Plugins

Pipeline de coste de tokens para DeepSeek Harness: compactación por capas sensible a la presión (proyección sin pérdida por debajo del 40% de presión de contexto, resumen con LLM por encima), listas de herramientas permitidas por agente, conversión de texto largo a imagen con resumen por visión y un comando /token-status que rastrea presión, niveles y tokens ahorrados.

Adelgazamiento reversible del contexto para DeepSeek Harness: recodificación tabular sin pérdida estilo TOON de arrays JSON uniformes, ventanas de tablas muestreadas por stride con números de línea y deduplicación entre turnos para salidas repetidas de herramientas; cada reemplazo pasa por una compuerta de bytes+tokens (≤72% de bytes, estrictamente menos tokens estimados) y el original se vuelca a disco detrás de un aviso `[save-token #id]`, recuperable en una sola llamada mediante la herramienta `save_token_expand`, con medición de tokens facturados y ahorrados en un panel de configuración.

Pipeline de optimización de tokens por capas para DeepSeek Harness: escalera de salida, carga diferida de MCP, motor de compactación e informe de aciertos de caché. Construido sobre APIs reales de plugins DSH; ahorra ~40-60% de entrada en sesiones largas.

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.

Entorno de ejecución de persona eficiente en tokens para DeepSeek Harness con renderizado local de catgirl y divulgación progresiva del esquema de herramientas.

Enruta cada tarea a un modelo y su revisión a otro distinto, con evidencia de cualificación, conmutación por error y un diario duradero.

Fronts stdio MCP servers with three router tools (list_capabilities, describe_tool, call_tool) so schemas load on demand instead of riding every request; shapes every tool result through a deterministic output ladder that archives the original first (retrieve_spill reads it back); prices tool groups in tokens and can hide built-in groups per agent. Bridges to a standard-library Python router, so Python 3.9+ is required.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

One MCP tool instead of every schema you own — a lazy capability broker that cuts resident tool context by a measured 94.4%. Search, inspect, enable and call MCP servers and skills on demand.

Plugin de gestión dinámica de contexto para DeepSeek Harness (Dynamic Context Pruning for dsh), inspirado en opencode-dcp.

Sleev routing observability for DeepSeek Harness

把长文本渲染成图片发送，利用每图 384 token 封顶压缩 LLM 输入 token，专为DeepSeek Harness设计的插件；Pack long text into images to cut LLM input tokens (384/image cap) — a DeepSeek Harness plugin.