Plugins

Descarga local de facturas por IMAP, OCR, archivado y paquete resumen en Excel para DeepSeek Harness

Auto-colapso de flujo de trabajo estilo Codex: los turnos finalizados se pliegan en una sola fila "procesado en Xs", dejando solo la respuesta final; las llamadas a herramientas y los bloques de pensamiento se colapsan en chips de resumen en vivo que siguen el streaming; se puede expandir nivel por nivel, totalmente reversible al desinstalar.

DSH Knit ordena en la barra lateral Markdown/código/imagen/vídeo de todo el workspace; expone Context Pack vía knit_docs. BM25/IDF local predeterminado compara mensajes recientes con título/resumen/cuerpo: sin modelo/red, nada sale; el índice persiste tras reinicio/nuevas sesiones. Hay evidencia y preview; atribución fijada al leer, pin/exclusión reversible antes de recuperar. v0.23 híbrido opcional OFF, requiere embeddings Ollama/OpenAI-compatible configurados por el usuario. Envía query+título/resumen (Markdown: inicio ≤60 caracteres; código: carpeta relativa; medios: nombre); no cuerpo completo/ruta absoluta; loopback local. v0.24 asocia cambios no commit mediante git status read-only (argv fijo, sin shell, env allowlist), OFF. Sin prueba con proveedor real; no afirma mejora.

Panel de ajustes de estadísticas de uso: mapa de calor de actividad de 26 semanas, tendencia diaria de tokens con curva de tasa de acierto de caché, donut y desglose por modelo, filtros por rango temporal, tarjetas de resumen, backfill histórico de una sola vez y reconstrucción sin pérdidas.

Historial de entrada estilo terminal para el compositor web: recuperación con flechas priorizando los extremos, con restauración exacta del borrador/cursor, historial persistente local del navegador, búsqueda inversa con Ctrl+R y conciencia de contexto deslizante; la versión 0.5.0 añade una capa de entrada inteligente: fragmentos entre sesiones (/save, /load), plantillas de prompts con variables, información de reutilización y resaltado de resúmenes de compactación.

Compactación de contexto protegida para DeepSeek Harness (dsh): la LLM propone, los guardianes deterministic deciden — reducción eager por átomo (extract/summary/false bajo guardianes verbatim) + eviction diferida del reference-graph (0-LLM) + recall byte-exacto desde un log append-only.

Una barra de plegado mejorada: pliega automáticamente llamadas a herramientas y segmentos Think en barras de plegado por pasos, y contrae cada turno finalizado en una cabecera de turno única con métricas en vivo (duración, TTFT, tokens, tok/s, acierto de caché): solo queda visible el resumen final; iconos principales personalizables con cartas de póker animadas integradas (animación de cartas con ciclos de palos en ejecución, una baraja al plegarse, un abanico al expandirse), una fila de ajustes para el modo de plegado oficial, compatible con versiones nuevas y antiguas de DSH. Cero intrusión en el código fuente de DSH.

Herramienta de comprensión de video de bajo coste: una herramienta video_understand convierte un enlace de Bilibili / BV / video local en una capa de información AVIS (ASR + estructura de escenas + seguimiento de objetos + etiquetas YOLO) y devuelve un resumen + Q&A. Incluye enrutamiento dinámico entre capas guiado por preguntas (L0 ASR / L1 seguimiento de objetos / L2 VLM de fotograma clave), reutilización de la capa semántica para preguntas repetidas y un tope de presupuesto por pregunta. Motor Python: la capa principal necesita faster-whisper / opencv / yt-dlp (~200-300MB); la capa semántica opcional añade ~2GB de torch / transformers / ultralytics. Un doctor --fix incluido configura el venv e instala ambos.

Selecciona parte de una conversación y pregunta sobre ella en un chat lateral a la derecha; trae las respuestas de la IA de vuelta al chat principal, directamente o como resumen.

Envuelve el trabajo en tareas con nombre y, cuando una tarea se cierra, pliega todo el tramo de mensajes en un único resumen en el siguiente límite de paso; el contenido original puede restaurarse bajo demanda.

Estadísticas de uso y costos con tarifas de hora punta/valle tras el cambio de tarifas del 17-08-2026, un panel de resumen flotante, desgloses por sesión y un mapa de calor de uso diario/semanal/mensual/anual/total.

Memoria Markdown entre sesiones, LLM-Wiki/SOUL.md. Por defecto se inyecta tras el primer mensaje solo en la sesión activa. remember/recall/consolidate/forget, skill, migración pack/unpack y recuerdos personales en reposo. Presupuesto por archivo evita truncar el índice; last_access permite decaimiento. Salud de solo lectura: tamaño/frescura/lint. Índice con summary:, gráfico páginas/tags arrastrable con zoom, filtros tag/type/salience/hot/stale, sugerencias de enlaces y checkup con acciones priorizadas. Skill bajo demanda reduce payload inicial ~23%. Icono propio y feedback al repo. Requiere formato DSH v4, DeepSeek Harness oficial 0.1.7+; fuente de mensajes plugin:memory.

Insignias en línea +N −M en las filas de las herramientas de edición/escritura y una tarjeta plegable de resumen de cambios por turno con diffs alineados, revisión y deshacer — cubre edición/escritura nativa, str_replace_editor y subllamadas de Code Dispatch, sin necesidad de git.

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.

Combina el esqueleto de código de Headroom (Apache-2.0) y el estimador de TokenPilot (arXiv:2606.17016). Cifras publicadas: Headroom, 20 % menos tokens para agentes de código y 60–95 % para JSON con las mismas respuestas; TokenPilot, hasta 60 % menos coste en sesiones largas. Son datos de esos proyectos, no mediciones ni benchmarks de este plugin. En DSH configura perfil, umbral Auto Compact y esqueleto de código. Mide con el tokenizer exacto de DeepSeek V4 y verifica el recuento en la misma revisión; ante modelos incompatibles, fail-open conserva resultados originales. Comprime con esqueletos durante el turno y resume la intención al final dentro de la compresión JSONL oficial.

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.

Plugin de memoria Honcho de Plastic Labs: inyecta el perfil de usuario, resumen de sesión y conclusiones relevantes al inicio de la sesión, sube cada turno a Honcho en segundo plano con los secretos redactados, y añade las herramientas honcho_search / honcho_chat / honcho_remember más el comando de estado /honcho; se configura mediante ~/.honcho/config.json compartido con las demás integraciones de Honcho, contra honcho.dev alojado o una instancia autoalojada.

Turn another computer into a remote Agent teammate: the worker runs its own DSH and a full Agent loop locally, so dispatched tasks keep running when the link drops and its model credentials never leave that machine. The hub dispatches through 8 remote_* tools, receives only a handoff summary plus an artifact manifest, and pulls finished products on demand — intermediate artifacts stay on the worker. Pairing-code onboarding, direct or relay transport for NAT, Web panel on both sides.

Añade una fila de resumen de archivos modificados a los turnos finalizados y revierte o vuelve a aplicar los cambios de archivos del último turno de la sesión.

Adaptador ACP que controla DeepSeek Harness desde Obsidian Agent Client (y otros clientes ACP): listar, reanudar, bifurcar y eliminar sesiones, cambiar el modelo por sesión, previsualizar un resumen de una línea, importar sesiones ACP externas y traer conversaciones de Obsidian Agent Client al almacén nativo de sesiones de dsh. Requiere DSH >= 0.1.5-rc.3.

Compresión de diálogo in-situ con curva de olvido para DeepSeek Harness: los turnos recientes se mantienen verbatim, los turnos medios se deshidratan estructuralmente (sin LLM), los turnos antiguos se pliegan en un par de resúmenes acotado — conversaciones sin límite con un presupuesto de memoria acotado.

Requirements interview before work starts: judges whether a request is clear, asks focused questions when it is not, in strict mode denies editing tools until the user confirms a four-part summary in chat, and keeps confirmed preferences in two-layer memory.

Espacio de lectura de artículos: biblioteca, PDF junto a notas Markdown y una sesión de IA por artículo. Envía resaltados y capturas de regiones a las notas; pregunta sobre una selección con su página; edita notas en el sitio con guardado automático y combina sesiones en un Summary.

Contexto de vida simulada para DeepSeek Harness: en cada turno inyecta como aviso plegado los eventos de las últimas 24 h de .life/ del workspace, con ventana deslizante, deduplicación y deltas por sesión y resumen del mundo. La herramienta life_react registra emociones, pensamientos y acciones en el diario para la evolución siguiente, dando al agente una vida diaria persistente de personaje de rol.