Plugin

Compressione del dialogo in-place con curva di dimenticanza per DeepSeek Harness: i turni recenti restano verbatim, quelli centrali sono strutturalmente disidratati (senza LLM), quelli antichi si ripiegano in una coppia di riassunti limitata — conversazioni illimitate su un budget di memoria limitato.

Auto-miglioramento notturno per il tuo agente DeepSeek Harness: raccoglie offline le sessioni passate, riproduce attività ricorrenti usando il tuo budget API e consolida le skill convalidate dietro un controllo separato. Porta il motore SkillOpt-Sleep di microsoft/SkillOpt in dsh come strumenti nativi più una skill inclusa, senza addestramento dei pesi. Richiede Python 3.10+ e il motore SkillOpt-Sleep (pip install skillopt).

Predefinizioni migliorate di auto-compattazione per i preset agente di DeepSeek Harness: applica con un solo comando soglie/budget di retention ottimizzati e policy per modello, in modo idempotente con backup e rollback.

Tracciatore dei costi in token per DeepSeek Harness: monitora l'utilizzo, calcola i costi, avvisi di budget.

Risvegli proattivi a livello host per DeepSeek Harness: consenti al modello di pianificare i propri allarmi (una volta / intervallo / cron con jitter casuale), riattiva le sessioni fredde in orario, filtra i follow-up avviati dal modello con ore di silenzio e budget giornaliero e reclama i risvegli silenziosi

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.

Ponte universale Model Context Protocol (MCP) per DeepSeek Harness: collega gli agenti a server MCP stdio/sse/websocket con un motore di scala da 10k dormienti, ricerca di strumenti BM25 sotto il millisecondo, budget dinamico dei token e una dashboard web in tempo reale.

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.

Unisce il contesto di altre sessioni nel turno corrente: risoluzione dei conflitti ponderata per evidenze, ritrattazione delle affermazioni le cui premesse sono state ritrattate, etichettatura di fiducia che resiste all'iniezione di prompt tra sessioni, e impacchettamento limitato dal budget. Include un benchmark.

Due diligence pre-visita e ricerca aziendale in DeepSeek Harness per controlli sui clienti e brief di rischio, con approvazione del budget di chiamate agli strumenti MCP di Qichacha e conferma dell'entità.

Fusibile di sicurezza sui token totali per conversazione per DeepSeek Harness: mette un fusibile di token in ogni dialogo con l'IA, con un budget totale indipendente per ogni messaggio utente che limita in modo unitario input, cache, ragionamento e risposta, più uno slider whale e reset automatico al messaggio utente successivo.

Compressione del contesto basata su AST, filtraggio dei log di test e guardia del budget di token per DeepSeek Harness: rimuove la sintassi ridondante, pota le righe di log rumorose e impone un tetto di token così che la finestra di contesto non vada mai in overflow.

Pannello dei costi per DeepSeek Harness: misura ogni richiesta dagli eventi di sessione, la prezza rispetto a un catalogo integrato di 136 modelli su 16 fornitori e mostra il modello attuale, il saldo dell'account, la sessione, le spese di oggi e del mese più una barra del budget mensile accanto al composer. Bilingue zh/en.

Strumenti Grafana in sola lettura che interrogano le metriche tramite il proxy delle data source: salute dell'istanza, elenco delle data source, query PromQL istantanee e a intervallo, stato attuale degli alert e regole di alert provisioned. Le query a intervallo fanno downsampling a un budget di punti; uno step fornito esplicitamente che lo supererebbe viene rifiutato invece di essere modificato in silenzio, così il modello non riceve mai dati a una risoluzione che non ha richiesto.

Resumes turns interrupted by a DSH host restart: hooks agent activation (once a session is live), reads the crash-repair turn/end, and sends a continuation that requires verifying real-world state first rather than assuming a side effect succeeded or failed. Permanent failures (AUTH, QUOTA, context overflow) are skipped, with a cross-restart budget, adaptive backoff and a minimal-context payload.

Panel to edit dsh's native AGENTS.md from the web settings page: every layer in the instruction chain is clickable, three activation scopes, and a visual budget meter.

Model-callable compact_agents tool that force-compacts context in every live session (main session, ordinary sub-agents and AgentTeams members alike), queues busy targets and compacts them when the turn ends, reports the shadowed node count and estimated tokens per target, and ships a browser form for the trigger ratio, retained ratio, controlled-phase output budget, auto-continue budget and an end-of-turn pre-compaction ratio that compacts near the trigger line once a turn ends, so a reply no longer opens with a wait for the summarizer.

Agent billing and usage observability for dsh web: session-log direct-scan recording (zstd, per-event timestamps, watermark + lastSeq double dedup), multi-account rate profiles per provider and model, per-window live badge reading the window session id via React fiber, full glassmorphism dashboard with 14-day sparkline, budget alerts, relay-station balance queries and a 332-model official price library.

Alibaba Bailian (DashScope) model catalog preset + auto-adapter for DeepSeek Harness — reasoning effort levels, thinking budgets, context windows, auto-adaptation of existing Bailian routes, a configurable context ceiling

Live token cost for every chat in the DSH Web UI: the chat, its subagents and the whole session tree, priced from a bundled models.dev snapshot of seven providers and 139 priced models, with cache read and write rates wherever the provider publishes them and DeepSeek from its own peak and off-peak table. Every finished answer carries its own price in the transcript, and a chat that is not currently open is priced from the log instead of disappearing. Spend is costed per interval from an append-only JSONL ledger in the project folder, so logged work keeps the tariff it was billed at. On top of it: budget-aware work plans packed against a money limit, routing scenarios that show which models are worth connecting, a generated plan document in English, Chinese or Russian, and a warning when spend belongs to no plan unit.

Tiered persistent memory (user/env/project) with per-tier char budgets and semantic query routing; full layers refuse writes instead of silently evicting.

Team cost captain: meters every model call (subagents included), attributes each call to a member by workspace rules, prices it with the built-in DeepSeek 2026-09 catalog (peak/off-peak, CNY/USD) or user overrides, and appends it to a local JSONL ledger. Adds hot-reloadable member budgets, 80%/100% webhook alerts, optional over-budget enforcement, a team_cost_report tool with CSV export, and a settings-page team dashboard served over a Typert RPC service.

Persistent project memory, event-sourced task lifecycle, context budgeting, and cooperative multi-agent handoffs.

Local token usage and cost dashboard for DeepSeek Harness: four-segment token breakdown (miss/cache-hit/cache-write/output), cache savings estimate against the miss/hit price gap, per-session drill-down with context-growth curves and anomaly flags, global filters with shareable URLs, monthly budget progress with month-end projection, and day/month aggregate fast-path queries (O(days)) with incremental rescan.