Plugin

Collega skill e configurazione di Pi Agent a DeepSeek Harness

Un orchestratore di task multi-provider compatibile con Symphony e dashboard per DeepSeek Harness

Un plugin meta-agente nativo del modello per DeepSeek Harness: il modello sintetizza a runtime flussi di lavoro specifici per il task a partire da cinque pattern di workflow agentici (concatenazione di prompt, worker paralleli, router, supervisore, ciclo di valutazione) e coordina strumenti e subagent

Estensione assistente per l'apprendimento per DeepSeek Harness (dsh): tutoraggio DeepTutor per il tuo agente — spiegazioni approfondite, domande di autoverifica, percorsi di apprendimento, ricerca nella knowledge base personale (RAG) e archiviazione delle note (prima HTTP/WS, poi fallback CLI; si adatta automaticamente a locale/r

Osservabilità Langfuse per DeepSeek Harness: esporta i log di sessione come trace OpenTelemetry (convenzioni semantiche GenAI) verso l'endpoint OTLP di Langfuse

Livello di compatibilità con Claude Code per DeepSeek Harness: carica skill/comandi/agenti .claude e installa i plugin dai marketplace di Claude Code come skill dsh native

Generazione PPTX stabile e modificabile per agenti IA — IR semantica in ingresso, DrawingML nativo in uscita

Banco di lavoro desktop autoeditabile per DeepSeek Harness: una replica completa di dsh web con una modalità di modifica in cui l'agente modifica il banco di lavoro (livelli di patch, plugin, UI) con hot reload

Revisione interattiva nativa dei diff Git per DeepSeek Harness con annotazioni strutturate rinviate alla sessione dell'agente corrente

Gestione del budget di token per l'albero degli agenti

Analizza skill e configurazioni MCP alla ricerca di prompt injection, omoglifi, Unicode nascosto, comandi shell pericolosi e fughe di credenziali

Strumenti di informazioni sui dispositivi Windows in sola lettura: uno strumento agente per ogni categoria di dispositivo Win32 (ora, sistema, cpu, memoria, disco, gpu, rete, batteria, processi, usb, audio, stampanti) tramite collettori WMI/CIM e Node os

Override per chiamata di modello, provider, persona e toolFilter per la delega ai subagent, con riferimenti @preset: e ID composti provider/modello

Scoperta di strumenti su richiesta per agente e divulgazione progressiva degli schemi

Colloca .pack.json/.pack.zip in .agent-pack/modpacks/ ed espone le skill tramite una allow-list del workspace

Porta la tua libreria esistente di Agent Skills (SKILL.md) in DSH: scopre le skill nei percorsi di Claude/Codex/Cursor/Gemini, inietta un indice a divulgazione progressiva e carica i contenuti su richiesta

Scanner locale rispettoso della privacy per i metadati di sessione/workflow di Codex, Claude Code, WorkBuddy e CodeBuddy; conserva prove aggregate e consiglia i preset agente integrati di DSH senza conservare i contenuti, usare la rete o modificare i preset

Memoria cross-sessione con ambito di progetto: snapshot di PROJECT.md iniettato nel primo messaggio utente, uno strumento memory_remember e auto-riflessione dopo i task ReAct; ogni progetto mantiene il proprio file di memoria

Memoria con citazioni sopra il log di sessione senza perdita di DSH: i fatti distillati portano citazioni `(sessionId, eventRange)` che si espandono nell'esatto estratto originale del log

Deep-collaboration writing agent for DSH: per-user writing-style learning from edit pairs, clarify→outline→section-writing→red-team→reader-gallery flow, project-to-report synthesis (lab report / product intro / survey / README), 41 MCP tools, and web selection-improve UI with in-app file preview.

Drive Origin scientific plotting from DeepSeek Harness AI chat via MCP: write data, plot line/scatter/column, export PNG/SVG.

Falsification-driven correction loop for agent sessions: risky work commits an evidence-checkable claim first, deterministic gates verify it, falsified claims force mutually exclusive replacement hypotheses with discriminating experiments, and every event lands in an append-only evidence ledger.

Pre-flight plugin-library check for DSH agents: task-type requests trigger a Top-K hint of suitable plugins with use_when/not_for capability declarations, making plugin usage predictable instead of opportunistic.

Per-file-type multimodal chains: preset processing models per wildcard convert image/video/audio files into prompt tokens before they reach the text-only session model, with per-preset fallback chains and a Multimodal settings page.