Plugin

Plugin agente per workflow di ingegneria harness/loop guidato da skill.

Controllo della casella di input web di DSH (v0.3.0-beta.4 · pacchetto di capacità per attività complesse: 3D / normali / interazione / dati / concorrenza / dettagli prestazionali verificati punto per punto + accettazione automatizzabile + bilingue cinese-inglese ·applicabile a dsh-0.1.6-alpha.1): prima dell'invio, un'IA indipendente (messaggera) ottimizza il prompt in un comando pronto per l'IA di lavoro (quattro livelli di intensità, lunghezza del flusso in base alla difficoltà, isolamento per sessione, mini-finestra minimalista).

Aggiunge /pua per guidare l'agente a provare un altro approccio e verificare i risultati prima di dichiarare il completamento, con 15 stili aziendali, modalità persona, impostazioni globali e per conversazione, e un ciclo opzionale che continua finché un comando di verifica non passa, si raggiunge il limite di iterazioni o l'utente annulla.

Banco di lavoro per problemi di ingegneria e matematica: nove strumenti per leggere immagini, risolvere, tracciare grafici e verificare risposte, più quattro skill inclusi. Richiede Python con numpy e Pillow. Lettura delle immagini, controllo delle figure e composizione delle formule dipendono da un provider vision con chiave configurata; le immagini gli vengono inviate. Senza chiave queste funzioni falliscono, mentre gli altri strumenti restano attivi.

Preset di agente Multitask in cui la conversazione principale pianifica, istruisce i subagenti e riassume i risultati; lettura di file, comandi, ricerca e build avvengono nei contesti dei subagenti. Quattro tipi di worker, approvazione per operazioni pericolose e nessuna modifica al codice sorgente DSH.

Adapter di terze parti che registra il server MCP upstream REA (Reverse Engineer Anything) in DeepSeek Harness come strumenti mcp__rea__*. La 2.x installa il proprio runtime (Node, REA CLI, JDK, Ghidra) in <DSH_HOME>/plugins/rea-bundle e avvia REA tramite shim, quindi dopo la configurazione iniziale funziona anche senza componenti preinstallati. La 1.x (branch v1, npm 1.0.6) è solo configurazione e richiede REA e Ghidra già installati. L’analisi è dell’upstream: binari nativi (Hopper/Ghidra/IDA), app JavaScript/Electron, assembly .NET, siti Web, APK Android e dispositivi adb, firmware e acquisizioni di processi.

Memoria a lungo termine tra sessioni in un archivio SQLite locale: due ambiti (utente e progetto per origine Git), recupero ibrido FTS5 + vettori locali unito con RRF, controllo delle evidenze che impone un giudizio esplicito di sufficienza, catene di audit della provenienza, ripasso dilazionato SM-2, distillazione del consolidamento e oblio progressivo, più pannello laterale Memory Palace con nove viste. 22 strumenti con parametri circoscritti, senza servizi esterni, API key o Docker.

Installa un preset di scrittura di romanzi multi-agente per DeepSeek Harness: un agente direttore assegna il lavoro a cinque sottoagenti specializzati — costruzione del mondo, trama, gestione dei personaggi, scrittura della prosa e revisione QA.

Plugin DeepSeek Harness che porta il lazy senior mode e la scala a 7 livelli di DietrichGebert/ponytail. Sei skill con descrizioni bilingui e interruttori individuali; zero strumenti e zero cache miss.

Aggiunge un pulsante ottimizza accanto al composer che analizza e riscrive la bozza del prompt con streaming SSE, consapevolezza del contesto della conversazione (strategie template vs intent-polish), una catena di memoria di continuità delle modifiche, undo e instradamento del modello con fallback e test di connettività.

Miglioramento del prompt con un clic nel composer — riscrive la bozza in un prompt strutturato (ruolo e obiettivo, passaggi eseguibili, formato output, criteri di accettazione, casi limite) con anteprima prima/dopo, reinserimento e annullamento. Non modifica mai l'intento né inventa requisiti.

Plugin DeepSeek Harness con 15 skill di ingegneria e produttività obra/superpowers, descrizioni bilingui e attivazione per singola skill.

Sistema disciplinato di workflow ingegneristico per agenti di coding AI: pianificazione, TDD, cicli di correzione automatica, grafi di conoscenza del codebase ed esecuzione multiagente a ondate. Richiede codebase-memory-mcp (pip install "codebase-memory-mcp>=0.10.8,<0.11.0"); senza, /scan si arresta.

Memoria a lungo termine per DSH: le conversazioni vengono distillate automaticamente in fatti atomici, riassunti di scena e un profilo persona, con ricordi rilevanti iniettati prima di ogni passo del modello. Pronto all'uso senza configurazione — recupero ibrido BM25 + vettoriale, embedding locali offline opzionali, separazione delle famiglie chat/lavoro.

Pannello di anatomia per gli organi di Agent-Body: fornisce una dashboard dei parametri vitali in tempo reale su /anatomy all'interno dell'harness stesso — organi, battito, registro di guarigione, contatori di auto-addestramento e il flusso di impulso reale — letti direttamente dai file di runtime anziché ridigitati. Solo host, senza bundle client e senza fase di build.

Motore di contesto Zero-residence: i payload di grandi dimensioni degli strumenti vengono espulsi dal contesto attivo verso un archivio interrogabile e rimangono solo puntatori deterministici, così i token di prompt per turno smettono di crescere con la trascrizione. Qualsiasi contenuto mascherato viene ricostruito alla lettera dal log della sessione su richiesta, tramite id di chiamata dello strumento o seq della sessione.

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.

Workflow di ingegnerizzazione predefiniti per DeepSeek Harness: uno strumento dev_task che controlla le transizioni di fase, gli artefatti, la verifica, la revisione e l'ambito dei commit, più un banco di lavoro web per installare skill e regole di progetto o utente.

L'organo di memoria di Agent-Body: dopo 2 minuti di silenzio entra in sonno leggero e dopo 5 in sonno profondo, dove regole deterministiche distillano l'esperienza reale in carte di memoria (trappole, playbook, hotspot, problemi irrisolti, fatti). I comandi in arrivo richiamano le carte correlate per parola chiave e le iniettano nel contesto; le carte inutilizzate a lungo decadono con un tempo di dimezzamento e vengono archiviate invece che eliminate. Inoltre elimina il rumore degli avvisi di omeostasi di tutto il corpo: le ripetizioni entro una finestra vengono contate invece di essere ristampate, e un avviso che ricorre senza mai guarire converge in uno scostamento di stato stazionario noto e tace. Consolidamento e richiamo non fanno chiamate al modello.

Crawler intelligente nativo IA e piattaforma di ingegneria inversa JavaScript, basata su DSH, Patchright/CDP e un runtime semantico indipendente, che ricostruisce la logica di generazione dei parametri dalle evidenze del browser e fornisce un solver verificabile.

OMK — Osserva. Misura. Conosci. Modifiche della knowledge supportate da evidenze per applicazioni AI.

Skill di flusso di lavoro di ricerca AI-for-Science per DeepSeek Harness, rivolto a ricercatori e studenti post-laurea che usano IA agentica: revisione della letteratura multi-angolo con file per angolo, progettazione di esperimenti con elenco di caveat, lettura di figure e articoli; ogni lavoro restituisce file più un briefing di verifica incrociata per un secondo modello. Zero dipendenze, MIT.

Motore cron residente sull'host con una bacheca web dei lavori e uno strumento timer_agent: attiva vere sessioni dell'agente secondo la pianificazione, continuando una sessione appuntata per il contesto o avviandone di nuove in uno spazio di lavoro del progetto scelto.