DeepSeek presenta Creator Mode: el harness puede rediseñarse por el usuario
DeepSeek presenta Creator Mode: el harness puede rediseñarse por el usuario
El harness open source de DeepSeek añade Creator Mode: un agente escribe plugins a partir de descripciones y los integra en la interfaz.
DeepSeek presenta Creator Mode: el harness puede rediseñarse por el usuario
En pocos días, el repositorio DeepSeek Harness acumuló más de 140 mil estrellas en GitHub, creciendo incluso más rápido que OpenClaw en su momento.
En agosto, DeepSeek publicó su propio harness de código abierto. La idea central es que “todo es un plugin”, y ahora el proyecto añadió Creator Mode: describes una idea con palabras y el agente escribe un plugin adecuado y lo integra directamente en la interfaz de la aplicación.
Así, la interfaz del harness deja de ser fija y puede adaptarse a cualquier flujo de trabajo.
- Repositorio: DeepSeek Harness
- Colección de prompts del video de demostración: DSH Creator Mode prompt collection
Por ejemplo, se puede crear un editor de video dentro del chat, cambiar el estilo de toda la aplicación o generar un panel de estadísticas de conversaciones.
Por qué es importante
AnálisisMuestra cómo las herramientas de IA pueden pasar de interfaces estáticas a capas de software autoeditables, lo que agiliza la prototipación y la personalización.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
DeepSeek presenta dsh-superagent, un framework de agentes para GitHub Issues y PR
DeepSeek presentó otro proyecto, dsh-superagent: un framework de agentes que trabaja con GitHub Issues y pull requests, permitiendo que múltiples agentes de IA ejecuten tareas en paralelo.
DeepSeek presenta dsh-superagent, un framework de agentes para GitHub
DeepSeek ha lanzado dsh-superagent, un framework que permite a múltiples agentes de IA trabajar en paralelo con GitHub Issues y PRs.
Jev y System One AI: guía práctica completa del modelo de decisiones de TypeSafe
Análisis ingenieril profundo del modelo insignia Jev: arquitectura System One frente a LLM, primitivas Choice/Score/Noul, paralelismo de consultas, matemática de la confianza, casos de vídeo, código y revisión de alternativas open-weight locales (Laya, GLiNER2.5, CLM-8B).
Cómo ejecutar LLMs locales: guía de instalación, modelos y optimización
Guía completa para ejecutar modelos de lenguaje en local: requisitos de hardware, despliegue de Ollama y Open WebUI, comparativa de Llama 3, Qwen 2.5, DeepSeek y cuantización GGUF.