Plugins
Explora, filtra e instala plugins de DeepSeek-Harness.
23 plugins encontrados
memsearch (dsh)
zilliztech/memsearch
Memoria Markdown compartida para DSH y otros agentes de codificación, con captura automática, inyección de contexto previa al paso, recuperación searchable y autoevolución de memoria a skill mediante un panel de revisión.
dsh-memory-evolve
csyangwen/dsh-memory-evolve
Añade a DeepSeek Harness memoria a largo plazo entre sesiones y autoevolución en segundo plano, solo mediante plugins. Incluye cinco vías de memoria, conciencia de ramas Git, autorrevisión durante el turno, autoevolución y gestión de skills, cuatro vías de tareas, programación COI, avisos y búsqueda de sesiones, gestión de prompts y notas temporales. Sin modificar el núcleo ni añadir dependencias de ejecución; funciona al instalarlo y se elimina por completo al desinstalarlo.
dsh-memory-evolve
dsh-external/dsh-memory-evolve
Memoria a largo plazo entre sesiones + autoevolución en segundo plano (5 ejes: memoria / conciencia de ramas de git / evolución de skills).
dsh-host-rsi
pk14742952-ad/dsh-host-rsi
Plugin de autoevolución reflexiva para Qwen3.8 27B/3.8 Flash local y APIs en línea: un controlador de convergencia del bucle de código reduce la reflexión repetitiva de verificación profunda de Qwen3.8 27B/Flash para converger antes y reducir el tiempo de razonamiento; una protección de entrega de cinco estados detecta y corrige turnos atascados y bucles infinitos. Lógica de host independiente del modelo, mayormente compatible con APIs en línea; mejora continua en cada uso con autocomprobaciones de contraargumentos, escalado al crítico, recuperación de memoria por índice invertido, control de convergencia y protección de cinco estados.
dsh-continual-evolve
zk-andy/dsh-continual-evolve
Autoevolución continua: estado del harness versionado, auditable y con reversión segura (prompts, memoria, skills, especificaciones de subagentes) refinado a partir de las trayectorias de sesión, con puertas de revisión y skills recargadas en caliente.
dsh-memory-plus (dsh-memory-bundle)
qianling-0831/dsh-memory-plus
Composición de perfiles de memoria: búsqueda de sesiones en chino, recuperación híbrida, datos persistentes del espacio de trabajo, reglas fijadas por el usuario y skills nativas reutilizables. Instala la versión independiente del bundle Release con un comando dsh plugin add. Requiere Node.js 24 y pnpm en PATH.
dsh-continual-harness
jasen215/dsh-continual-harness
Bucle de auto-refinamiento continuo: memoria persistente, revisión y refinamiento periódico, conocimiento compartido entre sesiones y reversión automática mediante la herramienta harness_refine invocable por el modelo.
dsh-evolve
william-jin-cmu/dsh-evolve
Autoevolución: el agente monta y desmonta en caliente plugins persistentes sobre sí mismo en mitad de la sesión.
dsh-self-evolving (dsh-self-evolving)
timwhitez/dsh-self-evolving
Controlador de autoevolución con prioridad en la evidencia: generación acotada de candidatos Cordis, admisión de Loader real de un solo intento, evaluación Harbor y un linaje con registro reanudable tras fallos.
dsh-skill-evolution
vanadisgithub/dsh-skill-evolution
Observa los rastros de ejecución del agente y lanza una revisión LLM al final de cada turno exitoso cuando se disparan las señales, cristalizando flujos de trabajo reutilizables en habilidades registradas que mejoran progresivamente con ejecuciones posteriores.
companion-memory
root-7-khx/companion-memory
Memoria de compañero de rol para DeepSeek Harness. Incluye persona editable por conversación (peso 1–100, refinable por la IA), afinidad por hablante en chats grupales, recuerdos con puntuación de IA, tabla de nueve emociones por turno, registro de autoevolución, búsqueda de las últimas 48 horas y compresión de conversaciones. También predice temas durante la inactividad, aprende el tono de respuestas pasadas, usa un modelo pequeño para guardar hábitos, mantiene una base local por fecha agrupada por turnos o tokens y ofrece integraciones con plugins seleccionados y releases de GitHub. Las rutas HTTP no autentican DSH y pueden ser llamadas desde el navegador.
dsh-mnemos
rottenwooood/dsh-mnemos
Memoria entre sesiones para DeepSeek Harness con gobernanza, autoevolución y una vía de escritura con aprobación. Recuerdo clasificado por calor, convenciones de entorno, ciclo de vida del olvido, cadenas de sustitución, defensa contra envenenamiento, autodestilación y una medición abierta.
dsh-memory
rosesssss66/dsh-memory
Local long-term memory for DSH: extracts preferences and project facts from sessions, injects the most relevant ones before each turn using local SQLite FTS5 search, and supersedes outdated facts. Requires Node 24+; the offline self-evolution loop needs an OpenAI-compatible LLM endpoint and API key.
skill-evolution
veritaswiki/skill-evolution
Reviews each finished turn, distills reusable skills as drafts, runs code-level checks over them, and holds each draft until the user approves or rejects it with a directive; every write is recorded in a SHA-256 ledger that supports rolling back a single entry. On by default, it reviews finished turns with the current session model (or an OpenAI-compatible endpoint set through DSH_EVOLUTION_BASE_URL), sending a bounded excerpt of the conversation, and writes drafts to ~/.dsh/skills/.staging until you promote them. Its bundle patch lowers DSH's skill-catalog description limit from 500 to 80 characters for every skill, and it starts an unauthenticated HTTP server on 0.0.0.0:18890 (DSH_EVOLUTION_PORT) that can list and promote drafts, change settings and trigger reviews.
dsh-behuman
goodddgrades/dsh-behuman
Memoria a largo plazo y skills autoevolutivas para DeepSeek Harness: Markdown plano en disco, sin almacén vectorial.
dsh-memory-fortress
linshuangb347/dsh-memory-fortress
Memory Fortress para DeepSeek Harness: memoria en capas de 5 vías, autoevolución, grafo de conocimiento (SQLite+FTS5) e indicador de estado. Fortaleza local de memoria: cinco vías de memoria, autoevolución, grafo de conocimiento y luz de estado.
dsh-darwin (forge)
que3sui/dsh-darwin
Actuador de autoevolución: consume tickets de problemas extraídos de registros de sesión y sintetiza candidatos a skills (niveles sin código por defecto) tras una puerta de evaluación con canarios de retención; después los promueve a `.dsh/skills` del proyecto con confirmación humana y reversión determinista.
dsh-evolve-modes
graysilver/dsh-evolve-modes
Controles combinables de trabajo, razonamiento, calidad y autoevolución revisada por humanos para DeepSeek Harness Web.
dsh-fathomkernel
az13js/dsh-fathomkernel
Plugin de optimización algorítmica autoevolutiva para DeepSeek Harness: solo declaras los objetivos y criterios de aceptación. Está pensado para uso personal; en su estado actual no se garantiza la estabilidad.
dsh-self-evolution
tommy00748/dsh-self-evolution
Memoria a largo plazo autogestionada y acotada (MEMORY.md/USER.md estilo Hermes, límites estrictos de caracteres y revisión de seguridad); revisión tras cada turno para redactar notas sencillas o mejorar una skill existente, sin crear casi duplicados; curator que localiza y repara skills que el cargador descartaría sin avisar; búsqueda entre sesiones. Una tarjeta de aprendizaje aparece solo si hay novedades y pide confirmación antes de borrar o reformular una memoria.
dsh-self-evolve
jianghuife/dsh-self-evolve
Autoevolución al estilo Hermes para DeepSeek Harness: la herramienta skill_manage permite guardar procedimientos probados como skills. Incluye indicaciones en el prompt sobre cuándo guardarlos, seguimiento de uso y un curator en segundo plano que mantiene saludable la biblioteca de skills creadas por el agente.
dsh-rule-evolve (plugin)
zoahdev/dsh-rule-evolve
Bucle de autoevolución guiado por verificación: convierte registros de fallos en reglas verificadas de AGENTS.md. El plugin de sesión ofrece evolve_learn / evolve_apply / evolve_touch / evolve_recall, una puerta de verificación de herramientas, ciclo de vida de reglas y recuperación local.
dsh-evolution-lab
jaydong9130/dsh-evolution-lab
Autoevolución de Skills basada en evidencia para DeepSeek Harness: aprendizaje de trayectorias enmascaradas, propuestas en cuarentena, validación en arena, supervisión canary y reversión automática.