Plugin

Banco di lavoro di debug su dispositivo reale Android per la GUI DSH Web: logcat auto-collegato con filtri di gravità/parole chiave e snapshot di crash, trasmissione dello schermo live sul dispositivo con controllo remoto tocco/swipe/testo, toolkit di reverse engineering memory/proc/frida, 30 strumenti agente.

Preset unificato e ancorato per l'agente per DeepSeek V4 Pro/Flash sull'API ufficiale e su opencode-go: bootstrap a due tool minimale-esatto alla prima richiesta, percorsi Pro/Flash consapevoli del modello e gestione del catalogo consapevole delle epoche per la stabilità delle sessioni lunghe.

Preset unificato di agente ancorato per DeepSeek V4 Pro/Flash sull'API ufficiale e su opencode-go: bootstrap della prima richiesta con due strumenti minimi ed esatti, percorsi Pro/Flash consapevoli del modello e gestione del catalogo consapevole delle epoche per la stabilità delle sessioni lunghe.

Livello di identità di dominio per sessioni agente di lunga durata: indirizzamento di dominio prima dichiarativo, factory di sessione, pausa a quattro livelli e dispatch modelli per coordinare più sessioni top-level.

Livello di coordinamento dei plugin: i plugin dichiarano le proprie capacità, i comandi vengono instradati al plugin proprietario senza una chiamata al modello, gli schemi dei tool si caricano su richiesta per ridurre i token del prompt, la cronologia delle esecuzioni si consolida in memoria a lungo termine nei momenti di inattività e i guasti vengono classificati prima di qualsiasi retry.

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.

Profilazione delle prestazioni e diagnostica della cache LLM per DeepSeek Harness — engineering del contesto, profilazione della latenza e report sul comportamento della cache.

Gateway MCP a divulgazione progressiva che cerca in grandi cataloghi remoti tramite `mcp_search`, poi invoca gli schemi esatti tramite `mcp_call` con connessioni lazy e cache limitate

Pacchetto di skill modulari di ricerca/ingegneria IA, installabile tramite dsh plugin add — registra 27 skill (audit di sicurezza, lettura/scrittura di articoli, disegno di figure, flusso di lavoro di sviluppo, analisi di archiviazione) su ctx.skills.

Preset agente in modalità apprendimento: un agente di coding che insegna mentre programma — spiegazioni concrete basate su scenari, guida socratica e spazi vuoti per esercitazioni TODO(你), modellato sullo stile di output Learning di Claude Code; installabile tramite dsh plugin add (dsh-learning-mode su npm).

Aggiunge due superfici UI: editor immagini del composer (marcatori numerati con istruzioni individuali, rimozione sfondo uniforme, cancellazione con maschera pennello, preset di ridimensionamento/ritaglio; i risultati tornano al composer come allegati più capsula manifest) e pannello Settings → vision/generation provider (3 livelli priorità, riordino drag, catene fallback modello per canale, controllo saldo consapevole degli arretrati, archivio account ChatGPT-web). Scrive i provider risolti nei file .env delle skills.

Porta in DSH i playbook di ingegneria pstack di poteto, con flussi di pianificazione, revisione, verifica e rilascio.

Plugin DSH che collega gli agenti a Cheat Engine per il debug dinamico della memoria: scansione, analisi dei puntatori, breakpoint e hacking della memoria dei giochi.

Plugin di memoria a lungo termine NeatMem per DeepSeek Harness: client REST leggero verso un server neatmem

Compressione senza perdita del contesto per DeepSeek Harness: l'intervallo più vecchio viene sostituito da un riassunto, mentre gli originali restano nel registro della sessione.

Fissa ogni richiesta al livello nativo di massimo impegno e aggiunge un pannello di profondità di ragionamento per modello/modalità con uno slider di capacità 0-20, profili Velocity/Apex isolati e toolbox di ragionamento offline. Distribuito come build offuscata; uso commerciale consentito, reverse engineering chiuso.

Schede personaggio per DeepSeek Harness: inseriscono una sezione persona nel prompt di sistema o riscrivono il messaggio utente tramite schede di regole prima che arrivi al modello. Include libreria predefinita, pacchetti in un solo file con illustrazioni e scheda Character nella conversazione.

Modalità personalizzate / gestore di assistenti: personalizza il prompt di sistema di ogni modalità nelle impostazioni — file riletto dal ciclo dell'agente prima di ogni passo del modello, ogni modifica vale dal passo successivo — avviala dalla composizione ufficiale standard/PTC/minimal/Cordis, attivando/disattivando una per una le righe dei plugin montati (composizione personalizzata per modalità), rinominabile a piacere. Più assistenti, ognuno col suo prompt su una sola macchina: un assistente di programmazione, un compagno di chat e una persona per il roleplay (RP) — configurazione multi-agente da scegliere a ogni nuova sessione. Le righe intatte sono uguali byte per byte alle distribuite, condizioni di piattaforma incluse.

Miglioratore di prompt per la GUI web di DSH con modalità basic/standard/expert: le modalità standard ed expert riscrivono le bozze con il contesto del progetto e la cronologia recente della sessione, ritentano con grazia quando i gateway rifiutano le impostazioni di reasoning-effort e mostrano una revisione prima/dopo con annullamento.

Miglioramento dei prompt per il compositore: il pulsante «✨ Enhance» riscrive la bozza in una versione più chiara e strutturata usando il pensiero dai primi principi, sulla base del contesto della sessione, della memoria e della conversazione recente; pone domande di chiarimento in una scheda quando mancano informazioni chiave e mostra un’anteprima prima di applicare il risultato al campo di input.

Skill di analisi strutturale multi-lens: analisi adversarial-first attraverso 16 lenti in 4 categorie con 10 strumenti strutturali, calibrazione della confidenza e output stratificato vincolato ai fatti.

Miglioramento del prompt in un clic per il compositore DSH: premi il pulsante scintilla per riscrivere la bozza in un prompt pronto per l'agente, sostituito sul posto e annullabile, con un controllo deterministico di fedeltà che mantiene verbatim ogni percorso, identificatore, numero, URL e token tra apici inversi, più un tetto di lunghezza che blocca l'inflazione.