Plugin

Usa il paradigma del modello decisionale Jev (System One) con qualsiasi LLM compatibile OpenAI — nessuna chiave TypeSafe richiesta. Registra uno strumento jev_decide che restituisce risposte distribuite probabilisticamente a domande tipizzate (choice/score/boolean) in una sola chiamata.

TypeSafe Jev come servizio Cordis di prima classe e tre strumenti visibili al modello per DeepSeek Harness — offline per impostazione predefinita, traffico in uscita dichiarato, mai attivo di default.

La CLI self di Superself come strumenti rivolti al modello (contesto progetto, unità di lavoro, report, decisioni) più un comando /self — stato di progetto cross-sessione e cross-progetto tenuto fuori dal repo di codice.

Motore di gestione attività integrato: protocollo dei punti di decisione, bacheca di cattura delle idee, archivio issue in stile Linear.

Bacheca di consegna per progetti cliente: pipeline con modello predefinito, di governance o fasi personalizzate; schede con responsabile, scadenza, criteri di accettazione e DoD. Ogni cambio di fase registra l’audit del passaggio. Include registri di avanzamento/rischi/blocchi/decisioni, report settimanale Markdown, bacheca drag-and-drop limitata a loopback ed export HTML in sola lettura. Stato in delivery.json nell’area di lavoro; 11 strumenti delivery_* e /delivery.

Nucleo di giudizio per DeepSeek Harness: un ciclo cognitivo attribuisce una fonte a ogni decisione e porta a termine la pianificazione; la memoria hippocampus condensa l’esperienza in conoscenza (diario, archivio episodico, decadimento della bassa confidenza); l’architettura fissa responsabilità e criteri coerenti; un team A2A gestisce la memoria tramite dsh-linghun-assembler. Richiede DSH ^0.1.0-rc.7 (rc.2 supportato).

Memoria locale a tre livelli per DeepSeek Harness: L1 memoria istantanea (MEMORY.md/USER.md) letta su richiesta tramite gli strumenti memory_* + L2 base di conoscenza ricercabile (fatti + SQLite FTS5, ricerca in cinese con tokenizzazione a finestra scorrevole) + L3 import da Hermes/Claude Code/Codex/WorkBuddy e da documenti approvati di Agent Hub (memory/global, memory/projects, decisioni accettate) con dedup per hash del contenuto. La v0.2.0 ha rimosso ogni iniezione automatica: la memoria entra nel contesto solo quando il modello chiama uno dei 12 strumenti memory_*, e i dati restano sul disco locale.

Vista split decisionale per la web UI DSH: una scheda di riepilogo decisione nella finestra principale più il piano completo in un pannello laterale a scorrimento indipendente, così puoi rivedere l'intero piano mentre scrivi le decisioni e rimandarle all'agente con un clic.

Provider browser per DeepSeek Harness: svolge attività web passo passo in un browser reale, usando una tabella indicizzata delle azioni possibili invece di HTML o screenshot. Una decisione Jev per passaggio, non un turno completo; benchmark repo: mediana 1,1 s contro 2,8–3,6 s per turno chat-model. La conversazione riceve solo la conclusione e il contesto non cresce con la pagina. Gli obiettivi provengono dalla pagina appena letta; le pagine cambiate vengono rilette. Usa il browser di proprietà di Session e non tocca il tuo Chrome quotidiano, salvo attivare attach mode.

Impedisce a DeepSeek Harness di comprimere (riassumere) la conversazione troppo presto. Senza plugin, nelle finestre di contesto più piccole la compressione parte circa a metà; con il plugin attende il livello desiderato (80% predefinito), configurabile per provider/modello. Cambia solo quando avviene la compressione: DSH continua a decidere cosa conserva il riepilogo.

Skill che verifica affermazioni sul web aperto, non nella memoria del modello. Scompone la tesi in fatti verificabili, li instrada a una gerarchia di fonti primarie per dominio, cerca in parallelo in ecosistemi nazionali e internazionali, recupera e valuta le pagine primarie e ripete la ricerca con termini di smentita. Prima la conclusione, con URL completo e posizione della citazione per ogni frase, separando non verificato/indeterminabile dal confermato. Con una chiave, tre giudizi possono usare TypeSafe Jev (System One); senza, regole deterministiche. Il modello può solo abbassare il livello di confidenza.

Registro personale dello stato e motore decisionale local-first per dsh: conserva ogni input byte per byte con provenienza a livello di riga, argomenta contro le proprie conclusioni generando prima i confutatori, assegna a ogni fatto memorizzato un proprio TTL e segnala dove una decisione non poggia su nulla.

Memoria progetto DSH: crea PROJECT.md, DECISIONS.md e SESSIONS.md al primo passaggio di ogni sessione workspace; li rilegge dal disco e reinserisce solo se cambiano o vengono persi nella compattazione. memory_checkpoint classifica i dati; promemoria limitato per lavoro non registrato. memory_read legge log e archivio; memory_search cerca con BM25 senza dipendenze. Limite 200 voci: l’eccedenza in SESSIONS-archive.md non entra nel contesto, ma resta consultabile, ricercabile e ripristinabile voce per voce. Impostazioni: filtro workspace/percorso, schede sola lettura, ricarica, JSON import/export per workspace, cancellazione in due fasi, modifica/rimozione blocco AGENTS.md, avviso PROJECT.md obsoleto. Sync; crea al clic. Nessuna dipendenza, DB vettoriale, embedding o chiamata modello.

Stato di lavoro esplicito tra sessioni per DeepSeek Harness: obiettivi, decisioni e passi successivi acquisiti automaticamente dagli eventi host o tramite uno strumento work_state visibile al modello, ispezionabile con /checkpoint.

Pipeline giornaliera automatizzata di contenuti per Insta360 GO 3S: acquisizione remota BLE/WiFi di riprese d'acquario, importazione wireless, valutazione qualità ffmpeg con registro delle decisioni, montaggio automatico (selezione segmenti, narrazione TTS, musica, sottotitoli) e caricamento su Bilibili tramite biliup (dry-run per impostazione predefinita).

Memoria di decisioni e obiettivi con lignaggio: comandi espliciti e un tool di modello registrano le decisioni in modo deterministico, una scheda di stato le riancora attraverso la compattazione, un flusso di eventi senza perdita con recupero BM25+jieba la supporta, e una suite di regressione sulla fedeltà a livello di scenario gestisce i rilasci.

Chiamate vocali avviate dall’agente: `offer_call` fa squillare l’umano (接听/拒接/稍后再说); le chiamate accettate vengono sintetizzate e riprodotte in locale con CrispASR + Qwen3-TTS (9 voci, 2 dialetti cinesi), mentre quelle rifiutate restituiscono la decisione all’agente.

Memoria locale limitata con controllo di autorità CBDC: claim SQLite + FTS5, richiamo con ambito e decisioni spiegabili di uso/verifica/ignora con audit trail completo, comandi /memory, iniezione di massimo 3 claim/1200 caratteri per chiamata, nessuna chiamata al modello aggiuntiva

Optional JEV decision mode with deterministic project reads, bounded semantic selection, native authorization checks and desktop credential settings.

Model failover and turn keep-alive for DeepSeek Harness: a request that fails with a model error before any visible output falls through the models of the configured provider groups (then the next provider) until one streams; transient failures retry with backoff under a liveness watchdog, a dead turn self-resumes with templated 「继续」 wake-ups, and an optional full-auto mode auto-answers permission, question and plan approvals with every decision appended to an AUTO-MODE.md audit log.

DeepSeek Harness approval guardian: a reviewer model decides permission requests before they reach you, with a System One decision-API backend (TypeSafe Jev, SiliconFlow, self-hosted Laya), a configurable low-confidence policy and an allow-rule whitelist.

Keeps a project's documentation in step with its decisions on DeepSeek Harness: the same append-only decision log and derived design snapshot, kept fresh in-process instead of by a hook process.

TypeSafe Jev (modello decisionale System One) per DeepSeek Harness, end to end: jev_decision (choice/score/noul, parallelo, risposte tipizzate + confidenza), una scheda Impostazioni > Plugin per la chiave API e gli interruttori, viste inline dei tool che mostrano ogni decisione nella conversazione (risposta, confidenza, latenza, costo), un auto-guard (controlli deterministici + rischi/loop di Jev), una dashboard locale /jev e un benchmark di verifica online (96,3% su 27 domande etichettate, mediana ~283 ms su jev-latest, 2026-09-21). Onesto per design: solo API reale, nessun fallback mock.

Semantic tool routing, skill discovery, and typed System One decisions for DeepSeek Harness powered by TypeSafe Jev.