Plugins

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.

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.

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.

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.

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.

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.

Plugin para DSH Desktop: inyecta restricciones solo cuando son relevantes, por capas —texto estable en el prompt del sistema, volátil al final— sin invalidar la caché del prompt. Por turno (pregunta / investigación / discusión / diagnóstico / ejecución) limita: no editar archivos en pregunta, arreglos no pedidos en diagnóstico, citar código no abierto, hablar de símbolos no vistos o disfrazar «no lo comprobé» de «espero tu decisión»; explica en palabras simples código, campo o id. Memoria: avisos al 75%/90% de contexto, resumen de sesión exportable y conocimiento del proyecto por directorio. Artefactos: contrato de tarea, registro de cambios, hipótesis con puerta de evidencia y decisiones de diseño. Panel: lume-metrics.jsonl vía lume_metrics; personas destiladas de chats o novelas.

Preajuste de agente de flujo de trabajo de ingeniería para dsh: cinco fases con puertas (aclaración de requisitos, aprobación del plan, TDD, subagentes paralelos, finalización verificada) con seis habilidades de flujo de trabajo adaptadas de obra/superpowers.

Inyecta requisitos duraderos de "lo que hay que hacer" y "lo que no hay que hacer" establecidos por el usuario al modelo al inicio de la conversación.

Un interrupt button verde junto a la caja de envío: detiene en silencio un agente en ejecución, que luego resume su progreso y pide tus nuevos requisitos, con un interrupt prompt personalizable.

Screenshot-review skill for DeepSeek Harness: the agent opens a frontend page, screenshots it, views the screenshot itself, revises the code, then re-screenshots — iterating until the page visually matches the user's requirements. Ships as a dsh.bundle, so it installs with `dsh plugin add`.

Context curation for DeepSeek Harness: content-aware tool-output slimming, dead-log sweep, pinned user requirements and in-flight work, archive-then-compact with an audit trail.

DSH Web 任务面板插件：把需求、队列、子 agent 执行、自动复核、验收返工和定时执行做成一个可视化闭环。

A DSH plugin that automates shipping a local project: create a GitHub repository and publish it (git init/commit/push + topics + tag + release), sync requirements/progress to Linear, publish to npm, and announce in the community Discussions — to join the

An agent preset that turns a one-line idea into requirements, tech plan and maintenance baseline — every step is restated and confirmed by you before proceeding. No scenario presets: 73 atomic skills (6 master skills + a verify dispatcher + 66 sub-skills) load by context.

Keeps DSH agents from forgetting your requirements during long tasks. It saves important conditions and completion evidence locally, brings them back after context compaction or session resume, and stops partial work from being reported as the whole task done.