Plugin

Controlla un agente DeepSeek Harness locale da QQ e altri canali IM tramite AstrBot: invia attività con /dsh, continua citando o menzionando il bot e risponde in chat ad approvazioni e ask_user_question (insieme alla Web UI DSH). Restituisce risultati, immagini inline e schede file. Include comandi session/workspace/model/permission, ripristino /compact e /last, tre modalità di avanzamento e ambito sessione condiviso per gruppo o separato per utente.

Bacheca TODO tra sessioni in un pannello mobile e trascinabile, con attività raggruppate per directory di lavoro e riordinabili. Tre modalità: solo promemoria, continua nella sessione corrente o aprine una nuova nella stessa directory. Supporta fino a quattro immagini come allegati reali, orario locale facoltativo e caselle per completamento AI/verifica utente. Al termine, l’agente prende la prossima attività incompleta della directory.

Riempie finestra di contesto, max token, livelli di pensiero e input immagini mancanti nei modelli DSH personalizzati da models.dev, ed elenca i modelli senza corrispondenza per la modifica manuale.

Invia subagent con profili nominati (modello, effort di ragionamento e ambito degli strumenti per attività), controlli di sicurezza, stima dei costi con confronto dei risparmi e un registro completo delle decisioni di dispatch.

Revisione delle traiettorie in sola lettura in una barra laterale di conversazione ridimensionabile, con analisi delle regole, spiegazioni opzionali del modello, navigazione delle evidenze e confronto tra esecuzioni dello stesso intervallo.

Aggiunge uno strumento per screenshot più due punti di cattura automatica opzionali, inserendo lo schermo nella conversazione come blocco immagine; richiede un modello con capacità immagine.

Fornisce lo strumento see_image per DSH: invia un file immagine a un modello di visione compatibile con OpenAI configurabile e riporta la sua descrizione a un modello di solo testo.

Competenza di verifica delle affermazioni che confronta documenti di progettazione e piani con i fatti del codice, escalando le affermazioni comportamentali a verifica eseguibile con primitive logiche per macchine a stati e modelli di dati, con regressione prima/dopo, vincoli di dominio e mining dei rischi di concorrenza.

Riconoscimento di immagini grandi per modelli vision-exp: riconoscimento a tile 800×800 senza perdita (smart/pipeline/full), OCR locale con pre-elaborazione e instradamento della grafia, GPU multi-vendor opzionale (DirectML/CUDA/OpenVINO) con fallback automatico a CPU.

Un sottoagente di approvazione indipendente giudica ogni escalation di sandbox, con un modello configurabile e un log di audit.

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.

Plugin proattivo di scheduling multi-modello: intake segnali multi-fonte con dedup e ranking di urgenza, motore decisionale a quattro vie execute/defer/dismiss/ask-user, generazione piano DAG con esecuzione parallela di modelli, riflessione qualità con retry automatico e switch di modello, memoria a lungo termine per pattern di task e lezioni, ed evoluzione della strategia tramite algoritmi genetici con valutazione sandboxed e rollout canary.

Uso del computer solo per Windows per DeepSeek Harness: cattura lo schermo virtuale e controlla mouse e tastiera tramite 9 strumenti basati su PowerShell e Win32 SendInput; si abbina a picturereader affinché i modelli solo testo completino localmente il ciclo screenshot-analisi-azione-verifica.

Contatore local-first di uso e costi per la UI web di DSH: pulsante composer con costo della sessione e saldo in tempo reale; pannello con un grafico impilato giornaliero/7 giorni per modello, tariffato per intervalli effettivi di prezzo di listino (la pagina prezzi ufficiale viene sincronizzata ogni giorno), livelli mensili di utilizzo con una card di condivisione canvas, avvisi di pressione del contesto al 30/50/85% con /compact a un clic, avvisi di budget e un controllo aggiornamenti npm nel pannello con aggiornamento a un clic.

Passaggio di sessione e gestione del contesto: documenti di handoff strutturati (export/resume/status) affinché una nuova sessione possa continuare senza interruzioni, oltre alla potatura attiva del contesto (strumenti acp_* tramite l'API ufficiale di compattazione con riepiloghi redatti dal modello).

Aggiornamento di DSH + sincronizzazione documentazione ufficiale in Settings: aggiornamento npm con un clic di @deepseek-ai/dsh con avanzamento live (stream di output npm, timer trascorso, barra monotona), protezione multi-copia che tocca solo l’istanza in esecuzione, modalità source-tree tramite git pull, installazione PowerShell 7 con un clic su Windows, sincronizzazione incrementale di docs/ ufficiale con progresso, e gli strumenti modello dsh_docs_search / dsh_docs_read.

Verifica dei riferimenti per DeepSeek Harness (参考文献真实性检查器): lo strumento modello reference_checker controlla la bibliografia di un articolo (.pdf/.bib/.tex/.txt o testo incollato) rispetto a Crossref, OpenAlex e arXiv, riporta found / partial / not_found / error per voce ed emette citazioni corrette nello stile dell'input (APA, GB/T 7714, IEEE, Vancouver, MLA, Chicago, Harvard, ACS, BibTeX).

Instrada le richieste dell'agente verso modelli predefiniti, planner e subagent configurabili, usando automaticamente il ruolo planner in modalità plan, con sforzo di ragionamento per ruolo e configurazione dalla Web UI.

Dashboard costi per DeepSeek Harness: aggrega i token di input/output/cache del modello attraverso tutte le sessioni locali, li prezza con una tabella integrata (incluso DeepSeek peak/off-peak) e mostra trend giornalieri più tabelle per modello e per sessione.

Plugin DSH ufficiale per nuphus-mcp (dai manutentori di nuphus-mcp): automazione desktop e browser (38 strumenti) con percezione degli elementi PaddleOCR e navigazione Chrome CDP, tramite un processo figlio stdio MCP persistente.

Installa un preset di agente orchestratore che pianifica e assegna il lavoro a subagenti specialisti vincolati a modelli (explorer, oracle, librarian, designer, fixer, council), con profili di modelli denominati commutabili tramite una CLI omoslim e un pulsante dell'ispettore Web che mostra i modelli correnti dei subagenti.

Registra codex-web-search-mcp come strumenti MCP nativi di DSH (mcp__codex-web-search__codex_web_search / codex_web_research / web_fetch) per ricerca web e deep research con Codex e Grok indipendenti dal modello.

Visione su richiesta per sessioni DSH solo testo: le immagini diventano marcatori e uno strumento vision_describe invia solo l'immagine e la domanda a un modello di visione compatibile con OpenAI

Gioco di allevamento in stile Digimon: schiudi un uovo che si nutre di lavoro reale (turni, chiamate agli strumenti, errori) ed evolve lungo quattro linee ramificate plasmate dal tuo modo di lavorare; zero token, invisibile al modello.