Plugin

Integrazione mcp-unity one-shot per DeepSeek Harness: server MCP incluso senza configurazione manuale consente all'agente di pilotare l'editor Unity tramite 34 strumenti - scene, game object, transform, materiali, prefab, voci di menu, play mode, test e log della console - con riconnessione automatica.

Aggiunge i modelli gratuiti OpenCode Zen a DeepSeek Harness come unico provider, tramite un runtime OpenCode gestito e isolato. La pagina delle impostazioni elenca e testa ogni modello.

Sostituisce il pulsante modello del composer DSH con un pannello a due livelli (elenco provider, poi modelli ricercabili) e slider trascinabile continuo per lo sforzo di ragionamento: riempimento blu-viola, nebulose e stelle ai livelli alti, colore distinto per livello. Selezionando un modello, il pannello resta aperto e lo slider passa al livello centrale del modello. Parte da Microqian2th/dsh-codex-effort-slider 1.0.0 (citato nel README); pannello, takeover dello slot, test offline e documentazione sono nuovi.

Harness di valutazione per i plugin DSH: casi di test YAML guidano esecuzioni reali dell'agente in modalità headless, verificano chiamate agli strumenti, argomenti, risultati e utilizzo dei token, con un gate di baseline per le regressioni in CI.

Esegue test drive isolati di installazione e smoke test per plugin DSH in profili temporanei, restituendo record strutturati pass/fail e matrici batch senza toccare il tuo profilo reale.

Plugin DeepSeek Harness (dsh) per l'analisi azionaria, lo screening e il backtesting di strategie sui mercati A/HK/US/JP/KR/TW

Rende qualsiasi progetto pronto per gli agenti AI con un solo comando. Rilevamento adattivo dello stack tecnologico (7 linguaggi × 14 framework × 61 componenti), generazione automatica di AGENTS.md, scheletro della documentazione, CI/CD e infrastruttura di test.

Riduttore di risultati degli strumenti consapevole del contenuto: 13 riduttori tagliano l'output eccessivo per significato in tools/post-execute (i test falliti vengono mantenuti, il contesto diff viene rimosso, JSON e CSV vengono campionati, i problemi di lint sono raggruppati per regola, i frame dello stack delle dipendenze vengono compressi e le directory affollate vengono conteggiate), con gli originali completi scaricati su disco dietro un localizzatore.

Monitora i rilasci di DSH e plugin, ritesta esattamente gli artefatti pubblicati in runner usa e getta, pubblica evidenze di compatibilità leggibili dalla macchina e riconcilia i problemi gestiti dopo le correzioni.

Genera Functions, strumenti MCP, Skill di workflow e pacchetti di test offline a partire da codice sorgente autorizzato dall'utente

Sciami di IA basati sui ruoli per DeepSeek Harness: un architetto pianifica, costruttori paralleli eseguono, revisori controllano la qualità e un integratore rilascia. Fissaggio dei modelli per ruolo con catene di fallback, loop di revisione, contratti di evidenza, revisioni con approvazione umana, pausa/ripresa consapevole della quota, e un kanban live + diagramma di flusso nella GUI web. 40 test; installazione da GitHub o npm.

Interfaccia di gestione del ciclo di vita per il provider di modelli llm-pi-ai: crea, modifica, elimina, attiva e disattiva provider con intestazioni personalizzate e chiavi API cifrate con AES-GCM; ripristino sicuro alla disinstallazione dei provider parcheggiati, individuazione di modelli remoti con scrittura in batch, routing intelligente con cinque strategie, compositi di unione/intersezione, test di connettività per modello e osservabilità delle richieste.

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.

Sezione About per le impostazioni di DeepSeek Harness: informazioni sulla versione, controllo aggiornamenti npm latest/next con installazione in un clic e riavvio automatico, e cronologia delle release di GitHub.

Coordina la pianificazione Codex e la revisione indipendente mentre la sessione DSH originale implementa e testa le modifiche.

Bridge di tutoraggio DeepTutor: spiegazioni approfondite, domande di autoverifica, pianificazione del percorso di apprendimento, ricerca nella base di conoscenza personale (RAG) e archiviazione delle note tramite gli strumenti deeptutor_run / deeptutor_kb / deeptutor_note.

Drag a session out of the DSH sidebar and it opens in its own native OS window, showing the full standard conversation UI (Markdown, toolbar, settings) with only the sidebar trimmed away, so several sessions can be watched side by side instead of switching back and forth. Windows verified; macOS and Linux untested. Runs in the DSH desktop app (Electron).

Suite di sviluppo HarmonyOS per DSH: inspector HiLog nella barra laterale destra (flusso live con filtri per livello, logger e testo) e ArkUI Inspector (selezione screenshot, albero componenti comprimibile, proprietà dei nodi con ricerca e box model); due fonti per l’albero — canale di debug DevEco e albero accessibilità uitest —, viewer .ets con evidenziazione ArkTS, gestione toolchain e dispositivi DevEco Studio/CLT e strumento agent harmony_ui_tree. 21 metodi remoti, 82 test unitari.

Dispatcher del modello principale: sei pool (economy/mechanical/main/hard/vision/review), ranking e pins di reasoning-effort per rotta. Watermark di contesto 50k/90k/130k: delega precoce; forzato: fork sessione backup → handover → compattazione → ripresa senza perdere il lavoro in corso dei subagenti. /ctx-pause, /ctx-resume, /ctx-handover controllano il ciclo. Agent Teams (opz.): teammate persistenti, board condivisa. /vision: immagini ai modelli testuali via pool vision. Diff ampi: tester + reviewer indipendente (verifica graduata). Settings UI/README/preferenze lingua (conversazione/code-comment/documento): 11 codici (en,zh,zh-TW,ja,ko,de,es,fr,it,pt,ru); UI segue locale DSH salvo override. 3 skill: MySQL/Redis sola lettura, messaggi di commit, docs requisiti/design.

Registra il server MCP MathWorks MATLAB/Simulink in un profilo dsh, in modo che le sessioni agente ottengano strumenti mcp__matlab__* per eseguire codice MATLAB e leggere, modificare e testare modelli Simulink.

Rileva quale modello conversazionale viene servito a un account: lancia conversazioni probe usa-e-getta concorrenti, valuta ogni chain-of-thought in streaming da come aprono i loro paragrafi e cancella le probe che leggono come il modello più vecchio entro secondi. Include un self-check offline che riproduce 13 chain-of-thought etichettati a mano attraverso lo stesso classificatore.

12 skill di ingegneria testate (git commit, code review, test-first, plugin dev, debugging, changelog, PR review, task breakdown e altro): ogni SKILL.md supera un validatore di formato allineato con le regole ufficiali delle skill più uno smoke test di caricamento isolato.

Sei skill di ingegneria per Claude Code e DSH: ricerca, esplorazione dell’architettura, orchestrazione dell’implementazione, revisione diff su tre assi, audit di complessità e mutation testing. Delegano tramite gli strumenti generici per subagenti dell’host quando disponibili.