Plugins

Conecta DeepSeek Harness con la base de conocimiento personal local-first y autoevolutiva de ReMe: captura automáticamente las conversaciones completadas del agente principal como memoria Markdown propiedad del usuario, busca conversaciones y material fuente mediante reme_search con BM25, embeddings opcionales y expansión de wikilinks, y programa una consolidación diaria de memoria.

Conecta DeepSeek Harness a la base de conocimiento personal local-primero y autoevolutiva de ReMe: captura automáticamente las conversaciones del agente principal completadas como memoria Markdown propiedad del usuario, busca conversaciones y material fuente mediante reme_search con BM25, incrustaciones opcionales y expansión de wikilinks, y programa la consolidación diaria de memoria.

Paquete de métodos de ingeniería de software para agentes de codificación, con habilidades para planificación basada en líneas base, depuración sistemática, higiene de prompts, verificación antes de finalizar y seguimiento de reparación/retiro.

Lee los archivos de sesión que ya escribieron otros 22 agentes de programación en esta máquina —Claude Code, Codex, Cursor, VS Code Copilot Chat, opencode, OpenClaw, Hermes, Kimi, Cline, Zed y más—, incluidas sesiones de antes de que se instalara. Incluye seis herramientas (deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), un comando /deja y recall automático opcional añadido al contexto en tiempo de ejecución. Índice BM25 local, sin LLM, sin embeddings, sin red (dsh plugin --profile web add dsh-deja).

Memoria entre sesiones con ámbito de proyecto: almacén SQLite de siete capas (soul/user/project/fact/lesson/rules/topic) sobre node:sqlite, inyección en el primer mensaje apta para caché más coincidencias de palabras clave por mensaje, herramientas memory_remember/search/find_similar/read/update/project y consolidación en ventana de inactividad («dream») con supresión en horas pico. Los textos de prompt se distribuyen como archivos de datos por idioma; el marco es compatible con usuarios multilingües.

Mascota flotante de escritorio DSH con 12 animaciones de estado creadas para solicitudes, herramientas, compaction, archivo y mejora de prompts; ocupación de contexto en vivo; un Ledger Vitalicio persistente entre sesiones; totales por proveedor/modelo, tendencias por hora y vistas de 7/30 días; cambio de tema oscuro/claro; estimaciones de coste opcionales (desactivadas por defecto) con editor visual de precios y alerta de presupuesto mensual; importación ZIP de skins del lado del cliente; exportación de uso en JSON/CSV; lecturas de panel solo con instantáneas con indexación incremental en segundo plano; y mejora de prompts opt-in con vista previa editable y envío al compositor DSH.

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.

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.

Banco de trabajo de proyectos QA para dsh: gestiona proyectos de pruebas, requisitos, casos de prueba, defectos, hitos, informes y puertas de aprobación mediante una interfaz de navegador y 18 herramientas del dominio QA.

Herramientas de correo IMAP/SMTP (list/read/search/send/folders/attachment/health/watch/mark/reply) con filtros de rango de fechas since/until, email_mark para leído/no leído/destacar/mover, email_reply para responder/responder a todos/reenviar con cabeceras de hilo, preajustes de QQ/163/126/Sina/Aliyun/Gmail/Outlook/iCloud, soporte multicuenta, una barrera de aprobación de envío, una página de ajustes web y un aviso emergente de chica ballena al recibir correo, impulsado por el comprobador incremental email_watch. El inicio de sesión Outlook OAuth2 por código de dispositivo funciona sin configuración mediante un cliente comunitario integrado, y una cuenta aún puede aportar su propio clientId.

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.

Grafo de conocimiento de código local-first para agentes de codificación: 10 herramientas MCP para compresión de contexto por capas, planificación DAG, indexación incremental de AST, volante de habilidades entre sesiones, diagnósticos e importación/exportación de artefactos del grafo.

Analiza el uso entre modelos, proveedores, espacios y periodos, con fechas personalizadas sobre todo el historial, cache-hit visible y desgloses por modelo y proveedor. Incluye tendencias horarias/diarias, mapa de calor de 53 semanas estilo GitHub, rachas, anillos de tokens por modelo y espacio (tokens, coste, %), filtros combinables, eficiencia de caché, saldo DeepSeek, alias de espacios, exportación CSV, y un libro mayor duradero que conserva el uso tras eliminar la sesión o el espacio (fila Deleted) y se reconstruye de forma incremental. El registro de espacios se refresca vía sonda DSH domain/changed; solo se cuentan espacios registrados. Contabilidad separada de entrada, caché y razonamiento. Chino: hora local; inglés: UTC; API solo loopback.

Modo chino global: un pequeño interruptor tipo píldora junto al compositor que inyecta un requisito de idioma en el prompt del sistema de cualquier preajuste (salvo personas completas); la respuesta, el razonamiento y la salida de herramientas alternan cada uno entre chino e inglés, y se admiten preajustes anclados.

Guardia de desviación de requisitos en tiempo de ejecución que mantiene a los agentes DSH de larga duración alineados con el objetivo, las restricciones y las decisiones aprobadas por el usuario.

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.

Puente de memoria Honcho: sincroniza automáticamente cada turno de conversación con un servicio Honcho autoalojado, con herramientas de recall/search/remember/context/status, inyección de contexto al iniciar sesión y un panel de configuración visual.

Pausar / reanudar / cancelar la tarea de conversación en curso desde el área del compositor: la pausa forzada interrumpe inmediatamente y recuerda la herramienta interrumpida, la pausa segura aterriza después de que la herramienta o el razonamiento termine, la reanudación pide confirmación, y la granularidad de pausa predeterminada es configurable en los ajustes.

Agente de codificación en terminal para DeepSeek Harness con interfaz de pantalla completa en pantalla alternativa, navegación de sesión con detección de turnos y un flujo de trabajo /ship con control que lleva los requisitos de una línea por especificación, TDD y comprobaciones de aceptación reejecutadas.

Math Agent Framework para DeepSeek Harness: motor de derivación simbólica (CES / formas cuadráticas / ODE / PDE), verificación con SymPy, demostraciones formales verificadas por el compilador de Lean 4 y verificación adversarial multiagente estilo QED, expuesto como herramientas DSH nativas mediante un shell TS que sirve de puente a un motor Python. Requiere clonar el repositorio math-agent-framework y ejecutar `pip install -r requirements.txt`, con MATH_AGENT_HOME apuntando a la raíz del repositorio. Cada resultado incluye procedencia (versiones del motor, semilla, tolerancias) y se marca como datos no confiables.

Un enjambre gobernado de seis agentes DSH especializados — orquestador, planificador, puente de base de conocimiento, desarrollador y dos revisores — convierte un requisito en una canalización estricta por fases donde cada entrega debe demostrar su validez con evidencia estructurada antes de que pueda empezar la siguiente fase; los revisores son solo lectura, los merges de código solo ocurren tras una revisión, y un registro de eventos de solo anexado ofrece reproducción completa y auditoría en un tablero kanban en vivo. Su diseño se inspira en el kanban de Hermes Agent.

Memo — búsqueda de memoria de sesión para agentes DeepSeek Harness: recuperación de texto completo entre sesiones (memo_search), notas destiladas (memo_remember) y estadísticas del corpus (memo_stats) sobre el servicio oficial sessionQuery. Sin infraestructura, local primero.

Actualizador de DSH + sincronización de docs oficiales en Settings: actualización npm con un clic de @deepseek-ai/dsh con progreso en vivo (flujo de salida de npm, temporizador transcurrido, barra monótona), protección contra múltiples copias que solo afecta a la instancia en ejecución, modo de árbol de código mediante git pull, instalación de PowerShell 7 con un clic en Windows, sincronización incremental de docs/ oficiales con progreso, y las herramientas de modelo dsh_docs_search / dsh_docs_read.

Memory Lake como capa de memoria persistente para dsh: herramientas memory_search, memory_remember y memory_forget sobre la CLI de memorylake, una línea de estado de sesión y habilidades guiadas de configuración/diagnóstico, compartiendo una sola identidad ~/.memorylake y un conjunto de memoria con los complementos de Claude Code y Codex.