Plugins

Comprobaciones de higiene previas al envío de pull request dentro de DeepSeek Harness: analiza el diff actual en busca de TODO pendientes, secretos hardcodeados y sujetos de commit no convencionales.

Guardia de disciplina de ingeniería: verificación de requisitos antes de la primera edición, puertas de evidencia de prueba rojo/verde, revisión adversaria bifurcada e informe de entrega con un flujo de verificación por dimensión.

Comprobación de calidad de datos para DeepSeek Harness: pipelines de perfilado, limpieza y verificación con informes estructurados.

Pipeline de QA como 10 agent skills: análisis de requisitos, estrategia de pruebas, redacción y revisión de casos, automatización E2E (Playwright) y de API, exploratoria, alcance de regresión y análisis de bugs, respaldado por una base de conocimiento compartida con reglas de formato, modelo de riesgo y validadores de esquema.

Preset modo experto DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordinador jefe + 17 subagentes con delegación automática. Funciones: taskboard (estados pending/ready/running/done/failed, DAG dependencias, reclamación atómica, reintento, recuperación), puertas calidad (pipeline 5 etapas: requisitos, implementación, verificación, revisión, integración; 2 reelaboraciones), Five-Anchor (revisión/convergencia/anti-deriva/colaboración/recursos), Near-distance (plantilla identidad/tarea/salida), divulgación progresiva (~28% ahorro tokens), persistencia, bus P2P, revisión cruzada, pool experiencia, vía rápida, auto-reintento. 17 expertos: datos, redacción, legal, PM, frontend, UI/UX, arquitecto, social, growth, fin. cuant., backend, DevOps, BD, QA, seguridad.

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.

Puntuación de calidad multidimensional para plugins de DeepSeek Harness que evalúa un repositorio o paquete npm en éxito de instalación, actividad de mantenimiento, completitud de la documentación, análisis de seguridad y cumplimiento del protocolo usando evidencia real de CLI, y genera un informe de clasificación en JSON o Markdown.

Skill de revisión de código basada en plantillas: flujo de revisión en cinco pasos, clasificación por severidad (crítica/media/menor), puntuación en cuatro dimensiones (calidad, seguridad, rendimiento, mantenibilidad), salida dual en texto y HTML, y base de conocimiento de referencia bajo demanda.

Equipo multiagente por roles para DeepSeek Harness. /team reúne hasta 12 subagentes (producto, arquitecto, investigación, UI, backend, frontend, BD, seguridad, revisor, QA, DevOps, docs) y ejecuta un pipeline de 9 fases con puertas (aclarar, investigar, diseñar, revisar spec, aprobar plan, implementar, revisar, test, entregar) sobre artefactos compartidos. Las puertas de calidad las impone el código, no los prompts: una tarea sin terminar no se marca completa, los hallazgos los arbitra el revisor o QA, y lagunas de cobertura o retrabajo se ven en el overlay y en /team status. Incluye overlay en vivo (fases, plantilla con modelos, DAG, artefactos, decisiones), modo de equipo persistente y conteo de tokens/tiempo. Sin dependencias en runtime ni build.

Despierta al agente principal tras cualquier reinicio de DSH para que el trabajo interrumpido se reanude automáticamente — añade una herramienta de reinicio y un canary opcional que valida el arranque y aborta con una alerta antes de un reinicio fallido.

Conecta DeepSeek Harness a un pipeline de Hermes: plantilla de especificación de despacho, enrutamiento por nivel de modelo, puertas de calidad del orquestador y regla de escritor único de git, como paquete SKILL.md (instalable como bundle).

Enjambres de IA basados en roles para DeepSeek Harness: un arquitecto planifica, constructores paralelos ejecutan, revisores controlan la calidad y un integrador publica. Fijación de modelos por rol con cadenas de respaldo, bucles de revisión, contratos de evidencia, revisiones con control humano, pausa/reanudación consciente de la cuota y un kanban en vivo + diagrama de flujo en la GUI web. 40 pruebas; se instala desde GitHub o npm.

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.

Base de conocimiento con el patrón Karpathy LLM Wiki para DSH: habilidades wiki-write/wiki-search, pipeline sin dependencias (lint/index/sincronización de memoria mnemon/retroalimentación de calidad), plugin de ciclo de vida mínimo que inyecta esquema + vista previa de conocimiento, y recuerdo semántico de SiliconFlow a través de un proxy compatible con Ollama.

Renderiza fondos de pantalla de escenas de Wallpaper Engine en tiempo real en el navegador (reproductor three.js más una simulación de partículas por CPU en Rust/WASM) y reproduce fondos de vídeo y web, con retroceso a la imagen de vista previa, sin necesidad del runtime de Wallpaper Engine. Escanea la biblioteca local de Steam workshop (431960) por autodetección o ruta manual, y ofrece un panel de ajustes para la selección de fondos, los directorios de biblioteca y motor, el brillo, la pausa y la calidad.

Plugin de DeepSeek Harness que ahorra tokens de forma agresiva sin afectar la calidad: truncado sin pérdida de cabeza/cola de resultados de herramientas (por defecto), plegado de resultados de grep, delegación a dsh-compaction-basic activada por presión y una subclase CompactionEngine con resumen LLM para el modo agresivo. Ahorra el 97.6% de los tokens de entrada en una suite sintética de 8 escenarios, y todas las reducciones pasan por el flujo de eventos de dsh para que modelo-visible = registrado se mantenga.

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.

Barreras de seguridad aplicadas por el motor para enjambres de agentes de DeepSeek Harness: las puertas de calidad rechazan trabajos a medias y los checkpoints a prueba de fallos reanudan en el mismo punto; mantiene a los equipos de IA sin romperse, no solo funcionando.

Tienda de plugins: catálogo autoritativo de npm + lista curada awesome (más de 550 plugins, 11 categorías), verificación de calidad mediante el campo dsh, instalación con un clic con `dsh plugin add/remove` oficial, entrada en la barra lateral y en ajustes.

Orquesta equipos multi-agente duraderos desde una sola sesión DSH: un capitán genera subagentes miembros, impulsa un DAG de tareas con dependencias y puertas de calidad, y coordina a través de buzones persistentes, con un panel de actividad en vivo.

Flujo de trabajo de publicación de contenido de la Cuenta Oficial de WeChat en seis etapas, con herramientas de control de calidad y una habilidad incluida.

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).

Registra la habilidad commercial-ui-ux para DSH: diseño, revisión, reparación e implementación de UI/UX/GUI comercial con conocimiento de la tarea (SaaS, paneles, paneles de administración, formularios, tablas y sistemas de diseño), con sistema de documentos de referencia y controles de calidad.

Folio (兰亭) @nyantused/folio-dsh-tools: 15 herramientas validadas por esquema (memoria + puertas de calidad) además de una protección L0 del motor de generación de documentos de consultoría; combínelo con @nyantused/folio-dsh-events para el protocolo de sesión completo.