Plugins

Memoria a largo plazo para DeepSeek Harness en formato Markdown simple, un hecho por archivo, legible en cualquier editor. El índice `MEMORY.md` tiene un límite estricto de 200 líneas / 25 KB impuesto por `ctx.tools.guard()`: se rechaza cualquier escritura que exceda el límite, mientras que una reescritura que lo reduzca siempre se permite, permitiendo compactar paso a paso un índice sobredimensionado. El complemento nunca escribe recuerdos por sí mismo — qué conservar lo decides tú y el modelo. El mismo almacén también es utilizado por Claude Code, Codex, Kiro y OpenClaw.

Memoria a largo plazo curada y basada en archivos para DeepSeek Harness: notas en markdown legibles por humanos, un único almacén de archivos planos compartido entre hosts (ignorado por git cuando reside dentro de un repositorio de proyecto), y un límite de índice determinista impuesto por ctx.tools.guard()

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.

Control de la entrada web de DSH (v0.3.0-beta.4 · paquete de capacidades para tareas complejas: 3D / normales / interacción / datos / concurrencia / detalles de rendimiento verificados punto por punto + aceptación automatizable + bilingüe chino-inglés ·aplicable a dsh-0.1.6-alpha.1): antes de enviar, una IA independiente (mensajera) optimiza el prompt en un comando listo para la IA de trabajo (cuatro intensidades, longitud del flujo según la dificultad, aislamiento por sesión, mini ventana minimalista).

Instala un preajuste de escritura de novelas multiagente para DeepSeek Harness: un agente director despacha cinco subagentes especializados: construcción de mundos, trama, gestión de personajes, redacción de prosa y revisión de calidad.

Guarda cada prompt plantilla repetitivo y tedioso: un clic del ratón lo inyecta en el composer y te ahorra el esfuerzo. 🌹

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

Motor cron residente en el host con un tablero web de trabajos y una herramienta timer_agent: dispara sesiones reales del agente según lo programado, continuando una sesión fijada para mantener contexto o iniciando otras nuevas en un espacio de trabajo del proyecto elegido.

Port de DietrichGebert/ponytail v4.9.0: modo sénior perezoso siempre activo con una escalera de 7 peldaños (YAGNI hasta código mínimo), 6 habilidades para revisión, auditoría, deuda, ganancia y ayuda, sin herramientas vacías.

Preset de agente anclado unificado para DeepSeek V4 Pro/Flash en la API oficial y opencode-go: bootstrap de la primera solicitud con dos herramientas Minimal-exact, rutas Pro/Flash conscientes del modelo y gestión de catálogo consciente de la época para la estabilidad en sesiones largas.

Preajuste de agente anclado unificado para DeepSeek V4 Pro/Flash en la API oficial y opencode-go: arranque de primera solicitud con dos herramientas mínimas y exactas, rutas Pro/Flash conscientes del modelo, y gestión de catálogo consciente de épocas para la estabilidad de sesiones largas.

Skill de flujo de trabajo de investigación AI-for-Science para DeepSeek Harness, dirigida a investigadores y estudiantes de posgrado que usan IA agéntica: revisión bibliográfica multiángulo con archivos por ángulo, diseño de experimentos con lista de caveats, lectura de figuras y artículos; cada trabajo devuelve archivos más un informe de verificación cruzada para un segundo modelo. Sin dependencias, MIT.

Añade /pua para guiar al agente a probar otro enfoque y verificar los resultados antes de declarar la finalización, con 15 estilos de empresa, modos de persona, ajustes globales y por conversación, y un bucle opcional que continúa hasta que un comando de verificación pasa, se alcanza el límite de iteraciones o el usuario cancela.

Mejora de prompt con un clic en el compositor: reescribe el borrador en un prompt estructurado (rol y objetivo, pasos ejecutables, formato de salida, criterios de aceptación, casos límite) con vista previa antes/después, reinserción y deshacer. Nunca cambia la intención ni inventa requisitos.

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).

Mejora de prompts para el compositor: el botón «✨ Enhance» reescribe el borrador con una versión más clara y estructurada, aplicando el pensamiento de primeros principios y basándose en el contexto de la sesión, la memoria y la conversación reciente; hace preguntas de aclaración en una tarjeta cuando falta información clave y muestra una vista previa antes de aplicarlo al campo de entrada.

Habilidad de análisis estructural multicapa: análisis primero adversarial en 16 lentes dentro de 4 categorías con 10 herramientas estructurales, calibración de confianza y salida por capas basada en hechos.

Mejorador de prompts para la interfaz web de DSH con modos basic/standard/expert: los modos standard y expert reescriben borradores con el contexto del proyecto y el historial reciente de la sesión, reintentan con elegancia cuando las pasarelas rechazan los ajustes de reasoning-effort y muestran una revisión antes/después con deshacer.

Aprende lo que dejas sin decir en tus prompts a partir de turnos desordenados y de tus propias correcciones, e inyecta las directivas aprendidas en el prompt del sistema de cada nueva conversación; las directivas son editables en Ajustes y un botón del compositor reescribe el borrador actual con ellas.

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).

Sugerencias de mensajes siguientes conscientes del contexto en el compositor DSH, con ciclismo de activación repetido y revisión explícita del usuario antes de enviar.

Optimizador de prompts con estructura de agente para DeepSeek Harness: reescribe los borradores del compositor en role/task/context/constraint/format con modos normal, slim y expand, un modal de confirmación con puntuación, continue-optimize y motores local, híbrido, DSH o API en la nube.

Registra la skill fight-scene-director para diseñar escenas de pelea con video IA, portada desde la skill Codex del mismo nombre. Emite prompts estructurados en chino para Seedance 2.0/2.5 y MiniMax H3, además de prompts de imagen para mapa de trayectoria y posición inicial.

Modos personalizados / gestor de asistentes: cada modo tiene su propio prompt de sistema en la página de ajustes — un prompt personalizado en un archivo plano que el bucle del agente relee antes de cada paso del modelo, así una edición se aplica a la sesión en curso en el paso siguiente — e inícialo desde la composición oficial estándar / PTC / minimal / Cordis, activando una a una sus filas de plugins (composición propia por modo) y renombrándolo a gusto. Varios asistentes coexisten con sus prompts, así una máquina puede mantener en paralelo un asistente de programación, un compañero de chat y una persona de juego de rol (RP) — una configuración multiagente elegible en cada nueva sesión. Las filas intactas quedan idénticas byte a byte a las distribuidas, con las condiciones de plataforma.