Plugin

Plugin per DeepSeek Harness che trasforma i giudizi Jev in tre azioni automatiche — potatura dell'output dei tool troppo grande ai segmenti rilevanti per la richiesta, filtraggio delle pagine recuperate in cerca di istruzioni rivolte al modello e scelta della skill adatta al passo successivo — più i tool jev_ask e jev_gate, un registro dei giudizi che sopravvive ai riavvii e un report /jev-status. Richiede una chiave API TypeSafe; senza, resta inerte e non invia nulla.

Plugin in fase iniziale che collega DeepSeek Harness a un server OwnDsh self-hosted distribuito separatamente per identità del team, controllo di accesso ai modelli, quote e auditing dell'utilizzo.

Riunioni rotonde visuali per DeepSeek Harness — nodi esperti su un anello con archi diretti, gateway di aggregazione, thinking proxy per modelli worker black-box e revisione avversaria (red-team) dei piani definiti con endorse/reject per ogni punto di vista.

Plugin «scrittura mono-core» per DeepSeek Harness: strumenti meticolosamente semplificati e output irrobustito per modelli piccoli quantizzati, adatto a eseguire pipeline di romanzi lunghi in locale con modelli on-device.

Plugin di miglioramento preset universale per DeepSeek Harness: un editor di preset modificabile (voci system/user/assistant + prepopolamento di output modello mimetizzato).

Controllo per round del livello di ragionamento (reasoning_effort) per DeepSeek Harness: Auto pianifica low/high/max dalla cronologia recente dei tool calls, oppure permette di fissare un wire level (off/on/minimal/low/medium/high/xhigh/max), con mappatura wire personalizzata, guard delle capacità in base al modello e preset della finestra di contesto (64K–1M); la capability card per modello si abbina a [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (installabile da dsh-market) per provare il reasoning con gateway compatibili OpenAI (vLLM / LM Studio / self-hosted). La card scrive le capacità llm-pi-ai, l'adapter guida il wire (compat.thinkingFormat) e il plugin mantiene la lista di takeover.

Usa un abbonamento ChatGPT/Codex in DeepSeek Harness con modelli GPT, generazione di immagini, ricerca web, report sulla quota dell'abbonamento, controllo di modelli e funzionalità e accesso OAuth tramite browser o codice dispositivo.

Legge GIF e WebP animati come animazioni: un contenuto incollato continua a riprodursi nell’interfaccia, mentre il modello riceve una tavola etichettata di fotogrammi campionati. Lo strumento read_animation campiona un file su richiesta.

Accede a un account ChatGPT tramite OAuth e offre i modelli del relativo piano come route provider di DeepSeek Harness. Chiama api.openai.com/v1/responses con i permessi del piano dell’account, non tramite il backend Codex.

Unisce tutti gli account WorkBuddy connessi localmente in DeepSeek Harness in un unico pool di modelli con failover automatico (rotazione multi-account, crediti live e un catalogo modelli con moltiplicatori di crediti per modello e tag gratis/sconto notturno).

Uso del computer tramite un dispositivo USB HID esterno: indica un bersaglio in linguaggio naturale, un modello di visione lo individua in uno screenshot ritagliato di finestra, e un Raspberry Pi Pico 2 muove il mouse reale e digita sulla tastiera reale. 7 strumenti. Windows dispone di elenco finestre, ritaglio per finestra e sollevamento automatico della finestra; macOS richiede pyobjc e non li ha; Linux non è supportato.

Gateway auth per la Web UI DeepSeek Harness: protegge pagine, /api, /plugins e WebSocket. PBKDF2 con salt utente, cookie HttpOnly SameSite, blocco IP, inviti, TOTP/passkey (WebAuthn), step-up prima di cambiare i fattori. Gli utenti gestiscono profilo/fattori; gli admin account, inviti e password. Le configurazioni private modello/API per utente sono cifrate con chiave derivata dalla password e illeggibili agli admin. Gli admin condividono selettivamente: l’utente può usarle e vedere il saldo, mai la chiave; revoca immediata. Senza configurazione l’utente è bloccato, senza fallback. REST/elenco e WS isolati per utente; sessioni persistenti al riavvio, audit JSONL, fail-closed. Richiede DSH 0.2.0 (trasporto 0.1.1-rc.2 rimosso in 0.7.0). Passkey: HTTPS/localhost.

Una frusta per DeepSeek V4 Pro: osserva l'impronta di ragionamento di ogni blocco di pensiero e riporta il modello indietro quando scivola dalla modalità focalizzata "We will / I will" alla modalità dispersa "let me".

Rotte di modello dedicate, strumenti e guida di sistema per visione, compattazione, revisioni, subagent, titoli e generazione di immagini.

Livelli di utilizzo e schede statistiche condivisibili: 🐟→🐳 classifiche per consumo mensile di token con percentile stimato calcolato localmente, prezzi precisi per 46 modelli di 6 fornitori (inclusi prezzi cinesi per fascia di dimensione), backfill delle sessioni pre-installazione e confronto vecchio/nuovo dopo la modifica delle tariffe del 2026-08-17. Solo locale, nessuna telemetria.

Pagina impostazioni per capacità per modello: livelli di reasoning-effort con le loro ortografie wire, modalità di input e capacità di token, scritti come dichiarazioni o override di catalogo sparsi.

Aggiunge un modello di visione configurabile ai modelli principali solo testuali: uno strumento vision_read_image, un selettore del modello di visione nella barra del compositore e la conversione automatica da immagine a testo per i percorsi solo testuali.

Stili di output del modello commutabili a runtime con parità outputStyles di Claude Code, più il protocollo di presentazione output.render.*: un comando /style, persistenza per sessione, iniezione di systemPrompt, sei stili integrati, un selettore web e un registro di renderer con regole per sessione/strumento e /export.

Cursore dello sforzo di ragionamento in stile Codex integrato nel selettore del modello

Legge ad alta voce le risposte di Harness tramite un runtime TTS locale già presente: launcher integrati IndexTTS e GPT-SoVITS, ingresso locale HTTP/JSONL basato su protocollo e caricamento di cartelle modello per ambienti SDK Kokoro, F5-TTS, VoxCPM, Qwen3-TTS e CosyVoice. Non include modelli. Derivato da 1624318455/dsh-plugin-tts; ID della riga e impostazioni isolati consentono l’installazione affiancata, disattivando le funzioni duplicate.

Banco di lavoro per la scrittura di romanzi in DeepSeek Harness: dai pollice in su o in giù sui passaggi candidati e il modello li distilla in un breve profilo di preferenze che viene portato nelle chiamate di scrittura successive, mentre il manoscritto resta fuori dal contesto di scrittura. Aggiunge una lavagna dei capitoli, pacchetti di scrittura per capitolo, revisione limitata alle annotazioni che riscrive solo il paragrafo annotato e verifica il resto byte per byte, un registro del progetto e controlli di ritmo locali.

Preset unificato e ancorato per l'agente per DeepSeek V4 Pro/Flash sull'API ufficiale e su opencode-go: bootstrap a due tool minimale-esatto alla prima richiesta, percorsi Pro/Flash consapevoli del modello e gestione del catalogo consapevole delle epoche per la stabilità delle sessioni lunghe.

Motore di persona per DeepSeek Harness: un config.json governa il nome con cui l'IA si presenta (per modello e livello), come ti chiama, la postura relazionale, il testo del carattere, contratti per elemento con interruttori, la lingua della catena di pensiero e il tono delle risposte, più memoria subordinata alla conferma umana: l'IA può solo accodare candidati, una riga di conferma li attiva, e il registro è in sola aggiunta e riproducibile. Le voci confermate vengono iniettate come blocco citato di dati, non di istruzioni; quelle con un kind vanno in file arbitrari e non raggiungono mai il prompt. Il prompt viene riletto dal disco a ogni assemblaggio: le modifiche si applicano senza riavvio. Preset: istantanee JSON condivisibili. Senza dipendenze, rete o shell.

Risvegli proattivi a livello di host per DeepSeek Harness: il modello pianifica le proprie sveglie (una volta, intervallo o cron, con jitter opzionale), le sessioni fredde vengono risvegliate puntualmente via session resume, i follow-up del modello sono limitati da ore silenziose e un budget giornaliero, e i turni di risveglio silenzioso terminano con proactive_reclaim e cadono fuori dal contesto come lapidi. I file di pianificazione dichiarati sincronizzano gli orari JSON nelle sveglie dell'host via glob; min_idle_seconds rinvia i risvegli finché la sessione di destinazione non si calma, e un pannello web gestisce sveglie e cronologia — il motore del battito per compagni IA e personaggi di ruolo con routine proprie.