Plugin

Modalità di apprendimento che spiega ogni passo dell'agente (in lavorazione).

Plugin di memoria a lungo termine e auto-evoluzione per DSH: acquisizione L0 → estrazione della memoria L1 → raggruppamento delle scene L2 → persona utente L3, iniezione automatica dei ricordi, sintesi delle competenze, completamente locale (SQLite FTS5 + jieba, recupero vettoriale opzionale).

AI Company Framework: trasforma una frase in un'azienda multi-agente — 15 Skill piatte (boss/pipeline/role-template/11 ruoli/generic customer-memory), 7 template di workflow, runtime AgentTeams + pannello attività, sidebar dipendenti con isolamento per sessione, bridge bot Feishu (bot boss e per dipendente, instradamento di gruppo, push autonomo, gate di decisione umana, guida contatti esterni), memoria SQLite per cliente con memoria a tre livelli (merge cross-group), switch modalità /company; no RAG.

Badge quota nell'header più scheda di monitoraggio utilizzo: saldo/quota rimanente live e conto alla rovescia del reset per provider, con richieste, token (input/output/cache-read/cache-write), cache hit rate, costo stimato e latenza media tracciati per sessione, provider, modello e client, archiviati localmente in SQLite con importazione/esportazione tra dispositivi.

Strumenti database per agenti: list/query/exec/schema/stats/health su SQLite/MySQL/PostgreSQL, con protezione di sola lettura a livello lexer, limiti di righe, output query CSV/JSON e un percorso di scrittura con approvazione.

Un unico vault Obsidian condiviso per ogni agente: core Python privo di dipendenze (search/promote/adjudicate/forget), template del vault, plugin dsh (memory_search/show/submit/status)

Plugin di memoria tra sessioni per DSH (v0.6.1, npm @asherliner/dsh-memory-connect): estrazione automatica, indicizzazione SQLite FTS5, richiamo semantico RRF iniettato nel prompt di sistema a ogni turno, manutenzione pianificata, consolidamento LLM via ctx.llm, prevenzione dell'esplosione del contesto, identità Soul globale via ~/.dsh/soul.md. v0.5.0: grafo di contesto temporale, modello di fiducia, riassunto a fine turno. v0.6.0: embedding semantici locali (BAAI/bge-small-zh-v1.5), nessuna chiamata al cloud. v0.6.1: corretta l'espansione di ~ nella configurazione dei percorsi. Installazione senza configurazione.

Sistema di memoria biomimetica per DeepSeek Harness: un singolo archivio SQLite (node:sqlite, WAL) il cui albero Markdown è mantenuto come mirror di sola lettura; strumenti di memoria, iniezione di snapshot congelato all'avvio della sessione, gating di approvazione graduato, estrazione on-demand della sessione corrente, fusione dei quasi duplicati, un ciclo di vita di archiviazione e sostituzione, metabolismo della memoria (dream), pin di memoria, richiamo semantico su embedding locali, e il comando /memory.

Plugin per DeepSeek Harness che blocca installazioni npm rischiose con scansioni metadata e deep supply-chain.

Cerca, elenca e leggi le sessioni passate e correnti tramite il servizio `sessionQuery` proprio dell'harness: usa l'indice SQLite FTS5 dove il deployment lo abilita, e ricade su una scansione limitata a partire dalle più recenti dove non lo fa

Memoria vettoriale completamente locale per DSH: embedding locali, archiviazione SQLite, iniezione automatica di richiamo, deduplicazione con rilevamento dei conflitti, cestino con cancellazione temporanea, backup online ed estrazione LLM opzionale.

Flussi di lavoro DAG durevoli per DeepSeek Harness con strumenti di authoring per agenti, persistenza SQLite, esecuzioni ripristinabili e un Canvas Studio visuale.

Grafo di conoscenza del codice locale per agenti: analizza un codebase (Python/JS/TS/Go/Java/Rust) in un indice SQLite e risponde a domande su chiamanti, chiamati, dipendenze, dipendenti, impatto e full-text.

Bacheca issue completa local-first incorporata nella GUI web DSH: viste Kanban / elenco / Gantt / workflow / dashboard, chat AI per attività, allegati ed etichette, assegnazione automatica delle attività todo guidata da dsh-routines — i dati risiedono in SQLite locale (dsh plugin add @ttmouse/dsh-taskboard).

Contabilità locale persistente del token usage per DSH Web con rilevamento automatico della cronologia e dettagli compatti di fornitore/modello.

Crea pacchetti di knowledge base verificabili (SQLite FTS5) da md/txt/docx/pdf con recupero deterministico e lettura del testo originale

Plugin di amministrazione multi-database pilotato dalla chat per DeepSeek Harness: interroga e gestisci MySQL, PostgreSQL, GaussDB, MongoDB, Redis, Oracle, DM e SQLite dalla conversazione, con permessi ro/rw per progetto, un pannello di amministrazione laterale, navigazione degli schemi e anteprima dei dati, e operazioni pericolose vincolate a conferma.

Voci di memoria su SQLite, un calendario con promemoria a scadenza e attività agente pianificate via cron, con 13 strumenti del modello e un'interfaccia bilingue zh/en.

Modalità RedTeam per DSH: con una frase lancia un agente intelligente per operazioni red team (mappatura degli asset / catena d'attacco / obiettivo di punteggio / report / base di conoscenza POC), con quattro ruoli, 13 competenze native e una console di controllo persistente a destra

Council of High Intelligence: riunisci un think tank di 18 figure storiche per un dibattito strutturato da più prospettive, con un pannello laterale DAG live, cronologia di esecuzione SQLite e impostazioni predefinite per progetto tramite .council.yaml.

Gestore di base di conoscenza locale per agenti DSH: importazione multiformato, chunking con consapevolezza CJK, ricerca ibrida vettoriale sqlite-vec + BM25 con rerank bge-reranker-base, snapshot, esportazione/importazione kbpack e ricerca cross-KB — 22 strumenti agente e un pannello web.

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.

Spazi di memoria cross-sessione governati dall'uomo, con relazioni indipendenti tra fonte e consumatore, provenienza, versioning, più revisione dell'iniezione prima dell'invio.

Workflow DAG durevoli per DeepSeek Harness con strumenti di creazione di Agent, persistenza SQLite, esecuzioni riprendibili e un Canvas Studio visuale.