Plugins

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`.

Base de conocimiento de equipo para compartir conocimiento sin conexión (escenario FDE box): puntos de entrada de navegación, búsqueda de texto completo y refinamiento; la materia prima se pone en cola automáticamente y se destila en páginas wiki mediante una sesión de bot en serie (patrón Karpathy LLM Wiki: materia prima inmutable, refinamiento en dos pasos, flujo de registros, lint mensual).

Preset de agente Modo Aprendizaje: un agente de programación que enseña mientras programa: explicaciones concretas basadas en escenarios, guía socrática, y huecos de práctica TODO(你), modelado en el estilo de salida Learning de Claude Code; instalable mediante dsh plugin add (dsh-learning-mode en npm).

Práctica de entrevistas con IA para DeepSeek Harness Web: genera preguntas en cuatro modos (repaso de conceptos, entrevista simulada, escenarios, LeetCode Hot 100), puntúa las respuestas y ofrece explicaciones.

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.

La IA puede redactar texto de currículum, pero las plantillas pueden seguir viéndose mal, las páginas pueden desbordarse, puede quedar espacio en blanco y pequeñas ediciones pueden desestabilizar el diseño. dsh-resume proporciona un flujo de trabajo DSH integral para refinamiento veraz de contenido, selección de plantilla, ajuste de diseño A4, revisión visual y versiones de currículum adaptadas a distintos escenarios de búsqueda de empleo.

Asistente de registro de activos de datos: precomprueba escenarios no permitidos y disputas de propiedad, busca una agencia según tipo de dato y región, y entrega una lista de registro con estándar de triple auditoría y flujo de siete pasos.

Preset de agente Learning Mode: un agente de codificación que enseña mientras codifica — explicaciones concretas basadas en escenarios, guía socrática y espacios de práctica TODO(你), modelado en el estilo de salida Learning de Claude Code; instalable vía dsh plugin add (dsh-learning-mode en npm).

Memoria por capas para DeepSeek Harness: cada turno inyecta marco persona e índice relevante; las transcripciones completas quedan en disco y se amplían bajo demanda para no saturar el contexto. Hechos por atributo: todo nuevo valor retira el anterior. El modelo deriva el marco de persona de la memoria. Tres filtros descartan charla de desarrollo, bloquean ecos de lo inyectado y fusionan reformulaciones por palabras comunes. La consolidación une casi duplicados, resume temas largos y archiva con etiquetas entradas antiguas poco útiles; nunca borra el original. El almacén de solo anexado se compacta in situ (medición: 4,7 MB → 355 KB). Sin dependencias externas ni compilación. Inyectar por turno reduce inevitablemente los aciertos de la caché de prompts; no se recomienda para trabajar.

Feedback sonoro para la interfaz web de DSH: clasifica las pulsaciones de botones por semántica (normal, primary, toggle, send, close, danger, link) y reproduce una señal ante los cambios de tarea de la sesión actual (started, finished, failed) y las interacciones pendientes. Cada caso tiene su propio selector de señales e interruptor en una página de ajustes. Las 78 señales y los 12 paquetes de sonidos se sintetizan en el navegador con Web Audio API: el paquete no incluye archivos de audio ni realiza solicitudes de red. Es una adaptación comunitaria de dsh-plugin-uisfx a DSH 0.2.0, con los cambios registrados en PROVENANCE.md.

Reúne cinco skills de TIA Portal (consulta de documentación Siemens PLC, generación de lógica ladder, renderizado SimaticML a PNG, simulación de ciclo de escaneo con escenarios PASS/FAIL y skill de gateway TiaLink para manejar un proyecto TIA Portal real) y cinco endpoints MCP. El trabajo con proyectos reales requiere TiaLink de pago (Windows + TIA Portal V19/V20 + Openness). Los cuatro servicios en la nube necesitan API keys; incluyen 100 llamadas gratuitas cada uno y luego son de pago. El renderizado se cobra por llamada incluso si falla. Requiere Node 22+ y acceso a la red; los fragmentos del programa se suben a tia.hubwiz.com.

Canalización de reconocimiento de intenciones en cinco capas (reglas, recuperación con pgvector, puntuación Jev, arbitraje ajustado y alternativa LLM), con interfaz de gestión de escenarios, almacenamiento PostgreSQL y servicios API distribuibles.

Plugin de configuración de escenarios: diferentes combinaciones de plugins forman diferentes escenarios, gestión unificada de encendido/apagado de plugins (la página de configuración detecta automáticamente los plugins instalados y cambia en caliente según el escenario); el modelo lo selecciona el usuario en la ventana de sesión según sea necesario.

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.

Evalúa en modo de solo lectura si una base Dameng DM8 puede recuperarse y hasta qué LSN o momento, cubriendo 16 escenarios, y genera un informe HTML. Requiere Java 8+ y el controlador JDBC de Dameng (DmJdbcDriver8.jar), que debes aportar.

Coste en vivo de tokens por chat, subagentes y árbol de sesión completo. Usa un snapshot integrado de `models.dev` con 7 proveedores y 139 modelos tarifados, añade tarifas de lectura/escritura de caché si se publican y usa la tabla oficial DeepSeek de pico/fuera de pico. Muestra el precio de cada respuesta terminada y calcula chats cerrados desde el log. Un ledger JSONL append-only del proyecto registra gasto por intervalo y conserva la tarifa facturada entonces para el trabajo histórico. Incluye planes con límite monetario, escenarios de enrutamiento para elegir modelos que conviene conectar, documento de plan en inglés/chino/ruso y aviso de gasto sin unidad asignada.

Panel de práctica de español para DeepSeek Harness: seis ejercicios calificados localmente (conjugación verbal en 11 tiempos, género, plurales, reconocimiento de vocabulario, completar frases y gramática de ser/estar y subjuntivo), una pestaña de escritura de escenarios evaluada por el modelo, repetición espaciada de 8 niveles y cuatro herramientas agent. El plugin calcula y corrige las respuestas; el modelo solo se usa para enseñar y explicar.

Plugin de revisión de decisiones basado en el Yijing para DSH: motor de agregación ponderada de seis capas (de 384 yao al taiji) con reglas de veto por asociaciones fuertes. Usa JavaScript puro, sin dependencias de solver. El nivel gratuito permite hasta 9 ejecuciones al día; los códigos de activación elevan el límite. El escenario de tendencias bursátiles obtiene cotizaciones en vivo de Tencent para los códigos de acciones incluidos en la solicitud.

Monta el servicio semántico tsm-core-dlr (vectores y grafo LanceDB) como tools MCP e incluye skill de modelado DLR/TSM independiente del escenario, overlay de estado y reglas. El servicio es dependencia obligatoria y debe ejecutarse antes de activar el bundle.

Expediente de Skills e informe de trabajo para DSH: permite explorar, buscar y archivar cada Skill (enfoque, alcance, límites y escenarios), revisarla o eliminarla y reunir los informes diarios en reportes diarios, semanales y mensuales.

Preset de agente que convierte una idea de una línea en requisitos, plan técnico y base de mantenimiento; reformula cada paso y espera tu confirmación antes de continuar. Sin presets de escenario: carga por contexto 73 skills atómicas (6 maestras, un dispatcher de verificación y 66 subskills).

Enruta las solicitudes dsh según el escenario de conversación y reintenta con modelos alternativos si fallan.

Recetas de escenarios de plugins dsh (los dotfiles del mundo de los plugins): una herramienta para listar, buscar, aplicar y combinar entornos listos con secuencias de instalación ordenadas.

Kit de inicio para DeepSeek Harness: bienvenida, ruta de aprendizaje 0→1, recomendaciones de plugins por escenario y lista de autocomprobación, junto con el repositorio tutorial chino dsh-handbook-zh.