Plugins

Catálogo de herramientas para agentes: busca entre ~2600 endpoints externos (SEO y SERP, backlinks, redes sociales, enriquecimiento de personas y empresas, bibliotecas de anuncios, scraping) según la tarea que quieras realizar, consulta los parámetros y el precio por llamada de cada uno, y luego llámalo con la credencial inyectada del lado del servidor. Incluye la skill más una fila MCP que permanece deshabilitada hasta que se configure TREG_TOKEN.

Sustituye los proveedores de sistema de archivos y bash por un espacio de trabajo virtual mirage: las herramientas de archivos y los comandos de shell se ejecutan sobre recursos montados (RAM, S3, Redis, Slack, Gmail, Notion, Postgres) en lugar del disco del host, con modos de lectura/escritura/ejecución por montaje, enrutamiento de sandbox por comando (monty, pyodide, quickjs en proceso; docker, e2b, daytona remotos), y CLIs instaladas (git, gh, slack, linear, ntn, gws, o una que registres) como palabras iniciales en la terminal virtual.

Visión para modelos solo de texto: al pegar una imagen, el modelo cambia a la variante Vision Toolkit para preguntas y respuestas sobre imágenes, comparación de múltiples imágenes, OCR de capturas largas, reproducción de UI a partir de capturas, localización de elementos y diferencias de píxeles. Sin clave de API por defecto — las imágenes se procesan mediante el servicio gratuito alojado por el autor, 100 por máquina al día; configurable a tu propio proveedor.

Ejecuta auditorías de seguridad locales de relés de API de IA y proxies de LLM desde DeepSeek Harness, generando informes en Markdown sobre inyección de prompts, señales de sustitución de modelos, reescritura de llamadas a herramientas, fuga de errores, integridad del flujo y riesgos de Web3 controlados por perfil.

Escritorio de redacción de novelas para DSH con un preajuste de autoría, gestión de esquemas y personajes, anotaciones de manuscritos, flujos de revisión y un backend local gestionado en Python.

Descarga local de facturas IMAP, OCR, archivo y resúmenes de reembolso en Excel para DeepSeek Harness.

Las capacidades de DeepWatch, instalables en un perfil de DeepSeek Harness existente.

Clones pixel-perfect de cualquier página web. Pega una URL y obtén una réplica medida en Vite + React.

Búsqueda unificada con verificación de evidencia para agentes: más de 120 motores con enrutamiento multilingüe, dominios verticales y tarjetas de modalidad estructuradas, 10 herramientas MCP más orquestación wide_research, y un bucle fetch-verify que rellena puntuaciones de evidencia.

Descarga local de facturas por IMAP, OCR, archivado y paquete resumen en Excel para DeepSeek Harness

Skills y filas MCP opcionales para once marketplaces: comparación de precios entre Wildberries, Detsky Mir y Yandex Market, además de búsqueda por fuente, tarjetas de producto y reseñas, incluyendo Ozon, Avito y AliExpress. Las 14 skills se cargan al instalar; ambas filas MCP permanecen deshabilitadas hasta que RU_MARKETPLACE_MCP_DIR apunte a un clon local, que requiere Python 3.12+ y uv.

Limpia huellas de IA en texto ruso: detecta artefactos de copia y pegado de chatbots (ChatGPT, Gemini, Grok, Perplexity, DeepSeek), elimina marcas de texto oculto (caracteres de ancho cero, maquetación invisible; el escaneo en sombra captura marcadores divididos por invisibles) y reescribe el texto en prosa natural bajo petición; 40 marcadores regex, 38 con entradas completas en el registro de evidencias; 156 puertas, 530 pruebas; paquete sin conexión y solo de texto (la eliminación de metadatos binarios reside en scripts/).

Conecta DeepSeek Harness con Multisim MCP para generación de circuitos, simulación, diagnóstico, optimización de diseño y exportación de informes de experimentos.

Skill Smart Charts: convierte archivos de datos CSV/TSV/TXT/XLSX/XLS/JSON en HTML interactivo autónomo con ECharts: 32 tipos de gráfico, incluidos mapas offline, 3 temas, sin CDN. Un perfil de datos --profile (dtype por columna, cardinalidad, ausencias, muestras, estadísticas, granularidad de entidad, señales) permite al agente leer los datos y elegir el gráfico; cada gráfico incluye una ficha de hechos (plot_stats + data_preview) cuyos números son los únicos citables. El código de transformación del LLM se ejecuta en un sandbox restringido (lista negra + lista blanca de AST + builtins seguros); --doctor autocomprueba el entorno de Python. Totalmente offline, con ECharts incluido.

RAG de base de conocimiento bibliográfico local: 10 herramientas (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), búsqueda híbrida BM25+vectores+reranker, QA con citas y enlaces DOI clicables, embeddings bge totalmente locales sobre un índice SQLite de un solo archivo. Requiere Python 3.9+ con pymupdf, faiss-cpu y sentence-transformers; el instalador `npx dsh-kb-rag-install` los configura y predescarga el modelo.

Puente al ShiGuang Memory Engine (SGME): memoria compartida a largo plazo multiagente vía HTTP, con destilación L0/L1/L1.5/L2, inyección basada en escenarios, búsqueda unificada y señales proactivas de atención (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), instalable como `dsh-sgme`.

Capa de integración nativa DSH para el motor de memoria Minta: compone la fila oficial dsh-mcp-client, registra la skill minta-memory-governance más un precalentamiento de memoria al inicio de la sesión, e incluye un preset de agente Minta; requiere el motor Minta desplegado por separado (Python/Docker) para proporcionar las 19 herramientas MCP — no utilizable sin él.

FormatForge: forja más de 30 formatos de archivo (PDF, DOCX, PPTX, XLSX, EML, EPUB, TOML, archivos comprimidos) en texto legible por IA mediante una bandeja de arrastrar y soltar, las herramientas ff_translate/ff_formats/ff_result y una CLI; los PDF escaneados recurren a OCR local o a una pista de mejora para el modelo de la sesión.

Herramienta de comprensión de video de bajo coste: una herramienta video_understand convierte un enlace de Bilibili / BV / video local en una capa de información AVIS (ASR + estructura de escenas + seguimiento de objetos + etiquetas YOLO) y devuelve un resumen + Q&A. Incluye enrutamiento dinámico entre capas guiado por preguntas (L0 ASR / L1 seguimiento de objetos / L2 VLM de fotograma clave), reutilización de la capa semántica para preguntas repetidas y un tope de presupuesto por pregunta. Motor Python: la capa principal necesita faster-whisper / opencv / yt-dlp (~200-300MB); la capa semántica opcional añade ~2GB de torch / transformers / ultralytics. Un doctor --fix incluido configura el venv e instala ambos.

Portero de redacción de patentes para dsh: primero criba la idea frente al estado de la técnica chino, luego realiza entrevistas de alineación entre cinco partes, redacción de divulgación en ocho capítulos, figuras y ejecuciones de simulación, revisión en siete dimensiones y exportación a docx/PDF. Las skills funcionan de inmediato; las herramientas de búsqueda, exportación y experimentación provienen de un servicio MCP de Python incluido que se entrega desactivado: una línea en ~/.dsh/patent-services.yaml lo habilita y uvx descarga el wheel desde PyPI.

Plugin de memoria a largo plazo NeatMem para DeepSeek Harness: cliente REST ligero contra un servidor neatmem.

Programador cron con UI en la barra lateral: ejecuta scripts shell, Python o Node, skills, o tareas de agente según programación, con notificaciones push y archivado de sesión.

DSH Director Toolkit es un plugin de DeepSeek Harness para artistas 3D, diseñadores técnicos y programadores creativos. Pega una idea a medio formar, una nota de referencia o el pie de un portafolio, y obtén un paquete de dirección compacto para Blender, Three.js, Houdini o C4D.

Un vault de Obsidian compartido para todos los agentes: núcleo en Python sin dependencias (buscar/promover/adjudicar/olvidar), plantilla de vault y plugin de dsh (memory_search/show/submit/status).