Plugins

Paquete de memoria y contexto OpenViking para DeepSeek Harness: recuperación automática previa al paso e inyección de perfil, captura de sesión, protección de URI `viking://`, y herramientas de memoria para recuperar/escribir respaldadas por un servidor OpenViking.

iPolloWork HyperFrames Video Studio y 27 plantillas de video editables como una vista de conversación nativa de DeepSeek Harness.

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.

Evoluciona skills, agentes, prompts, código y plugins desde dentro de DeepSeek Harness, con AgentDescent.

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.

Suite de agentes de investigación: control de objetivos a largo plazo con cadenas de evidencia auditables, programación cron, equipos multiagente de expertos, memoria de investigación autoevolutiva (FTS5 + RRF) y una UI de espacio de trabajo personalizada.

Complemento de memoria a largo plazo y auto-evolución para DSH: captura L0 → extracción de memoria L1 → agrupación de escenas L2 → persona de usuario L3, inyección automática de recuerdos, síntesis de habilidades, totalmente local (SQLite FTS5 + jieba, recuperación vectorial opcional).

Memoria de equipo autoevolutiva como Markdown plano en git: un plugin nativo de Cordis que registra 38 herramientas de memoria de nombre simple más una sección de señales de prompt reevaluada en cada ensamblaje, con refuerzo RPE, decaimiento y consolidación durante el sueño; comparte un repositorio de datos con sus hosts Claude Code (MCP) y OpenClaw; verificado con DSH 0.1.0-rc.6.

Memoria de equipo autoevolutiva como Markdown plano en git: un complemento Cordis nativo que registra 38 herramientas de memoria con nombre simple más una sección de señales de prompt reevaluada en cada ensamblaje, con refuerzo RPE, decaimiento y consolidación durante el sueño; comparte un único repositorio de datos con sus hosts Claude Code (MCP) y OpenClaw; verificado con DSH 0.1.0-rc.6.

Memoria entre sesiones con recuerdo determinista de cero tokens (bigrama-Jaccard fusionado con FTS5 BM25 mediante RRF, tokenización sensible al chino), refuerzo que fortalece observaciones repetidas y procedimientos cristalizados en archivos SKILL.md refinados in situ mediante un ciclo activo-inactivo-archivado con archivo reversible y rollback. La ingesta y la eliminación exponen cada una un nivel de autonomía elegido por el usuario; los conflictos y las escrituras de alta importancia siempre van a revisión humana, y nada se elimina automáticamente. Requiere Node 22.5+.

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.

Reinicio elegante + reconexión automática del cliente + continuación de objetivos entre reinicios para DeepSeek Harness (dsh). Tras actualizar un plugin, dsh-phoenix reinicia dsh en un límite seguro de inactividad, mantiene conectada la página del navegador y reanuda un objetivo en ejecución para que una tarea pueda continuar

Suite de complementos de Git y control de código fuente para DeepSeek Harness: operaciones locales de git más adaptadores de GitHub, GitLab, Bitbucket, Azure DevOps y Gitea, con memoria autoevolutiva.

Plugin proactivo de planificación multimodelo: ingesta de señales multisource con deduplicación y clasificación de urgencia, un motor de decisiones de cuatro vías ejecutar/aplazar/desestimar/preguntar al usuario, generación de planes DAG con ejecución paralela de modelos, reflexión de calidad con reintento automático y cambio de modelo, memoria a largo plazo para patrones y lecciones de tareas, y evolución de estrategia mediante algoritmos genéticos con evaluación en sandbox y despliegue canary.

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.

Agent a nivel de proyecto autoevolutivo para DeepSeek Harness: 16 habilidades de flujo de trabajo SDD (aclaración, PRD, incidencia, codificación, localización, aceptación, revisión) además de memoria y conocimiento de proyecto que se acumulan con el tiempo.

Long-term memory and self-evolving skills for the DeepSeek Harness · DeepSeek Harness 的长期记忆与自我演进能力 —— Plain Markdown on disk, no vector store

DSH 自进化信号源：机械挖掘会话日志（重试簇/工具错误簇/中断回合/Token 浪费）→ 结构化问题工单。dsh-darwin 双插件架构的 B 面，可独立安装当会话体检用。

Self-evolution actuator: consumes problem tickets mined from session logs, synthesizes skill candidates (zero-code tiers by default) behind an eval gate with hold-out canaries, then promotes to project .dsh/skills with human confirm and deterministic rollback.

Session health-check: mechanically mines session logs into structured problem tickets (retry loops, tool-error clusters, interrupted turns, token waste) over the official session-query seam; works standalone.

Plugin de DeepSeek Harness y Skill incluida para evolucionar de forma segura los Cordis Candidates con Harbor.

受控自进化 AI Agent 框架：CQRS 读写分离、子代理自主进化、人类锁定根分类的 Agent 错误自愈路由表（DSH 插件生态 bundle 包）

Windows computer-use capability for DeepSeek Harness: screenshot → vision model → simulated mouse/keyboard input, with self-evolving knowledge base.