Plugin

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

La knowledge base per lo sviluppo di plugin DSH come abilità dell'agente su richiesta: vincoli ufficiali, flussi di lavoro delle attività, riferimento API e insidie della comunità, installata con il bundle in modo che l'agente possa consultare durante la creazione di un plugin.

Vault Obsidian locale come archivio di conoscenza dell'agente, con tool DSH in sola lettura che instradano status, preferenze, correzioni, memoria, progetti, ricerca e suggerimenti alla pagina corrispondente.

Configurazione di reasoning-effort e modalità di input per modello per provider di terze parti: suggerimenti fusi da una knowledge base di modelli ed evidenza raw dell'endpoint /models con etichette di confidenza, modificati all'interno della scheda ufficiale della pagina Models.

Vault Obsidian locale come archivio di conoscenza dell'agente, con strumenti DSH in sola lettura che instradano stato, preferenza, correzione, memoria, progetto, ricerca e suggerimento alla pagina corrispondente.

Pipeline QA come 10 agent skill: analisi dei requisiti, strategia di test, scrittura e revisione di casi, automazione E2E (Playwright) e API, esplorativa, ambito di regressione e analisi dei bug, supportata da una knowledge base condivisa con regole di formato, modello di rischio e validatori di schema.

Installa quattro preset di ricerca matematica multi-agente per DSH: v2 (pipeline guidata dalla probabilità con dibattito tra più verificatori), v3 (base di conoscenza Markdown in stile paper con un agente pianificatore e una libreria di metodi riutilizzabile), v4 (residenti persistenti auto-organizzati che si scrivono e si incontrano) e v5 (un istituto di ricerca con un accademico che scompone e assegna il lavoro, ricercatori votanti, lavoratori temporanei, chat di gruppo e una board di attività compare-and-set); tutti e quattro supportano la ripresa da checkpoint, l'intervento umano e un interruttore opzionale di verifica formale Lean (off/encourage/require) la cui prova superata trasforma il voto in un controllo di fedeltà delle affermazioni Lean.

Ponte verso dispositivi HarmonyOS: ciclo di automazione hdc per screenshot/installazione/log/crash/UI con read_image, conoscenza dell'API versionata con priorità alle fonti ufficiali (SDK .d.ts + documentazione offline in bundle) e una pipeline DevEco CLI per build/firma/lint.

Trasforma documenti locali in markdown e testo in una base di conoscenza interrogabile con ricerca ibrida semantica e per parole chiave, verifica delle citazioni e iniezione di fonti.

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

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.

Un secondo cervello autonomo per DeepSeek Harness — cattura automaticamente conoscenze di dialogo durature in un vault Markdown locale (dedup personalizzato, ricerca CJK, compatibile con git), con una base di conoscenza grafica e un grafo della conoscenza interattivo (filtro legenda, colorazione per dimensione temporale, selezione a riquadro, unione, eliminazione, esportazione/importazione PNG).

RAG per una knowledge base bibliografica locale: 10 strumenti (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), ricerca ibrida BM25+vector+reranker, QA con citazioni e link DOI cliccabili, embedding bge interamente locali su un indice SQLite in un singolo file. Richiede Python 3.9+ con pymupdf, faiss-cpu e sentence-transformers; l'installer `npx dsh-kb-rag-install` li configura e pre-scarica il modello.

Fornisce basi di conoscenza locali e remote con recupero nell'ambito di progetto e sessione, riscrittura controllata e una console di gestione Web integrata.

Plugin di memoria DSH fatto in casa: archiviazione persistente SQLite + guardia di audit a livello di database (enforceAudit) + log di audit. Cattura automaticamente conoscenza dopo le conversazioni, gli agenti ricordano via memory_recall, supporta la condivisione multi-agente tra Claude Code/Codex/Cursor. Zero dipendenze esterne.

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.

Bundle DSH che registra 13 strumenti nativi codegraph_* che incapsulano la CLI di codegraph, così che gli agenti possano inizializzare, mantenere e interrogare un grafo di conoscenza del codice pre-indicizzato (query di simboli, esplorazione, traccia dei nodi, chiamanti/chiamati, impatto, test interessati) invece di fare grep sui file.

Bridge per ShiGuang Memory Engine (SGME): memoria a lungo termine condivisa multi-agente via HTTP — distillazione L0/L1/L1.5/L2, iniezione basata su scenario, ricerca unificata e segnali proattivi di cura (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), installabile come `dsh-sgme`

Ricerca su Zhihu, tool per agenti, basi di conoscenza e tracciamento dell'utilizzo per DeepSeek Harness.

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.

Skill di code review basata su template: flusso di revisione in cinque fasi, classificazione per gravità (critica/media/minore), punteggio quadridimensionale (qualità, sicurezza, prestazioni, manutenibilità), output doppio in testo e HTML e knowledge base di riferimento on-demand.

Aggiunge un pannello di impostazioni multiutente al client web DSH: selezione della modalità d'uso, gestione dei membri con stato online e associazione dei dispositivi, e cambio o condivisione delle basi di memoria e conoscenza per ciascun membro.

Base di conoscenza portatile per agenti in Markdown OKF v0.2 semplice: 13 strumenti wiki_* di lettura/scrittura, divulgazione progressiva, backlink, scritture controllate dalle regole di AGENTS.md, manutenzione automatica di indice e log, linting e commutazione tra più bundle denominati (a livello di sessione o globale).

Ciclo di autoaffinamento continuo: memoria persistente, revisione e affinamento periodici, conoscenza condivisa tra sessioni e rollback automatico tramite uno strumento harness_refine richiamabile dal modello.