Plugins

Preset de agente de bioinformática con 17 skills de análisis BioDSH (single-cell, RNA-seq bulk, supervivencia, regresión y ANOVA), una biblioteca de más de 2000 skills consultable mediante skill_library, selección de skill por mensaje y una protección de convergencia por tiempo/pasos.

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.

Maneja el trazado científico de OriginLab Origin desde el chat de IA vía MCP: 62 herramientas. Vigilante de diálogos modales, compuerta de seguridad LabTalk, release/reconnect, ajuste con parámetros iniciales/fijos/ponderados, ediciones finas de gráficos y hojas, herramientas de matrices, FigureSpec YAML declarativo (diferenciable y reproducible), instantánea de solo lectura de MCP Resources, puente matplotlib-figure, ensamblaje de PowerPoint con etiquetas de paneles, búsqueda de plantillas de Graph Gallery, exportación EPS, lista blanca de acceso a archivos, línea base de regresión visual y entregable OPJU editable con verificación determinista de relectura.

QA de fidelidad de diseño para modelos solo de texto: una herramienta `deepseek_vision` toma prestado un ojo de cualquier ruta de visión compatible con OpenAI, de modo que el modelo pueda juzgar si una implementación coincide con su maqueta — se entrega con el benchmark detrás de ese juicio (cuatro fixtures, 23 defectos inyectados, transcripciones en bruto) y la disciplina de cuestionamiento de la que depende.

Shell web móvil para la GUI web de DSH: paneles superpuestos, FAB arrastrable, correcciones del compositor móvil y un botón flotante de carga de imágenes fijado encima del compositor (galería/cámara nativas, integrado con el pipeline validado add-images), sin regresión en escritorio. Publicado en npm como dsh-webui-mobile.

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.

Habilidad de verificación de afirmaciones que contrasta documentos de diseño y planes con los hechos del código, escalando las afirmaciones de comportamiento a verificación ejecutable con primitivas lógicas para máquinas de estados y modelos de datos, con regresión antes/después, restricciones de dominio y minería de riesgos de concurrencia.

Un plugin auto-evolutivo para DeepSeek Harness: observa cómo se ejecuta el agente, propone mejoras de sus propios recursos mediante el LLM, valida cada propuesta dentro de un agente de prueba en sandbox y solo aplica mutaciones verificadas, con un libro de versiones y reversión automática ante regresiones.

Informes de deriva de comportamiento para sesiones de DSH: compara dos registros de sesión e informa de la alineación de secuencias de herramientas, la mezcla de herramientas, el volumen de razonamiento, los tiempos, los reintentos y los archivos objetivo, con una puerta opcional de umbral en CI. Cero dependencias.

Ejecuta Stata mediante DeepSeek Harness: el servicio nativo Stata AI Skill se inicia automáticamente con DSH (binarios de macOS/Windows incluidos), para ejecutar regresiones, archivos do y flujos de trabajo econométricos sin configuración manual.

Depuración y pruebas de GUI frontend para agentes de DeepSeekHarness: 36 herramientas browser_* para automatización estructurada, comparación visual, análisis dinámico de fotogramas y depuración de red en Web/Chromium.

Disyuntor para turnos inactivos del agente: observa agent/assistant-stream y cancela un turno que produce solo razonamiento — sin texto y sin tool call — tras 45 s, tras 80000 caracteres de razonamiento, o ante un patrón de repetición degenerado (unidad repetida exacta, repetición de plantilla oracional, repetición dispersa o densidad de 6-gramas). Al dispararse, inyecta una instrucción continue que exige que la siguiente acción sea un tool call, e incluye 11 casos de regresión y ajuste por cada umbral.

dsh-lint-loop v0.7.0 añade comprobaciones de evidencia acotadas y de solo lectura para cambios observables de shell/bash/pwsh y herramientas de archivos. La evidencia incierta permanece como incomplete. [Release](https://github.com/lemonxiny55/dsh-lint-loop/releases/tag/v0.7.0)

Adaptador móvil para el shell web de DSH: cajones superpuestos de barra lateral/detalles, compositor y ajustes responsivos por debajo de 768px, sin regresiones en escritorio.

Plugin orquestador de QA para DeepSeek Harness: un agente explora tu aplicación y deja evidencia, y luego la ruta explorada se reproduce de forma determinista. Controla drivers de navegador, escritorio macOS, iOS y Android.

El comando slash /dshpp informa del uso de sesión y tokens, tasa de aciertos de caché y costo estimado a partir de los logs de sesión del harness. El repositorio también incluye CLI y consola web local para gestionar ciclo de vida, proveedores, sesiones y seguridad de plugins.

Memoria de decisiones y objetivos con linaje: comandos explícitos y una herramienta de modelo registran decisiones de forma determinista, una tarjeta de estado las reancla a través de la compactación, la respalda un flujo de eventos sin pérdida con recuperación BM25+jieba, y una suite de regresión de fidelidad a nivel de escenario controla los releases.

Ejecuta Stata a través de DeepSeek Harness: el servicio nativo Stata AI Skill se inicia automáticamente con DSH (binarios macOS/Windows incluidos), para que puedas ejecutar regresiones, do-files y flujos econométricos sin configuración manual.

Pruebas de aceptación en navegador independientes para entregables de agentes: entra una especificación JSON y sale un veredicto en Chromium real.

Registra errores del navegador, fija los resultados esperados y verifica las correcciones frente a un control nuevo del código original.

Arnés de regresión de contratos para autores de plugins: un adaptador LLM guionizado impulsa el pipeline real en procesos hijos aislados con aserciones de eventos de sesión (capas load/contract/behavior/fault); sin clave API, listo para CI.

Merges your configured, runtime-registered and locally cached models into one panel, probes and minimal-request tests them, pulls each channel's upstream /v1/models catalog, and chains the keepers into named schemes. A virtual ModelPool provider fails over at request time with per-model cooldowns, exponential backoff, image-request avoidance for text-only models, and a 10-minute memory for rejected reasoning levels. Adds a token ledger by day and model with CSV export, and 21 regression probes. Not a fork of dsh-llm-fallbacks.

Records a session as a run, replays it in an isolated workspace copy with another model or prompt, diffs the two trajectories side by side, aggregates runs into a task × variant matrix, and gates regressions with task assertions and a CI exit code.

Agent application development evaluation skill (skill bundle) for DeepSeek Harness: offline/online suites judged from audit side effects, baseline diff with zero tolerance for safety regressions, and mutation tests proving the evaluators themselves catch regressions. Framework-agnostic - needs a callable chat endpoint and queryable tool-call records. DSH host compatibility is deliberately undeclared.