Plugin

Skin CSS che ridisegna il controllo del livello di ragionamento di hytime/dsh-thinking-effort come pillola blu-viola con campo stellato e riflesso mobile, nelle palette chiara e scura. Richiede quel plugin installato e non aggiunge UI propria.

Sostituisce il selettore del modello chat con un elenco comprimibile per provider; riunisce i provider mirror vision-bridge sotto quelli upstream e mantiene le opzioni reasoning-effort dichiarate nelle impostazioni di ogni modello. Testato solo su DSH Desktop; la versione web DSH non è stata testata.

Richiede DSH >= 0.2.0-rc.2 e < 0.3.0. Consente di dichiarare un numero qualsiasi di provider LLM, ciascuno con endpoint, credenziali e parametri per modello (livelli reasoning-effort, input immagini, policy di retry), nei formati OpenAI Chat, OpenAI Responses, Anthropic Messages e Google Gemini. Configurazione dalla pagina impostazioni.

Selettore di modello e sforzo di ragionamento in stile Codex per DeepSeek Harness: livelli dichiarati dal modello, temi nativi DSH, effetti radiali tagliati a sinistra e indicazioni copiabili per dichiarare lo sforzo nei provider personalizzati.

Bundle ZenTao MCP per DeepSeek Harness: workflow per attività e bug, report e registrazione formale verificata dell’impegno.

Comando `/reasoning` in stile Codex per DeepSeek Harness Web: seleziona lo sforzo di ragionamento del modello corrente dal menu slash.

Gestisce e invoca CLI Agent esterne in DSH, isolate completamente dalle installazioni native dell’utente. Consente di preimpostare Provider, modello, sforzo di ragionamento e permessi per ogni CLI e di richiamarle direttamente o come subagent nativi.

Un controllo minimale dello sforzo di ragionamento per il composer DSH: linea sottile, indicatore scorrevole, memoria per modello, cambio ottimistico e selettore modelli semplificato.

Dichiara livelli di reasoning effort per modello di provider terzi nelle impostazioni llm-pi-ai, così il selettore standard di intensità di ragionamento DSH funziona anche con modelli non descritti dal catalogo pi-ai.

Selettore modelli di sessione con ricerca in due fasi: prima sottostringa normalizzata, poi sottosequenza (glm53 trova GLM-5.3, ds trova DeepSeek). Fissa in alto i provider con chiamate riuscite recenti e ricorda per ogni modello l’ultimo livello di ragionamento scelto esplicitamente.

Aggiunge in Models i campi per finestra di contesto e soglia di compattazione per route, più un selettore dello sforzo di ragionamento consapevole del provider nel compositore. Scrive in capacities, reasoningEfforts e una riga patch compaction-basic di llm-pi-ai.

Plugin DSH (DeepSeek Harness): configura reasoningEffort predefinito per ogni modello LLM e lo completa automaticamente secondo le regole di routing prima che la richiesta entri nella catena di chiamate sottostante.

Regola automaticamente il reasoning effort del modello per attività (off/low/high/max): classifica i task, usa marker [effort=...], aumenta il livello dopo errori nel turno, limita durante la fascia di punta DeepSeek con conto alla rovescia; la scelta manuale ha priorità.

Gestisce profili di subagent nominati e riutilizzabili per DeepSeek Harness e li esegue con modello, reasoning effort e preset agente definiti per profilo.

Plugin DSH per configurare il tipo di input (input) e le modalità di ragionamento (reasoningEfforts) dei modelli personalizzati.

Hub di compaction a livelli: sostituisce la soglia unica dell’80% con una scala configurabile (30/50/70/90 per impostazione predefinita), dalla consolidazione leggera alla massima. Inserisce un indice deterministico di parole chiave in ogni checkpoint per accumulare fatti tra i cicli. Riassume con una catena di modelli: primario e fino a 3 fallback, ciascuno con il proprio livello di ragionamento. Aggiunge una scheda Compaction e una scheda impostazioni; disattivandolo ripristina sempre la compaction standard.

Sostituisce la pagina ufficiale Models con gestione del ciclo di vita dei provider, livelli di ragionamento per modello, override dei retry, riordino drag-and-drop e sincronizzazione dei modelli upstream.

Plugin DSH che rileva e configura automaticamente le capacità del modello (reasoningEfforts e modalità di input) per llm-pi-ai. Successore di dsh-reasoning-efforts.

Selettore modelli ricercabile per DeepSeek Harness (DSH) Web: fork fedele del selettore nativo (Model/Effort, elenco raggruppato per provider, livello di ragionamento), con ricerca in alto che filtra mentre digiti.

Imposta lo sforzo di ragionamento per modello (off/minimal/low/medium/high/xhigh) per GPT, Codex, Gemini e modelli compatibili OpenAI. Installa un helper, non un adattatore runtime: su Windows esegui `enable-capabilities.ps1` una volta per profile e riavvia; i livelli vengono dichiarati in `~/.dsh/settings.yaml`. Include script di disattivazione e backup per ripristinare.

Preset di delega a subagent specializzati (orchestrator + 5 ruoli: oracle/designer/fixer/explorer/librarian), installato in DSH home. Delega prima in background, configura modelli/effort/permessi degli strumenti via JSON e limita MCP alla ricerca.

Selettore modelli migliorato per DeepSeek Harness: selettore a un livello per modello e reasoning effort, 5 livelli Liang, alias personalizzati e conto alla rovescia delle tariffe di punta/fuori punta.

Configura le capacità di input del modello e lo sforzo di ragionamento per DeepSeek Harness.

Plugin modelli preferiti DSH: fissa i preferiti in alto, mostra il provider dei modelli con lo stesso nome, pulsanti separati modello/livello ragionamento e memoria dell’effort per modello.