Plugins

Cuatro herramientas de solo lectura sobre una base de conocimiento WeKnora: listar bases de conocimiento, búsqueda híbrida de pasajes, reensamblar los fragmentos de un documento en orden, y la respuesta RAG citada del propio WeKnora o de un agente ReAct con un id de sesión reanudable.

Herramientas de recuperación de conocimiento WeKnora para DeepSeek Harness (dsh): búsqueda semántica, lectura de documentos y respuestas RAG/agente sobre tus propias bases de conocimiento.

Paquete de solo configuración que monta Ouroboros a través del cliente MCP de DSH, exponiendo 36 herramientas de flujo de trabajo de entrevista, Seed, ejecución, evaluación y evolución en DSH.

Preset de investigación con evidencia verificada: cada paso usa observaciones confirmadas por el sistema, las afirmaciones L3+ pasan a un evaluador independiente y la sesión forma un registro reproducible y una ontología explorable. Requiere DSH >=0.1.7-alpha.1.

Simulador sandbox externo 2D para Miliastra, impulsado por Lua; compatible con DeepSeek Harness, Web y MCP.

Kit de herramientas de I+D cuantitativa para DeepSeek Harness — 59 herramientas en seis dominios que cubren datos de mercado, indicadores, evaluación de factores, validación ML walk-forward, riesgo (VaR/CVaR/drawdown/Beta con Kupiec POF), opciones, bonos, FICC y simulación de fondos, con un flujo de investigación extremo a extremo PDAT→PET.

Controla tu Chrome real desde DSH mediante un puente WebSocket local: gestión de pestañas, navegación, capturas DOM, evaluación de JS en páginas, clics, escritura, capturas de pantalla, esperas y gestión de diálogos. Se activa con un interruptor en Settings.

Controla tu Chrome real desde DSH mediante un puente WebSocket local: gestión de pestañas, navegación, snapshots del DOM, evaluación de JS en la página, clics, escritura, capturas, esperas y gestión de diálogos tras un conmutador en Ajustes.

Banco de trabajo de investigación de acciones A local-first para DeepSeek Harness: paneles de mercado, listas de seguimiento, valoración, cuatro agentes inversores, informes versionados y chat continuo posterior al informe.

Plugin de control de evaluación DSH en el host: inyecta variables, límites de presupuesto, raíz de sesión y linaje de forks de cada prueba en el proceso del agente; enruta llamadas al modelo mediante un host broker bajo gateway lease y escribe un bundle descriptor con versión de esquema para atribuir evidencias.

Reescribe solicitudes salientes `/chat/completions` con un andamiaje de cadena de pensamiento evolutivo (genoma de nueve dimensiones, selección elitista con cruce de fragmentos y una reevaluación determinista), puntúa respuestas con una base fija de 20 objetivos y añade una línea por reescritura a `live-requests.jsonl` en la raíz de datos del plugin (por defecto `<cwd>/.aecot`, configurable con `AECOT_ROOT`).

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

Arnés de evaluación para plugins de DSH: los casos en YAML impulsan ejecuciones reales del agente en modo headless, verifican llamadas a herramientas, argumentos, resultados y uso de tokens, con una puerta de referencia para regresiones en CI.

Motor de persona para DeepSeek Harness: un config.json rige el nombre propio de la IA (por modelo y nivel), cómo te llama, su postura relacional, el texto de carácter, contratos de trabajo por ítem con interruptores, el idioma de la cadena de pensamiento y el tono de respuesta, y memoria a largo plazo condicionada a confirmación humana: la IA solo añade candidatos, una línea de confirmación los activa, y el registro solo admite añadidos y es reproducible. Las entradas confirmadas se inyectan como bloque citado de datos, no de instrucciones; las etiquetadas con un kind van a archivos arbitrarios y no llegan al prompt. El prompt se reevalúa desde disco en cada ensamblado: las ediciones aplican sin reiniciar. Presets: instantáneas JSON compartibles. Sin dependencias, red ni shell.

Memoria de equipo autoevolutiva como Markdown plano en git: un plugin nativo de Cordis que registra 38 herramientas de memoria de nombre simple más una sección de señales de prompt reevaluada en cada ensamblaje, con refuerzo RPE, decaimiento y consolidación durante el sueño; comparte un repositorio de datos con sus hosts Claude Code (MCP) y OpenClaw; verificado con DSH 0.1.0-rc.6.

Memoria de equipo autoevolutiva como Markdown plano en git: un complemento Cordis nativo que registra 38 herramientas de memoria con nombre simple más una sección de señales de prompt reevaluada en cada ensamblaje, con refuerzo RPE, decaimiento y consolidación durante el sueño; comparte un único repositorio de datos con sus hosts Claude Code (MCP) y OpenClaw; verificado con DSH 0.1.0-rc.6.

Evaluador seguro de expresiones matemáticas, con un parser de descenso recursivo sin dependencias.

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.

Una ventana de Chrome visible por sesión de DSH: 16 herramientas chrome_* (open/status/close/navigate/tabs/snapshot/screenshot/click/click_at/fill/type/press_key/hover/scroll/evaluate/wait), una pestaña de Chrome en la GUI web con vista de screencast en vivo (fallback de heartbeat por captura para páginas inactivas), gestión de pestañas, controles de ventana e historial de capturas.

Plugin de valoración de activos de datos con métodos basados en costes (coste de reposición) y en ingresos.

Controla desde DeepSeek Harness el navegador headless Moli instalado localmente: fetch renderizado, evaluación de JavaScript, Markdown, árboles semánticos, capturas y PDF. Un CSS selector devuelve un contenedor en lugar de toda la página; el autor midió 40–80 veces menos tokens en páginas de listados. El scroll activa la carga diferida. Instala Moli si falta. El autor informa pruebas con un motor real en Windows, Linux y macOS.

Plugin de configuración LSP de Lua para DeepSeek Harness mediante lua-language-server.

Kit de herramientas de datos financieros para agentes DSH: formateo de números y monedas (incluidas las unidades chinas wan/yi), cálculos de rentabilidad y CAGR, ratios de valoración y rentabilidad, PV/FV, métricas de riesgo y una lista de verificación de calidad de datos.

Plugin proactivo de planificación multimodelo: ingesta de señales multisource con deduplicación y clasificación de urgencia, un motor de decisiones de cuatro vías ejecutar/aplazar/desestimar/preguntar al usuario, generación de planes DAG con ejecución paralela de modelos, reflexión de calidad con reintento automático y cambio de modelo, memoria a largo plazo para patrones y lecciones de tareas, y evolución de estrategia mediante algoritmos genéticos con evaluación en sandbox y despliegue canary.