Plugin

Sandbox hardware DSH: crea scene 3D ESP32/BME280/PIR/LED con collegamenti verificati per protocollo e tensione; esegue codice Python reale su I2C/GPIO simulati con fault injection. Simulatori di rete inviano dati via HTTP a un backend reale (validato end-to-end su un sistema live di prenotazione posti). Dispositivi reali osservati in sola lettura e mappati nella scena; nuove schede tramite definizioni pin data-driven. Include 16 tool agente `hw_*` e `SKILL.md`.

Sottosistema memoria per DeepSeek Harness: ontologia event/fact/rule e sistema obiettivi `goal.js`. Le parole trigger Bridge scrivono valori belief; l’attivazione degli obiettivi è valutata alla lettura con `0.25 domain + 0.35 bridge + 0.40 sim` per recuperare associazioni goal/value a lungo termine. Include journal ledger, archivio episodico, decadimento dei ricordi poco affidabili e ciclo `memory_append/read/consolidate` + `linghun_goal_update/get/state`. Indipendente dalla linea originale dsh-linghun. 16/16 su LoCoMo-Plus.

Memoria a lungo termine per il workspace DSH. All’avvio sessione legge un indice di una riga per memoria e recupera i corpi su richiesta con il tool `memory`, circa tre volte più voci a parità di budget caratteri. A fine turno cerca localmente nell’ultimo messaggio utente e inserisce le memorie corrispondenti nel briefing successivo senza costi modello. Auto-capture facoltativo distilla conversazioni in memorie strutturate; in draft attende approvazione. Portrait layer da journal/records per viste workspace/global, anche draft/direct. Settings → Memory offre archive/list/timeline, controlli duplicati/voci obsolete/link rotti, catena supersede con rollback e import read-only di memorie WorkBuddy/Qoder esistenti.

Riduce i token in ingresso della sessione in tre modi, ciascuno con interruttore nel pannello sotto il composer: compressione lossless sensibile alla struttura degli output tool su `tools/post-execute`; elisione head/tail per tool che indica sempre il recupero tramite spill store condiviso; visibilità del catalogo per agente su `agent/created`; documento memoria per workspace confrontato con ogni nuovo messaggio e iniettato via `agent.inject`, senza rileggere il transcript. Misura: 41,76% di prompt token in meno su 149 richieste registrate; incluso script per rimisurare qualsiasi profilo.

Conserva per sessione le immagini incollate o allegate al composer: copia locale nel browser e ripristino tramite canale draft ufficiale tornando alla conversazione o rimontando il composer. Elimina all’invio o alla rimozione.

Miglioramento prompt nel composer DeepSeek Harness: il pulsante accanto al selettore modello riscrive la bozza con una chiamata LLM ausiliaria e la sostituisce sul posto, mantenendo undo del composer. `/prompt-enhance` restituisce il prompt riscritto come riga di risultato senza toccare la bozza. La chiamata si può fissare a provider e modello veloci dedicati nel profile patch. Mantiene intento, lingua e informazioni originali; conserva codice, comandi e percorsi alla lettera, senza inventare né aggiungere segnaposto.

Collega un bot Feishu/Lark a DeepSeek Harness tramite connessione WebSocket persistente: i messaggi in ingresso passano da una sessione agente e tornano in chat in streaming. Comandi come `/attach` gestiscono la sessione attiva; i tool feishu_* permettono al modello di inviare messaggi.

Esegue un passaggio deterministico di instradamento delle skill per ogni istruzione dell’utente, consultando il catalogo prima della risposta del modello. Sull’host valuta il catalogo attivo con parole chiave dell’istruzione e metadati, senza chiamate a LLM o embedding. Aggiunge un solo messaggio con tag producer allo step: elenco ordinato per impostazione predefinita, corpo del SKILL.md vincente oltre soglia oppure istruzione di chiamare esattamente una volta un router skill nominato. Il plugin non interviene sulle istruzioni non pertinenti.

Preset agente di viaggio per la Cina continentale con risposte in cinese: disponibilità 12306, prezzi voli/hotel Fliggy/Tuniu e percorsi Amap, verifica chiusure e meteo e crea un roadbook HTML offline con mappe trascinabili, tre fasce prezzo hotel e budget dettagliato. Include 9 skill, diagnosi per API key mancanti e patch del server MCP 12306. Pianifica e consulta, ma non prenota né paga.

Posta tra sessioni DeepSeek Harness basata su file: ogni lettera è sigillata con HMAC e digest del corpo, mentre i destinatari vengono risolti tramite un’interfaccia elenco. Funziona prima offline, quindi le lettere non recapitate restano in casella invece di andare perse.

Compagno IA con ritmo biologico appreso, sonno reale offline e memoria propria; comunica affect auto-riferito, valutato con lo stesso judge math della versione pi.

Ottimizzatore prompt per il composer: un pulsante nella riga strumenti riscrive la bozza tramite un canale modello già configurato e trasmette il risultato in un pannello flottante sopra il composer, senza alterare il layout. La bozza cambia solo con Accept, rifiutato durante lo streaming per non applicare risposte incomplete. Chiede prima se ci sono riferimenti @ o allegati, che una sostituzione totale appiattirebbe in testo. Nessuna scorciatoia globale; la API key non arriva mai al browser, la chiamata è eseguita dall’host.

Ledger di progetto IA. Active ledger: stato corrente; turn journal append-only; decisioni/obiettivi/lezioni in una card-file con indice multidimensionale. Solo l’utente modifica i principi. Un modo di compattazione divide in mantenere/reiniettare verbatim, archiviare in _stash/ o scartare. In un container multiprogetto si blocca un subproject; il lock persiste nel home del plugin senza marcatori nel progetto. L4 del log a 5 livelli salva alla lettera le parole utente, non le inietta ed è consultabile su richiesta. Prima di compattare, capsula verbatim con citazioni, errori grezzi, file modificati e fonti è salvata su disco e persiste ai riavvii. Locale, zero deps runtime. Handoff riprende la chat. 21 tool, 12 sottocomandi, 39 impostazioni; priorità pannello/manifest configurabile.

Provider browser per DeepSeek Harness: svolge attività web passo passo in un browser reale, usando una tabella indicizzata delle azioni possibili invece di HTML o screenshot. Una decisione Jev per passaggio, non un turno completo; benchmark repo: mediana 1,1 s contro 2,8–3,6 s per turno chat-model. La conversazione riceve solo la conclusione e il contesto non cresce con la pagina. Gli obiettivi provengono dalla pagina appena letta; le pagine cambiate vengono rilette. Usa il browser di proprietà di Session e non tocca il tuo Chrome quotidiano, salvo attivare attach mode.

Comprensione, generazione e modifica immagini per DeepSeek Harness: lettura con Qwen/OpenAI/Anthropic/Gemini, generazione e modifica con Qwen-Image. Revisione di liustack/modlens (MIT). Rimuovi prima @liustack/modlens: entrambi registrano gli stessi provider vision e hook di intercettazione immagine, quindi insieme impediscono la lettura delle immagini.

Aggiunge login OAuth per abbonamenti e accesso tramite chiavi API Plan dei provider con adattatori Pi. Usa un archivio credenziali di proprietà DSH.

Conserva per sessione gli allegati non inviati del composer: immagini e file incollati sopravvivono ai cambi pagina/conversazione e al riavvio dell’app. I byte vengono duplicati in IndexedDB e ripristinati tramite il canale ufficiale createDrafts/addAttachments; eliminati all’invio o alla rimozione.

Ricerca Web documentata per DeepSeek Harness tramite gateway compatibili con OpenRouter: `web_search` usa lo stesso endpoint e la stessa chiave dei modelli di chat, restituisce fonti citabili e si configura in Plugins.

Mercato di plugin DeepSeek Harness: sfoglia plugin ufficiali e della community, verifica la compatibilità prima dell’installazione e passa al flusso ufficiale di installazione.

Piattaforma di test automatizzati guidati da agenti IA per DeepSeek Harness (dsh): sessioni lunghe e multi-turno per scrivere/eseguire casi Markdown, segnalare bug, correggere il codice e riverificare la correzione. Include coda seriale per progetto, bacheca di sviluppo e test di carico integrato.

Mostra fasce di riempimento del contesto, soglia di compattazione per sessione calcolata dalla finestra del modello, costo per passaggio in base alle tariffe di lettura e scrittura della cache, cache hit, saldo DeepSeek con tariffe di punta e fuori punta e passaggio di consegne con un clic. Non chiama modelli e non consuma token.

Include rendering RTL sicuro per testi misti arabo-inglese, un pacchetto di interfaccia araba da 3.307 stringhe registrato tramite il servizio locale DSH e tre caratteri thmanyah: Sans per l'interfaccia, Serif Text per la lettura e Serif Display per i titoli. Seguono il carattere selezionato nell'app.

Ispettore Skill di sola lettura per DeepSeek Harness. Separa i caricamenti reali (solo prove osservate) dalle Skill rilevabili e la dichiarazione dall’esecuzione. Stati declared/observed/unavailable: senza prove, “non osservato”, non “non eseguito/attivato”; non attribuisce risultati alla Skill. Validazione e valutazione separate; confronta casi ripetibili senza voto. Prova should-trigger/should-not-trigger in una nuova sessione reale e distingue chiamata modello/richiesta esplicita (/name non è trigger naturale). skill_review read-only restituisce un pacchetto strutturato e segnala omissioni. Calcolo locale da definizioni/ricevute. Cinese: modello host solo su richiesta, fences/percorsi/frontmatter conservati in locale. La copia non modifica la fonte né esegue script.

Generazione immagini con galleria laterale e tre strumenti agente (paint_image, paint_images, edit_painting). Provider preimpostati: ModelScope, Google Gemini, OpenAI, SiliconFlow, Volcengine Seedream, Alibaba DashScope, xAI e Zhipu, oltre a qualsiasi endpoint OpenAI-compatibile; ciascuno ha il proprio proxy.