Plugins

Escuadras multimodelo persistentes configuradas en Ajustes y seleccionadas en el Composer, con políticas de modelo/herramienta por miembro; el Agente principal planifica dinámicamente cada envío como un DAG acotado con bucles limitados de revisión/reparación, mientras que el Run Center rastrea reintentos y tokens por miembro a partir de los eventos de uso oficiales de Harness.

Mejora de prompts con un clic (5 modos, cadena de memoria, fallback multimodelo) más reconocimiento de voz (Qwen3-ASR en la nube / SenseVoice sin conexión, parada automática en silencio) para el compositor, con reinicio del servicio DSH con un clic.

Consejo multimodelo para DeepSeek Harness: respuestas independientes, revisiones anónimas entre pares y una decisión final inspeccionable.

Orquestador multimodelo: el cerebro principal descompone tareas complejas y reparte subtareas a subagentes GLM / Kimi / Qwen según las fortalezas de cada modelo, con uso de tokens por modelo.

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.

Modelo predeterminado configurable para delegaciones a subagentes mediante settings.yaml, con estrategias de modelo único y multimodelo por turnos rotatorios o aleatorios.

Complemento de enrutamiento multimodelo para DeepSeek Harness: deje las tareas especializadas en manos de agentes especializados: personalice agentes profesionales (visión/traducción/voz/subagente, etc.) y asócielos a modelos independientes; inicio de sesión con un clic para cuentas multimodales, enrutamiento de estado del pool de cuentas y estadísticas de uso en tiempo real.

Herramienta de visión invocable por agentes que describe imágenes locales mediante cualquier endpoint de visión compatible con OpenAI que configures, con verificación cruzada opcional de varios modelos y sin claves integradas.

Build and manage dsh agent modes from the settings page: start each one from the official standard / PTC / minimal / Cordis composition, toggle the plugin rows it mounts one by one, rename it, and edit its system prompt — a plain file the agent loop re-reads before every model step, so an edit applies to the running session on its next step. Rows left untouched stay byte-identical to the shipped ones, platform conditions included.

Perfilado de capacidades por modelo para DSH: convierte el historial de sesiones local en paneles por modelo que muestran recuentos de sesiones, uso de herramientas, tasas de error y principales firmas de error, con filtros por rango temporal y comparación entre múltiples modelos.

Para DeepSeek Harness: registra modelos, ayuda con los retratos y selecciona el modelo de Agent desde un catálogo sin secretos.

Custom modes and custom prompts for DeepSeek Harness (dsh): edit a mode's system prompt on the settings page (it takes effect on the next model step), choose its base mode, switch plugins row by row, and keep several assistants side by side.

FreeDSH — free-first multi-model routing, safe core updates and pt-BR/Windows support for DeepSeek Harness. Installable as a DSH bundle (dsh plugin add). Unofficial project.

Governs multi-model access, monthly credits, manual/quality/credit/auto routing, failure rerouting, and usage auditing for DSH.

DeepSeek-Harness plugin for multi-model orchestration with recursive task decomposition, dynamic routing, quality gates, failure recovery, and KPI reporting.

A draggable mascot invites you to play Xiangqi (Chinese chess) while the AI thinks, with a built-in engine, move-record export, and optional multi-model commentary.

Message review and quote chips for conversations: multi-model cross review (code/reply) with severity grading and summaries, review history, and host-persisted preferences.

Enrutador de modelos de dos niveles para DeepSeek Harness: enrutamiento con LLM-Judge, cadenas de respaldo multimodelo, conmutación por error con retroceso exponencial y orquestación a nivel de tarea (adaptación a DSH de pi-shift-router)

DeepSee: visión para DeepSeek Harness, enrutamiento multimodelo y autocomprobaciones visuales con Gemini antes de la entrega

Explicit, evidence-first multi-model consultation for DeepSeek Harness

Runs one coding prompt across multiple configured models in isolated Git worktrees, streams side-by-side tool traces and results, and commits the candidate the user adopts for later rounds.

Evidence-first multi-model coding comparison workbench for DeepSeek Harness