Plugins

Informa de qué Skills invocó cada turno (cargadas por el modelo, escritas como /name o ninguna) y gestiona el directorio local de Skills: instalar desde una dirección de repositorio, carpeta, SKILL.md o zip pegada, definir un nombre para mostrar en chino en el meta.yaml de la Skill y eliminar una Skill conservando una copia de seguridad.

Reglas de permisos declarativas al estilo Claude Code: reglas YAML ordenadas de allow/deny/ask que coinciden con nombres de herramientas, argumentos, rutas del espacio de trabajo e identidad del agente en la cascada tools/pre-execute, con auditoría completa del registro de sesión, modo de simulación (dry-run) y recarga en caliente.

Maneja el trazado científico de OriginLab Origin desde el chat de IA vía MCP: 62 herramientas. Vigilante de diálogos modales, compuerta de seguridad LabTalk, release/reconnect, ajuste con parámetros iniciales/fijos/ponderados, ediciones finas de gráficos y hojas, herramientas de matrices, FigureSpec YAML declarativo (diferenciable y reproducible), instantánea de solo lectura de MCP Resources, puente matplotlib-figure, ensamblaje de PowerPoint con etiquetas de paneles, búsqueda de plantillas de Graph Gallery, exportación EPS, lista blanca de acceso a archivos, línea base de regresión visual y entregable OPJU editable con verificación determinista de relectura.

Proveedor nativo de Rapid-MLX para DeepSeek Harness (dsh): dsh lee la información del modelo desde el servidor en lugar de tu settings.yaml.

Banco de trabajo de presets para editar personas por agente, secciones del prompt del sistema y descripciones de herramientas; permite elegir herramientas y skills, previsualizar el contexto de la solicitud e importar o exportar configuraciones JSON/YAML.

Arnés de evaluación para plugins de DSH: los casos en YAML impulsan ejecuciones reales del agente en modo headless, verifican llamadas a herramientas, argumentos, resultados y uso de tokens, con una puerta de referencia para regresiones en CI.

Preset de escritura de novelas web para DeepSeek Harness. El agente principal actúa como editor jefe y delega esquemas, borradores, revisión, continuidad y documentación a cinco asistentes en un flujo de siete fases. Mantiene la novela en un directorio novel/ estructurado con Markdown/YAML (fichas de personajes, máquina de estados de los presagios, cronología y memoria narrativa), además de un panel creativo en la barra lateral y seis comandos CLI sin dependencias.

Portero de redacción de patentes para dsh: primero criba la idea frente al estado de la técnica chino, luego realiza entrevistas de alineación entre cinco partes, redacción de divulgación en ocho capítulos, figuras y ejecuciones de simulación, revisión en siete dimensiones y exportación a docx/PDF. Las skills funcionan de inmediato; las herramientas de búsqueda, exportación y experimentación provienen de un servicio MCP de Python incluido que se entrega desactivado: una línea en ~/.dsh/patent-services.yaml lo habilita y uvx descarga el wheel desde PyPI.

Modelo predeterminado configurable para delegaciones a subagentes mediante settings.yaml, con estrategias de modelo único y multimodelo por turnos rotatorios o aleatorios.

Informa qué skills invocó cada turno (cargadas por el modelo, escritas como /name o ninguna) y gestiona el directorio local de skills: instala desde un repositorio, carpeta, SKILL.md o dirección zip pegados, define un nombre para mostrar en chino en el meta.yaml de la skill y elimina una skill conservando una copia de seguridad.

Gestiona los modelos OpenCode Zen de nivel gratuito y Go en settings.yaml: obtiene los listados de modelos en vivo desde opencode.ai, informa del desfase entre configurado y en vivo por ruta, y añade o elimina entradas mediante cuatro herramientas de agente y una sección de ajustes de OpenCode Models.

Reescribe la copia china de un plugin instalado en el mercado al inglés usando un modelo ya configurado en el harness: automáticamente al instalar el plugin, y luego con recarga en vivo. Cada archivo se traduce en una pasada completa, validado por un analizador real cuando existe (node --check para JavaScript, o analizadores JSON y YAML en otro caso) y se devuelve al modelo con el error hasta tres intentos de reparación; los archivos de más de 48 KB, o que nunca se analizan, recurren a una pasada por rangos de líneas que compara cada línea devuelta con la original para verificar la estructura. Las frases de activación y las tablas de locale pueden preservarse opcionalmente en vez de traducirse, y el original intacto se guarda junto al archivo como .zh.bak.

Hooks de ciclo de vida impulsados por configuración, incluida la inyección de contexto: declare event, handler y outcome en YAML, donde handler es una herramienta in-harness (MCP incluido), un comando shell o un endpoint HTTP, y outcome es model-visible context, un denied tool call o fire-and-forget.

Motor de reglas de permisos al estilo Claude Code: niveles hard/deny/ask/allow con un nivel hard por encima del acceso completo, reglas por espacio de trabajo, protección de rutas con comodines y un editor visual por etapas; las reglas persisten en settings.yaml.

Guarda tareas de automatización en archivos versionables/revisables: YAML, JSON o JS con schedule, prompt, model, permission y carpeta de trabajo. DSH Schedule se crea/actualiza/desactiva/elimina para quedar al día en menos de un segundo tras guardar. Cada tarea usa su propia conversación, persistente o nueva por ejecución. /automations sincroniza a demanda y nombra errores de archivo; si no hay tareas, nunca vacía Schedule.

Conecta el servidor MCP remoto oficial de GitHub como plugin de DSH: guarda el PAT en el centro de credenciales de DSH (.credentials.yaml) mediante github_set_token y expone las herramientas de GitHub como mcp__github__*.

Ejecuta pipelines de AItelier desde DSH sobre MCP: 39 herramientas (22 de lectura, 17 de escritura) para generar, ejecutar, inspeccionar, editar, exportar e importar pipelines SkillFlow multi-paso. Los pasos se ejecutan en AItelier en lugar de en la sesión DSH y se sondean por run_id, pausan en checkpoints impuestos por el motor respondidos con answer_checkpoint, y dejan rastros por paso y salidas de paso para leer después; add_provider / map_model / edit_role apuntan un rol individual a un endpoint local o más barato. Agrupa una habilidad aitelier-pipelines.

Editor de capacidades de modelo: modifica en línea los niveles reasoning-effort y la compatibilidad con entrada de imagen (multimodal) en la página oficial, y guarda el grupo completo en settings.yaml. Incluye un acceso flotante alternativo si falla el anclaje.

Council of High Intelligence: reúne un grupo de expertos de 18 figuras históricas para un debate estructurado desde múltiples perspectivas, con un panel lateral DAG en vivo, historial de ejecución en SQLite y valores predeterminados por proyecto mediante .council.yaml.

Usa AItelier como subagente desde DeepSeek Harness: genera, edita, ejecuta, exporta e importa canalizaciones SkillFlow. Solo cliente — requiere un backend AItelier en ejecución (Docker; consulta el README).

Kit de herramientas de investigación de modelos del mundo: inspecciona fotogramas, nombra rutas 3D/píxel/latentes, puntúa pred vs GT y habilidades RSI / wm.yaml.

Defines multi-agent team rosters as YAML or JSON files, validates them, bridges each member into dsh-agent-teams member arguments, and verifies the result against the running team.

Define listas de equipos multiagente en archivos YAML o JSON, las valida, conecta cada miembro con los argumentos member de dsh-agent-teams y verifica el resultado frente al equipo en ejecución.