Plugin

Provider nativo Rapid-MLX per DeepSeek Harness (dsh) — dsh legge le informazioni del modello dal server anziché dal tuo settings.yaml.

Compressione automatica del contesto per DeepSeek Harness: comprime gli output degli strumenti prima che raggiungano il modello e mantiene ogni compressione lossy reversibile tramite strumenti di recupero CCR.

Selettore modelli per il composer DSH: mantiene pulsante e menu nativi e interviene solo all'apertura del piccolo menu a discesa. Cerca tra i provider, prova ogni modello con una richiesta streaming reale per misurare TTFT e TPS e mostra una classifica fino a 100 righe dal catalogo OpenRouter; cliccando una riga cerca canali locali con lo stesso nome.

Base di conoscenza come canvas nella barra laterale destra: le note sono nodi e 9 strumenti consentono al modello di leggerle, scriverle, collegarle e rimuoverle. I nodi possono contenere immagini e documenti; la lettura restituisce il testo ed estrae i file Office sul posto, mentre le immagini vengono passate come immagini.

Assistente input DSH per prevedere il messaggio successivo, completare bozze e rifinire/riscrivere prompt. Suggerimenti locali alla sessione; Tab li inserisce nella bozza senza inviare. Richiede un modello configurato; le chiamate possono avere costi. Codice disponibile; le modifiche richiedono autorizzazione scritta preventiva.

Persona e diario tra sessioni per DeepSeek Harness. Un filtro locale sceglie i turni da ricordare; una chiamata extra al modello crea un diario in prima persona e un’impressione dell’utente, legati al momento specifico. Le conversazioni successive ricevono circa 2000 tokens di memoria personale in tre livelli: nucleo della persona, giudizi scritti dal modello e diario. Uno strumento consente al modello di registrare giudizi con parole proprie. Il plugin può solo leggere il Markdown umano. Dalla barra laterale si può leggere, dimenticare o esportare l’archivio; dimenticare abbassa la priorità senza cancellare, e una forte corrispondenza tematica può farlo riemergere. Cartella locale modificabile e trasferibile. I segreti vengono rimossi prima dell’invio. Nessuna dipendenza runtime né build.

Plugin di autenticazione OAuth Google Antigravity (agy) + accesso ai modelli per DeepSeek Harness: pool multi-account, rotazione sugli errori 429, fingerprinting del dispositivo, accesso via CLI e web.

Ciclo di autoaffinamento continuo: memoria persistente, revisione e affinamento periodici, conoscenza condivisa tra sessioni e rollback automatico tramite uno strumento harness_refine richiamabile dal modello.

Legge i metadati PNG di ComfyUI tramite lo strumento comfy_png_inspect disponibile al modello. Indicando un PNG o un’intera cartella di output, riporta per ogni immagine la catena di esecuzione LoRA con ogni valore di intensità, le impostazioni del sampler, il modello base, CLIP, VAE, dimensione latente, entrambi i prompt e i nodi bypassati.

Aggiunge i modelli gratuiti OpenCode Zen a DeepSeek Harness come unico provider, tramite un runtime OpenCode gestito e isolato. La pagina delle impostazioni elenca e testa ogni modello.

Porta gli esperti dell'app desktop WorkBuddy in DSH: un marketplace nella pagina delle impostazioni analizza in sola lettura la directory locale degli esperti WorkBuddy (gli esperti vi finiscono dopo che li hai evocati in WorkBuddy) per sfogliare, cercare e filtrare per categoria, con installazione in un clic (esportata in ~/.dsh/experts/ come role prompt + skills + avatar), aggiornamento e disinstallazione; una capsula selettrice accanto alla casella di input cambia l'esperto della sessione corrente — sostituendo in blocco il role prompt, le skills e una whitelist di strumenti opzionale, mantenendo l'intera cronologia della sessione, applicata al confine della successiva richiesta al modello.

Pannello fluttuante di utilizzo DeepSeek in stile vetro macOS per l'interfaccia web DSH: saldo ufficiale in tempo reale e utilizzo di token (oggi, sessione, trend uniforme di 24 h, per modello) senza aprire platform.deepseek.com/usage. · Pannello di utilizzo DSH in stile vetro smerigliato: saldo ufficiale + utilizzo di token

Regno di governance degli agenti per DeepSeek Harness: territori, associazioni di ruolo (bind/unbind/session con identità di modello/agente), e un ciclo di attività pianifica→assegna→esegui→rivedi in cui le dichiarazioni del Worker non si completano mai automaticamente (Claim ≠ Fact), con una console operativa GUI locale.

Telecomando mobile Telegram che collega il telefono a una sessione web live di DeepSeek Harness: selettore spazio di lavoro e poi sessione (/sessions), /last per la domanda/risposta precedente, /model per cambiare modello, e risposte native in Rich Message.

Liang Saint Slider come selettore di modello e livello di sforzo di ragionamento per DeepSeek Harness.

Analisi dettagliata dell'utilizzo e dei costi per modello, con statistiche di utilizzo per sessione e query di utilizzo per GLM, MiniMax, OpenCode Go, DeepSeek e altri.

Ricerca Web aggregata da più fonti per DeepSeek Harness: sostituisce web_search con grounding nativo del modello e API di ricerca agent, con attribuzione delle fonti e schede di citazione avanzate.

Protezione dai loop per dsh: osserva llm/stream, rileva e riattiva chiamate di solo ragionamento o materiale ripetuto, con due interruttori durante lo stream.

Gestore di modalità personalizzate e assistenti. In Settings ogni modalità riceve un proprio prompt di sistema salvato come file semplice; l’agent loop lo rilegge prima di ogni passaggio del modello, quindi le modifiche valgono dal passaggio successivo anche nelle sessioni attive. Si può partire dalla composizione ufficiale standard/PTC/minimal/Cordis, attivare o disattivare singolarmente le righe dei plugin montati dalla modalità e assegnarle un nome. Sulla stessa macchina convivono più assistenti con prompt distinti — per programmare, conversare o interpretare una persona di roleplay (RP) — da scegliere per ogni nuova sessione. Le righe non modificate restano identiche byte per byte a quelle distribuite, incluse le condizioni di piattaforma.

Provider di modelli Kiro con accesso tramite Builder ID, Identity Center, Google, GitHub e importazione di credenziali, aggiornamento automatico di token e profili, utilizzo dell'account, scoperta dei modelli in tempo reale, sforzi di ragionamento selezionabili, chiamate di strumenti in streaming, gestione del motivo di arresto del provider e dell'overflow del contesto, e contabilità dei token che usa i contatori esatti di Kiro quando li invia e altrimenti scala la percentuale di utilizzo del contesto inviata in base alla finestra dichiarata del modello.

Esploratore dei file di progetto nella colonna dei dettagli (selezione multipla, spostamento tramite trascinamento, caricamento, scaricamento, rinomina, cestino, apertura nel sistema) con una scheda di anteprima in sola lettura nella sessione per Markdown/HTML/JSON/CSV/notebook/PDF + evidenziazione del codice, un badge del throughput del modello in tempo reale e una GoalBar multilinea.

Skill di flusso di lavoro di ricerca AI-for-Science per DeepSeek Harness, rivolto a ricercatori e studenti post-laurea che usano IA agentica: revisione della letteratura multi-angolo con file per angolo, progettazione di esperimenti con elenco di caveat, lettura di figure e articoli; ogni lavoro restituisce file più un briefing di verifica incrociata per un secondo modello. Zero dipendenze, MIT.

Analizza l'utilizzo tra modelli, provider, spazi e periodi, con date personalizzate su tutta la cronologia, cache-hit visibile e ripartizioni per modello e provider. Include trend orari/giornalieri, heatmap di 53 settimane in stile GitHub, serie, anelli di quota token per modello e spazio (token, costo, %), filtri combinabili, efficienza della cache, saldo DeepSeek, alias degli spazi, export CSV e un registro durevole che conserva l'utilizzo dopo la cancellazione di sessione o spazio (riga Deleted) e si ricostruisce in modo incrementale. Il registro degli spazi si aggiorna via sonda DSH domain/changed; contano solo gli spazi registrati. Contabilità separata di input, cache e ragionamento. Cinese: ora locale; inglese: UTC; API solo loopback.

Non è un altro plugin di memoria: ODR è un ciclo di auto-miglioramento in mondi evolutivi (Dream-RSI). I tentativi vengono registrati in un Discovery Tree e, tra le esecuzioni, migliaia di varianti strategiche sono riprodotte in quel mondo. Una strategia, ricetta o lezione viene promossa solo dopo aver superato la riproduzione controfattuale, mai sulla sola parola del modello; Sentinel controlla le chiamate agli strumenti prima di consumare il budget. L’LLM resta congelato. Si installa da npm come dsh-open-dream-rsi.