Plugin

Memoria di progetto per dsh con integrazione nativa del task system: i todo di sessione e le letture dei file si condensano automaticamente in record di task cross-sessione (link task↔file), così i workflow sono commutabili e riprendibili senza ricontestualizzare. Memoria in lettura (nessuna scansione preliminare): estrae simboli di codice, riassume la documentazione e collega docs↔symbol; potenziamento semantico TS opzionale (attivo automaticamente quando TS è installato). Le note di esperienza vengono deduplicate automaticamente. Ogni richiamo include una citazione tracciabile. Solo JS, una sola dipendenza, funziona subito, operazione silenziosa, overhead zero.

Trasforma documenti locali in markdown e testo in una base di conoscenza interrogabile con ricerca ibrida semantica e per parole chiave, verifica delle citazioni e iniezione di fonti.

🌊 Pannello ancorato persistente e completamente personalizzabile di saldo/utilizzo per DeepSeek Harness — heatmap delle attività, confronto a doppio canale, solo locale e orientato alla privacy.

Ottimizzazione con un clic di un'istruzione grezza in un prompt professionale: tre stili di output, profilazione di ruolo/compito/obiettivo consapevole della situazione, apprendimento autoiterativo (memoria di sessione + valori predefiniti intelligenti + override dell'utente), /template per 22 sotto-scene con zero chiamate al modello, ✨ ottimizza/annulla con un clic nella casella di input, strumento prompt_optimize, hook di auto-ottimizzazione e documenti zh/en rilevati automaticamente.

Skill Smart Charts: trasforma file CSV/TSV/TXT/XLSX/XLS/JSON in HTML ECharts interattivo autonomo - 32 tipi di grafico, incluse mappe offline, 3 temi, senza CDN. Un profilo dati --profile (dtype per colonna, cardinalità, valori mancanti, campioni, statistiche, granularità delle entità, segnali di insight) consente all'agente di leggere i dati e scegliere da sé il grafico; ogni grafico incorpora una scheda informativa (plot_stats + data_preview) i cui numeri sono gli unici valori citabili. Il codice di trasformazione LLM gira in una sandbox limitata (blacklist + whitelist AST + builtin sicuri); --doctor verifica l'ambiente Python. Del tutto offline, ECharts incluso.

Ponte verso dispositivi HarmonyOS: ciclo di automazione hdc per screenshot/installazione/log/crash/UI con read_image, conoscenza dell'API versionata con priorità alle fonti ufficiali (SDK .d.ts + documentazione offline in bundle) e una pipeline DevEco CLI per build/firma/lint.

Saldo dell'account DeepSeek e costo della sessione nella dock del composer, con prezzi ufficiali recuperati automaticamente e supporto per tariffe di punta/fuori punta.

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.

Analisi di documenti DSH indipendente dal provider alimentata da MinerU, con job in background nativi, risultati immutabili e coalescenza sicura delle richieste.

Generatore di galgame: fornisci un documento di sceneggiatura più risorse di personaggio/sfondo/BGM/animazione nell'area di lavoro (img_human/, img_bg/, audio/, img_cg/) e genera una pagina web di visual novel giocabile con slot di salvataggio configurabili ([存档 N], 9 predefiniti), sprite che seguono il parlante con cambio variante multi-pose ([表情]), animazioni di apertura/finale/CG ([op]/[ed]/[cg]), controllo riproduzione/stop/volume BGM e ramificazione per righe if.

Strumento a basso costo per la comprensione dei video: un tool video_understand trasforma un link Bilibili / BV / un video locale in un layer informativo AVIS (ASR + struttura delle scene + tracking degli oggetti + etichette YOLO) e restituisce summary + Q&A. Routing dinamico tra layer guidato dalle domande (L0 ASR / L1 tracking oggetti / L2 VLM su keyframe), riuso del layer semantico per domande ripetute, tetto di budget per singola domanda. Motore Python: il layer base richiede faster-whisper / opencv / yt-dlp (~200-300MB); il layer semantico opzionale aggiunge ~2GB di torch / transformers / ultralytics. Un doctor --fix incluso configura il venv e installa entrambi.

Il trio da ufficio! Strumenti per documenti d'ufficio per DeepSeek Harness (dsh): genera, legge e modifica fogli di calcolo (.xlsx), PDF e presentazioni (.pptx).

Punteggio qualitativo multidimensionale per i plugin di DeepSeek Harness che valuta un repository o un pacchetto npm su successo di installazione, attività di manutenzione, completezza della documentazione, scansione di sicurezza e conformità al protocollo usando prove CLI reali, e produce un report leaderboard in JSON o Markdown.

Skill e strumenti per presentazioni: trasforma una frase o un documento in uno slideshow HTML e in un PPTX modificabile, con sette layout (incluse citazioni e tabelle PPTX native), note del relatore (pannello HTML con tasto S e slide note native), cinque temi integrati, configurazione predefinita di tema/lingua e supporto bilingue.

Saldo dell'account API DeepSeek in tempo reale nel dock del compositore, con aggiornamento manuale o automatico a intervallo personalizzato.

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.

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.

Utilizzo dell'abbonamento OpenCode Go (finestre rolling/settimanali/mensili con conto alla rovescia per il reset) nel dock del composer, con un editor delle credenziali integrato

Revisione offline degli schemi per EasyEDA Pro, esposta a dsh come quattro strumenti: report di controllo una tantum, scheletri di architettura, un controllo di installazione e un ponte verso l'editor live che privilegia azioni in sola lettura, il tutto guidato dalla CLI locale boardwise.

FormatForge: forgia più di 30 formati di file (PDF, DOCX, PPTX, XLSX, EML, EPUB, TOML, archivi) in testo leggibile dall'IA tramite una casella drag-and-drop, gli strumenti ff_translate/ff_formats/ff_result e una CLI; i PDF scansionati ricadono su OCR locale o su un suggerimento di miglioramento per il modello di sessione.

Intelligenza documentale locale per PDF, Office, immagini e OCR per DeepSeek Harness.

Un pet ikun (meme cestistico) che riempie il dock sotto la riga di stato "Deep diving..." durante le risposte: un pet a sprite sheet cammina lungo una barra di avanzamento da 0 a 100%, cambiando animazione e testo ogni 20%, e riproduce un segnale vocale di sistema "nǐ gàn ma~" al completamento.

Barra di utilizzo OpenCode Go nel dock del compositore: anelli di quota mobile/settimanale/mensile, statistiche di token e costo della sessione DSH calcolate con le tariffe ufficiali in tempo reale, ripartizioni per modello e per ambito della sessione corrente con aggiornamenti live per sessione, copia della chiave API con un clic.

Guardiano della stesura di brevetti per dsh - verifica prima l'idea rispetto allo stato della tecnica cinese, poi esegue interviste di allineamento a cinque parti, la redazione della descrizione in otto capitoli, figure e simulazioni, una revisione a sette dimensioni e l'esportazione in docx/PDF. Le skill funzionano subito; gli strumenti di ricerca, esportazione ed esperimento provengono da un servizio MCP Python incluso che arriva disattivato - una riga in ~/.dsh/patent-services.yaml lo abilita, e uvx scarica la wheel da PyPI.