Plugins

Motor de memoria entre sesiones para DeepSeek Harness: almacén SQLite + espejo Markdown editable por humanos, consolidación autoDream, búsqueda semántica sin conexión (vectorización/reordenamiento/clustering locales), línea temporal de entidades y atributos, Sleep Mode, autoSummarize con modelo personalizado y 7 herramientas de memoria.

Preset de agente Multitask en el que la conversación principal solo planifica, informa a los subagentes y resume resultados; las lecturas de archivos, comandos, búsquedas y compilaciones se ejecutan dentro del contexto de subagentes. Incluye cuatro tipos de workers, aprobación para operaciones peligrosas y cero cambios al código fuente de DSH.

Lectura profunda y resumen para DSH: convierte libros, artículos, vídeos y webs en notas estructuradas de Obsidian mediante parsers de plugins, subagentes paralelos MapReduce de lectura profunda, salidas JSON Schema y caché idempotente.

Memoria de proyecto para dsh con integración nativa del sistema de tareas: los todos de sesión y las lecturas de archivos se condensan automáticamente en registros de tareas entre sesiones (enlaces tarea↔archivo), de modo que los flujos de trabajo son conmutables y reanudables sin recontextualizar. Memoria en tiempo de lectura (sin escaneo previo): extrae símbolos de código, resume documentos y enlaza documentos↔símbolos; mejora semántica opcional para TS (activa automáticamente si TS está instalado). Las notas de experiencia se desduplican automáticamente. Cada recuperación incluye una cita trazable. Solo JS, una dependencia, funciona listo para usar, operación silenciosa, cero sobrecarga.

Títulos de sesión inteligentes para DSH: tras cada turno de conversación, una llamada LLM auxiliar independiente resume la transcripción completa de usuario+asistente en un título que sigue el tema real de la sesión en lugar de repetir el primer mensaje; el primer mensaje se titula al instante, los títulos integrados fallidos se reintentan en turnos posteriores, los renombrados manuales nunca se sobrescriben y las sesiones de subagente/fork se omiten.

Sustituye el resumidor de compactación integrado de DSH por un resumen de traspaso de cinco secciones y mantiene legible cada mensaje ocultado en un directorio de segmentos.

Multi-agent roundtable discussion: each member runs as a subagent on its own model and speaks in turn, a host summarizes each round, and termination writes meeting-minutes Markdown.

Inicia sesión en DeepSeek Harness con una suscripción Claude Pro/Max (sin clave de API), reduce las imágenes de las solicitudes de Anthropic a un borde largo de 2000px, aligera las cargas útiles del resumidor /compact y muestra el uso del plan de 5 horas/semanal además de los recuentos de mensajes de DSH.

Chat de voz estilo Doubao para DSH: mantener pulsado el micrófono del compositor convierte la voz en texto y la envía automáticamente, y las respuestas de la IA se leen en voz alta. Condensado opcional por LLM (las respuestas largas se resumen en frases habladas cortas siguiendo el modelo de la conversación actual), limpieza de texto apta para TTS, voces Edge TTS seleccionables, parada automática por silencio ajustable y ajustes integrados en el diálogo de configuración de DSH.

Select text in any Windows app to explain, summarize, translate, or read it aloud with DeepSeek Harness — answered in a streaming always-on-top overlay with a horizontal capsule menu.

Preview conversation context and selectively keep, summarize, or omit exchange groups before applying persistent compaction through Harness session services.

Reformatea los títulos de sesión de dsh como "fecha | tipo | tema" (tipo y tema son resumidos por un modelo a partir de la conversación completa) y oculta las sesiones sin usar de la barra lateral sin eliminarlas.

Gestor de contexto para DeepSeek Harness: resume automáticamente cada turno en registros ordenados por prioridad, los inyecta junto con notas fijadas entre sesiones y texto personalizado en cada petición al modelo, y pliega en resúmenes rangos de conversación real de cualquier tamaño para ahorrar tokens. Persistente y seguro frente a reinicios. NOTA: instalación manual en varios pasos — copia las tres carpetas del paquete en profiles/node_modules y añade las filas proporcionadas de cordis.patch.yml, luego reinicia DSH; no es una instalación estándar de un solo comando.

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.

Windows only. Bilibili video summarizer: downloads the audio track, transcribes it locally with faster-whisper (Python + faster-whisper, about 725 MB of models on first run), then writes the analysis markdown and renders a one-page infographic PNG.

Model-callable compact_agents tool that force-compacts context in every live session (main session, ordinary sub-agents and AgentTeams members alike), queues busy targets and compacts them when the turn ends, reports the shadowed node count and estimated tokens per target, and ships a browser form for the trigger ratio, retained ratio, controlled-phase output budget, auto-continue budget and an end-of-turn pre-compaction ratio that compacts near the trigger line once a turn ends, so a reply no longer opens with a wait for the summarizer.

Single-file persistent companion memory: interests, preferences, tasks, and past works summarized into the system prompt, with read/update tools.

Traspasa sesiones largas a una nueva limpia: /handoff resume la conversación con un LLM, crea una nueva sesión y agente en el mismo espacio de trabajo, inyecta el documento de traspaso como primer mensaje y lo abre automáticamente; la sesión original no cambia.

Pestaña «轨迹解读» (interpretación de trayectorias) que resume cada ronda del usuario — qué se pedía, cómo pensó y ejecutó el asistente, archivos, comandos y errores — mediante un motor de reglas más una narración LLM opcional; los mensajes del usuario se mantienen textuales.

Pasa contexto enfocado sin esperar ni interrumpir al Agent activo: congela un snapshot de sesión acotado, resúmelo asíncronamente con un LLM aislado sin herramientas, y entrega una cápsula con procedencia a otra Session o a un Room autorizado — silencioso por defecto para Sessions, con wakeup explícito disponible.

Saves architecture and validated plans, runs native AgentTeams workers with approval, parallel coding and independent review, and summarizes progress and verification results.

Notes-backed context compression for DeepSeek Harness: replaces LLM-summarized compaction with a model-written persistent notebook plus recoverable raw history, so the rollover boundary itself costs zero model calls.

Chunked compaction for oversized sessions: takes over only when the live context exceeds 85% of the model window (or the request exceeds 4 MB), summarizes the history in 1.5 MB chunks and merges them; smaller sessions keep the built-in compaction.