Plugin

Modalità TUI di terze parti per DeepSeek Harness (dsh --profile pi-tui), basata su un fork pi-tui in vendoring: copre il loop principale della sessione oltre ad approvazioni, comandi, cambio sessione e ricerca full-text, nonché preset, competenze, menu modello/impostazioni e comandi slash.

Skill e strumenti di sviluppo Minecraft per DeepSeek Harness: 8 skill che coprono plugin Paper/Spigot, mod Fabric, Forge e NeoForge, sviluppo di addon per i principali mod, e configurazione di build Gradle/JDK da Minecraft 1.7.10 a 26.x; il generatore di progetti mc_scaffold e il runner Gradle mc_gradle; una skill di intake che chiede i dettagli mancanti su versione/piattaforma prima di iniziare; quattro subagenti integrati; e un secondo preset Minecraft Architect il cui strumento mc_codex esegue il Codex CLI dell'utente tramite il protocollo codex app-server per abbozzare lo scheletro, dopodiché DSH riempie i corpi dei metodi contrassegnati e verifica la build.

ClearAI: The Epistemic Loop, nativo per DSH.

Roleplay compatibile con SillyTavern con schede personaggio, preset, world book e rami swipe che ripristinano le relative continuazioni insieme alle conversazioni DSH native.

Strumenti email IMAP/SMTP (list/read/search/send/folders/attachment/health/watch/mark/reply) con filtri di intervallo di date since/until, email_mark per letto/non letto/preferito/sposta, email_reply per rispondi/rispondi a tutti/inoltra con header di threading, preset QQ/163/126/Sina/Aliyun/Gmail/Outlook/iCloud, supporto multi-account, un gate di approvazione dell'invio, una pagina web di impostazioni e un popup di nuova email con una whale-girl azionato dal checker incrementale email_watch. Il login Outlook OAuth2 con device code funziona subito tramite un client community integrato, e un account può comunque fornire il proprio clientId.

Aggiunge un preset di permessi `auto` tra workspace-write e danger-full-access: un classificatore concede una volta le escalation di routine della sandbox, mentre le richieste pericolose o incerte vengono comunque inoltrate a un essere umano.

Abbina i tuoi modelli e i budget di token a ciascun ruolo, poi lascia che DSH deleghi subagent specializzati in base al tipo di attività. Copre analisi dell'architettura, UI/UX, implementazione del codice, esplorazione della codebase e ricerca della documentazione, con configurazione automatica più sforzo di ragionamento e permessi degli strumenti per ruolo.

Plugin di miglioramento preset universale per DeepSeek Harness: un editor di preset modificabile (voci system/user/assistant + prepopolamento di output modello mimetizzato).

Sfondo più isole Liquid Glass opzionali per l'interfaccia web di DSH: preset Ice/Deepwater, importazione, opacità dello sfondo e sfocatura per isola nei temi ufficiali chiaro/scuro/sistema.

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.

Preset unificato e ancorato per l'agente per DeepSeek V4 Pro/Flash sull'API ufficiale e su opencode-go: bootstrap a due tool minimale-esatto alla prima richiesta, percorsi Pro/Flash consapevoli del modello e gestione del catalogo consapevole delle epoche per la stabilità delle sessioni lunghe.

Plugin DSH: pacchetto di distribuzione di preset agente per la modalità dio di DeepSeek V4 Flash (opencode-go); dopo l'installazione con `dsh plugin add` il preset router-flash si sincronizza automaticamente.

Preset unificato di agente ancorato per DeepSeek V4 Pro/Flash sull'API ufficiale e su opencode-go: bootstrap della prima richiesta con due strumenti minimi ed esatti, percorsi Pro/Flash consapevoli del modello e gestione del catalogo consapevole delle epoche per la stabilità delle sessioni lunghe.

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.

Aggiunge la sintesi vocale Xiaomi MiMo a DSH Web con lettura ad alta voce dei messaggi dell'assistente, streaming PCM, voci predefinite e personalizzate, fallback alla sintesi vocale del browser, controlli di riproduzione e suoni dell'interfaccia opzionali.

Auto-approval assistito da LLM con fallback countdown per il preset di permesso Auto: regole statiche, livelli di rischio, breaker e audit dei file.

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.

Generazione text-to-image multi-motore (preset OpenAI Images e Zhipu CogView) con tracciamento della quota per sessione, failover del motore, configurazione sicura delle credenziali e una scheda risultato con rigenera.

Banco di lavoro per la lettura di paper: libreria + lettore PDF + companion in stile tutor. Le risposte citano numeri di pagina cliccabili che riportano al PDF e lampeggiano il passaggio esatto; chiedi selezionando senza lasciare il paper; preset tutor-severo incluso (piano di lettura, coaching per sezioni, quiz valutati tracciati tra le sessioni); toggle in loco originale ↔ cinese (babeldoc, nessuna preinstallazione). Trascrizione e ricerca locali — i documenti non lasciano mai il tuo computer.

Bundle di preset agente Programming Mode: l'agente di coding standard con una persona che impone la disciplina Superpowers (prima le skill, brainstorming prima della costruzione, piani prima del codice, TDD, debugging sistematico, verifica prima del completamento) più una disciplina di volume di codice Ponytail sempre attiva (scala di codice minimo a 7 livelli, predefinito completo); include tutte e venti le skill (14 superpowers + 6 ponytail) e inietta meccanicamente la skill using-superpowers completa nella prima richiesta di ogni nuova sessione.

Controllo per round del livello di ragionamento (reasoning_effort) per DeepSeek Harness: Auto pianifica low/high/max dalla cronologia recente dei tool calls, oppure permette di fissare un wire level (off/on/minimal/low/medium/high/xhigh/max), con mappatura wire personalizzata, guard delle capacità in base al modello e preset della finestra di contesto (64K–1M); la capability card per modello si abbina a [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (installabile da dsh-market) per provare il reasoning con gateway compatibili OpenAI (vLLM / LM Studio / self-hosted). La card scrive le capacità llm-pi-ai, l'adapter guida il wire (compat.thinkingFormat) e il plugin mantiene la lista di takeover.

Una suite di competenze di modellazione matematica con gate per DeepSeek Harness: una pipeline in cinque fasi con gate di fase, pattern di scrittura per articoli premiati, analisi di sensibilità, diagnosi statistica e un preset per concorsi.

Modalità cinese globale: un piccolo interruttore a pillola accanto al composer che inserisce un requisito linguistico nel prompt di sistema di qualsiasi preset (persona complete escluse); risposta, ragionamento e output degli strumenti si alternano ciascuno tra cinese e inglese, e sono supportati i preset ancorati.

Plugin DSH: un unico pannello di impostazioni che gestisce server MCP, skill, scenari, memorie, personaggi dei subagent, preset di AGENTS.md e sessioni archiviate — uno scenario può cambiare ambiente, e anche il modello può contribuire a pilotare tutto.