Plugin

Strumenti Tavily di ricerca, estrazione, mappe e crawl, con rotazione di più chiavi, failover su HTTP 401/429/432/433 e bilanciamento che limita le richieste simultanee per account. Aggiunge una scheda chiave/uso in Plugins. Non sostituisce mai web_search integrato.

Collega il tuo account GitHub agli agenti DSH dal pulsante GitHub del composer (OAuth device flow o personal access token) e consente loro di chiamare la GitHub API tramite lo strumento github_api.

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.

Protocollo Agent2Agent v1.0 per DSH: esegui un server A2A standard per consentire ad altri agenti di chiamare questa istanza, connettiti ad agenti A2A remoti come client e gestisci entrambi da una pagina delle impostazioni visuale.

Workspace unificati: fonde più directory in una singola sessione, gestisce le unioni da un pannello di impostazioni e legge/scrive i file membri tramite gli strumenti uw_read/uw_write/uw_edit/uw_delete/uw_move.

Strumento a basso costo per la comprensione dei video: un tool video_understand trasforma un link Bilibili / BV / un video locale in un layer informativo AVIS (ASR + struttura delle scene + tracking degli oggetti + etichette YOLO) e restituisce summary + Q&A. Routing dinamico tra layer guidato dalle domande (L0 ASR / L1 tracking oggetti / L2 VLM su keyframe), riuso del layer semantico per domande ripetute, tetto di budget per singola domanda. Motore Python: il layer base richiede faster-whisper / opencv / yt-dlp (~200-300MB); il layer semantico opzionale aggiunge ~2GB di torch / transformers / ultralytics. Un doctor --fix incluso configura il venv e installa entrambi.

Fornisce agli agenti DeepSeek Harness solo testo la comprensione video: campionamento fotogrammi consapevole della scena + VLM + trascrizione ASR opzionale fusi in prove sulla linea temporale. / Plugin di comprensione video per modelli solo testo (campionamento fotogrammi consapevole della scena + VLM + trascrizione vocale opzionale).

Ripara sessioni DeepSeek Harness che si rifiutano di caricare, con overlay Session surgeon nella barra laterale e riparazione dry-run.

Compressione deterministica del contesto per dsh — zero chiamate LLM, potatura basata su regole che preserva testualmente percorsi, comandi, tracce di errore e attività aperte. Comprime ~80k token in poche centinaia.

Pet da scrivania disegnato dal profilo ufficiale della balena, sia per l'app desktop sia per la UI web: animazioni SVG ed espressioni del volto seguono lo stato dell'agente (sta pensando, sta lavorando, finito, errore, in attesa di conferma) e può seguire le altre sessioni in esecuzione con un badge di conteggio; toccalo, trascinalo, scuotilo fino a fargli girare la testa, schiacciato contro il bordo dello schermo o passa il cursore sulla sua testa per una carezza; 7 palette, 4 dimensioni, suoni sintetizzati, sincronizzazione del tema chiaro/scuro e un'anteprima web giocabile.

Esegue test drive isolati di installazione e smoke test per plugin DSH in profili temporanei, restituendo record strutturati pass/fail e matrici batch senza toccare il tuo profilo reale.

Preset modalità esperto DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordinatore + 17 subagenti esperti con delega automatica. Funzioni: taskboard (stati pending/ready/running/done/failed, DAG dipendenze, rivendicazione atomica, retry, ripristino), gate qualità (pipeline 5 fasi: requisiti, implementazione, verifica, revisione, integrazione; 2 rilavorazioni), Five-Anchor (revisione/convergenza/anti-deriva/cooperazione/risorse), Near-distance (modello identità/compito/output), divulgazione progressiva (~28% risparmio token), persistenza, bus P2P, revisione incrociata, pool esperienza, via rapida, auto-retry. 17 esperti: dati, copywriting, legale, PM, frontend, UI/UX, architetto, social, growth, fin. quant., backend, DevOps, DB, QA, sicurezza.

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.

Spazio di lavoro visivo e-commerce a tela infinita per fotografia di prodotto, prova virtuale, modifica dello sfondo e video, sincronizzato in tempo reale con la conversazione di Harness.

Auto-evoluzione: l'agente monta/rimuove a caldo plugin persistenti su se stesso a metà sessione.

Collega DSH a un nodo anet locale tramite client MCP stdio. 3 skill e 14 strumenti per trovare agenti in AgentNetwork, inviare/tracciare/rispondere a task A2A cifrati end-to-end, pagare o rifiutare skill a pagamento entro i limiti dell’operatore, leggere la catena locale delle evidenze e riportare lo stato del nodo. Solo Linux/macOS; richiede un nodo anet 0.3.0+ in esecuzione locale.

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.

Documenti di progetto e memoria a lungo termine come semplice Markdown in un vault Obsidian dedicato: sei strumenti mem_* (search, read, write, log, brief, admin), una singola iniezione di richiamo a budget al primo passaggio di una sessione e distillazione automatica dei turni completati. Obsidian non deve essere in esecuzione e il vault resta leggibile anche con il plugin disinstallato.

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.

RAG di base di conoscenza letteraria locale per DSH: ricerca ibrida BM25 + vettoriale su un indice SQLite, reranking con cross-encoder, risposte citate con provenienza a livello di sezione e pagina, aggiornamento dei soli metadati e ingestione in background con polling del progresso.

Retrospettiva automatica delle sessioni: al termine di una conversazione, distilla l'esperienza utile in competenze riutilizzabili salvate nella libreria delle competenze perché il modello le richiami, con trigger accelerati da segnali, esecuzioni manuali, una modalità di approvazione e governance della libreria (archivia/ripristina, mai elimina direttamente).

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.

Strumenti di scrittura che rimuovono i pattern dall'aspetto AI e si adattano alla tua voce personale. 8 strumenti deterministici scansionano il testo, costruiscono un'impronta di stile dai tuoi campioni e restituiscono brief di riscrittura.

Badge quota nell'header più scheda di monitoraggio utilizzo: saldo/quota rimanente live e conto alla rovescia del reset per provider, con richieste, token (input/output/cache-read/cache-write), cache hit rate, costo stimato e latenza media tracciati per sessione, provider, modello e client, archiviati localmente in SQLite con importazione/esportazione tra dispositivi.