Plugin

MCP Connector per DeepSeek Harness: un gestore MCP con un unico pannello per connettere server, configurare l'autorizzazione, cercare strumenti tra le connessioni e risolvere i guasti. Sfoglia un catalogo aggiornato di continuo con oltre cento connettori; filtra per connessione/server/stato, ispeziona parametri leggibili e l'ora dell'ultima cache riuscita, e riscopri gli strumenti. Supporta OAuth 2.0 PKCE, chiavi API, stdio/HTTP e l'importazione di JSON mcpServers. Mantenuto da Qichacha/QCC.

Strumenti read / edit / batch_edit / undo_last_edit ancorati tramite hash: ogni riga riceve un hash di contenuto univoco di 3 caratteri, le modifiche puntano agli hash invece che ai numeri di riga, e la verifica dello stato servito rifiuta gli intervalli obsoleti con ancore aggiornate.

Tema Cyberpunk 2077 / Night City: identità giallo NC e ciano neon, linee di scansione CRT, aggancio al passaggio del mouse in stile Kiroshi, HUD dello stato di combattimento, effetti sonori sintetizzati da macchina da scrivere e messaggi, e easter egg nascosti (relic / johnny)

Un tema "Lucciola" di Honkai: Star Rail con sfondi wallpaper/video, palette neon verde lucciola, animazione di avvio trasformazione, particelle ambientali, BGM, effetti sonori di macchina da scrivere e easter egg di emote contestuali.

Genera game art da immagini di riferimento tramite la generazione immagini Seedream e l'image-to-video di MiniMax, assemblando sprite a otto direzioni, frame in sequenza e animazioni scheletriche con green-screen keying locale.

Un mirror di sola lettura per i plugin DeepSeek Harness installati: inventario delle capacità con prove, conflitti tra plugin e un diff delle modifiche dall'ultima scansione.

OAuth per abbonamento di codifica per SuperGrok/Grok Build, ChatGPT Plus Codex, Kimi Code e Claude Code, più un gateway loopback OpenAI/Anthropic opzionale: login locale senza incollare token, refresh e retry AUTH, grok-4.6 xhigh e coesistenza delle route delle chiavi API.

Classifica le chiamate ai tool in sospeso con Jev (il modello decisionale non generativo di TypeSafe AI) su tools/pre-execute — le chiamate ad alto rischio ad alta confidenza vengono negate, quelle ambigue escalate all'approvazione — e approva automaticamente le chiamate reversibili chiaramente consentite su approval/request dietro un gating basato sulle prove negli argomenti. Ridefinisce anche il resolver dei riferimenti di sessione, così gli snapshot conservano i messaggi valutati da Jev invece di scartare i più vecchi. Degrada al comportamento standard in caso di errore del provider; modalità shadow con il comando /jev-stats; endpoint TypeSafe o OpenRouter; 64 test.

Centro notifiche degli eventi di attività: 6 tipi di eventi (ask / approval / completion / subagent completion / error / turn end), doppio canale (Notification del browser + toast di sistema dell'host) più canali push Bark/Webhook (ntfy, Gotify, gateway self-hosted); ore di silenzio con eccezioni urgenti, promemoria per timeout di approvazione, aggregazione delle tempeste di completamento e redazione del testo delle notifiche.

Ponte visivo gratuito e generazione di immagini per modelli solo testo: lettura di immagini incollate, failover tra i motori GLM-4V-Flash e Gemini, evidenze strutturate in stile ModLens e un percorso di modello visivo gratuito preconfigurato.

Infrastruttura di affidabilità neutra rispetto all'harness per agenti di coding IA: azioni distruttive reversibili, redazione prima dell'emissione, prove di ripristino e un Decision Protocol condiviso con adattatori nativi opzionali.

Player di musica, audiolibri, radio e notizie per DeepSeek Harness: trasmette in streaming la tua cartella musicale locale via HTTP, legge ad alta voce romanzi locali .txt/.epub con voci AI, riproduce musica online QQ/Kugou/Netease e radio Internet (HLS supportato) e diffonde riepiloghi giornalieri delle notizie — tutto controllabile dall'interfaccia o dicendolo all'agente tramite lo strumento modello music_play.

Kernel di organi di Agent-Body: plugin organizzati come un unico corpo. Ogni comando diventa un impulso nervoso che innerva deterministicamente l'organo competente e nomina la capacità; i riflessi scattano senza chiamata al modello; un battito a intervallo variabile pompa direttive dell'operatore, propriocezione e avvisi di omeostasi ovunque; i guasti seguono un'attribuzione deterministica (strumento, argomenti, permesso, timeout, rete), una prescrizione e un ciclo di ricontrollo, e gli errori di argomento non vengono mai ritentati. Un organo mancante è compensato da quello con maggiore sovrapposizione di capacità, e gli schemi degli strumenti sono filtrati dall'intento corrente (riduzione misurata dell'84,7%, riproducibile nel repository). Pacchetto kernel del repository agent-body.

Skill Smart Charts: trasforma file CSV/TSV/TXT/XLSX/XLS/JSON in HTML ECharts interattivo autonomo - 32 tipi di grafico, incluse mappe offline, 3 temi, senza CDN. Un profilo dati --profile (dtype per colonna, cardinalità, valori mancanti, campioni, statistiche, granularità delle entità, segnali di insight) consente all'agente di leggere i dati e scegliere da sé il grafico; ogni grafico incorpora una scheda informativa (plot_stats + data_preview) i cui numeri sono gli unici valori citabili. Il codice di trasformazione LLM gira in una sandbox limitata (blacklist + whitelist AST + builtin sicuri); --doctor verifica l'ambiente Python. Del tutto offline, ECharts incluso.

Abilità di meme a barrage ricavata da 22.771 messaggi reali nella live room 6657: battute in stile wanjiqi, meme incrociati di CS e DOTA, prese in giro ai giocatori e commenti da telecronaca.

Grafo di conoscenza del codice local-first per agenti di coding: 10 strumenti MCP per compressione contestuale a livelli, pianificazione DAG, indicizzazione AST incrementale, flywheel di competenze cross-session, diagnostica e import/export di artefatti del grafo.

Una scheda di studio con colonne per mappa del corso, tutor e lavagna che trasforma file markdown, cartelle locali o repository GitHub in corsi guidati, con sblocco delle lezioni, monitoraggio della padronanza, ripetizione dilazionata e importazione di corsi progettata dal tutor.

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.

Un tema web che ricrea la homepage di DeepSeek Harness con uno sfondo fluido, una griglia di puntatori elastica, pesci animati ed effetti regolabili.

Livello di integrazione nativo DSH per il motore di memoria Minta: compone la riga ufficiale dsh-mcp-client, registra la skill minta-memory-governance più un prewarm della memoria all'avvio della sessione, e fornisce un preset agente Minta; richiede il motore Minta distribuito separatamente (Python/Docker) per fornire i 19 strumenti MCP — non utilizzabile senza di esso.

REPL TypeScript persistente legato alla sessione per la modalità DSH PTC: binding e import rimangono attivi tra le chiamate run_code, edit_run_code sostituisce una riga senza reinviare il blocco, la sintassi import/export dei moduli viene adattata tramite riscrittura AST, e i binding durevoli vengono ripristinati dal journal della sessione dopo un riavvio a freddo.

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.

Rende qualsiasi progetto pronto per gli agenti AI con un solo comando. Rilevamento adattivo dello stack tecnologico (7 linguaggi × 14 framework × 61 componenti), generazione automatica di AGENTS.md, scheletro della documentazione, CI/CD e infrastruttura di test.

Sette modalità preset agente per DeepSeek Harness, ciascuna con un confine di strumenti fisso, routing del modello per modalità e livelli di delega omd_task veloce/profondo, più un loop plan-to-execute (/mode, /start-work, /ulw basato su obiettivi) e una pagina impostazioni che rimappa i modelli per modalità e livello.