido de alto valor de las sesiones como memoria de largo plazo según la especificación OKF v0.1 y lo evoca automáticamente entre sesiones. Plugin de memoria de sesión a OKF con autoaprendizaje neuronal (recuperación predictiva, captura impulsada por la incertidumbre, retroalimentación por refuerzo).

Bucle de autoaprendizaje para dsh: registra lecciones, redacta y promociona habilidades; revisión periódica del curador que corrige, consolida y retira habilidades.

Publishes a lesson into the DSH conversation: the dependency spine, the question and the vault's drawings, drawn in the vault's own palette.