Plugin

Continuità tra modelli per DeepSeek Harness: memoria, skill e regole restano in file locali, così il giudizio sopravvive ai cambi di sessione e modello. Non si tratta di memorizzare di più, ma di usare bene ciò che c’è dopo il cambio.

StartLux Decision: livello decisionale economico per DeepSeek Harness; implementa i nove punti: autorizzazione strumenti, routing modelli, delega, compaction, continuazione turno, retrieval, scelta skill, titolo sessione e traduzione COT.

Valutatore di revisione difensiva della sicurezza del codice per DeepSeek Harness: rileva sessioni che scrivono codice, le verifica secondo le Code Security Defense Architecture Rules, consiglia una o più architetture necessarie, controlla i conflitti e insegna all’IA della sessione dopo errori ripetuti. Se riceve l’autorità di revisione nel pannello, blocca il completamento finché la verifica non passa; senza autorizzazione osserva soltanto.

Manuale decisionale sulla dinamica strutturale delle pavimentazioni: 59 schede in 8 capitoli segnalano titoli che sopravvalutano i contenuti, formule che non funzionano se copiate e numeri da non trasferire né citare fuori contesto.

Manuale decisionale sui metodi di progettazione delle pavimentazioni: 76 schede in 9 capitoli su scelta del metodo, assegnazione degli indicatori, criteri dei parametri, conversione dei carichi per asse e zonizzazione climatica. Il capitolo sugli aeroporti è stato recuperato con una nuova OCR del PDF integro.

Consiglio di scrittura: bozze parallele multi-modello, consenso del giudice e sintesi delle critiche, perfezionamento dei prompt IA, illustrazione di concetti visivi e anteprima di file Markdown.

Valuta a ogni turno l’emozione del modello attivo e la reinserisce silenziosamente prima del successivo, chiudendo un ciclo di auto-osservazione, persistenza dello stato e cambiamento del comportamento. Include plugin host, pannello agganciato al composer, strumento emotion_status in sola lettura e route HTTP opzionale, anch’essa in sola lettura.

Simulatore di dibattito multi-agente cinese: 8 debater, discussione live a due colonne e note bozza, giudici/scoreboard, timer per un lato, ZIP per round. Il training termina per soglia win-rate o round fissi. Include pacchetto Word di preparazione.

Verifica la geometria prima della pubblicazione: pixel, proporzioni, dpi, dimensione/formato, larghezza di stampa e modalità colore. Non verifica contenuti (QR, testo/immagine, copyright, vietati). Solo libreria standard Python, senza dipendenze terze, input invariati; Python 3.8+. 10 piattaforme/20 slot, confidenza per piattaforma: WeChat MP, Xiaohongshu, Bilibili, Zhihu, Weibo, Douyin, WeChat Channels, riviste, stampa, consegna cliente. Risolve per ID/nome cinese/alias (fuzzy). Su richiesta o dopo salvataggio file se indicata la destinazione; una riga se tutto ok, dettagli solo con errori. Riviste/stampa: larghezza reale pixel/dpi, rileva stampe troppo piccole anche con metadata dpi valido. Più immagini: controlla coerenza e indica l’anomalia.

Skill di riuso basato su evidenze per DeepSeek Harness: prima di implementare, portare, scegliere dipendenze o risolvere problemi di un tool, cerca per livelli soluzioni esistenti nel progetto e nella macchina locali. Decide il riuso con prove verificabili, lo rifiuta se requisiti essenziali o rischi non sono soddisfatti e segnala ciò che non ha potuto verificare. Il bundle DSH registra la skill in ctx.skills.

Gioco di deduzione sociale contro le proprie configurazioni di modelli. Il tavolo ha N posti (sei per impostazione predefinita, uno è il tuo); alcuni degli altri sono occupati da agenti con impostazioni diverse di provider, model, temperature, system prompt e disguise. Li interroghi e confronti le risposte per capire quali posti non sono umani. Identità dei posti e configurazione del modello restano nascoste in host state finché non esprimi un giudizio; allora vengono rivelati i parametri disguise. Ogni round esporta un JSONL della conversazione per posto e il record del giudizio. Stesso seed e script di mosse producono una riproduzione identica byte per byte, per confrontare esecuzioni con modelli o livelli disguise diversi.

Verifica elementi FMEA e calcolo RPN da severity, occurrence e detection secondo metodi pubblicati. Segnala incongruenze, senza giudicare l’adeguatezza dei rating.

Verifica gli elementi obbligatori del permesso elettrico e la sequenza di emissione/autorizzazione richiesta dalle norme vigenti. Segnala differenze; non giudica sicurezza del lavoro né validità dell’autorizzazione.

Verifica la coerenza aritmetica tra massimi, punteggi registrati e totale dei fattori nella matrice di valutazione. Riporta differenze, senza giudicare correttezza o equità della valutazione.

Trasforma i numeri grezzi di un repository GitHub in una valutazione motivata: concentrazione dei contributi e bus factor, inclusi i file con un solo autore; tempo di merge con mediana accanto alla media per rendere visibili gli outlier; backlog di issue senza pull request e bozze. Legge la REST API pubblica senza SDK e non spaccia mai una pagina troncata per completa.

Revisiona codice con Open Code Review: ambito e regole risolti deterministicamente, giudizio affidato al proprio modello DSH, senza chiave API.

Protezione delle autorizzazioni di DeepSeek Harness: il lavoro nell’area di lavoro non viene mai interrotto; viene valutato solo il permesso aggiuntivo richiesto da una chiamata. Le azioni sicure per la macchina passano, le modifiche al sistema richiedono conferma con analisi delle conseguenze e quelle distruttive vengono rifiutate.

Valutazione retrospettiva delle sessioni agente: genera schede di valutazione deterministiche e differenze di regressione tra sessioni dai log persistenti. Nessun benchmark da eseguire né giudice LLM.

Bundle di plugin per DeepSeek Harness: grill_tree, strumento di ricerca dello spazio di progettazione con policy fissa. Espande una decisione per nodo, avvia proponenti indipendenti, assegna a un giudice separato il pruning dei rami e limita il beam a ogni profondità. Può produrre progetti completi.

Plugin di retest dell’impatto CVE per DeepSeek Harness: crea l’impronta del target, la confronta con l’intervallo coinvolto dalla CVE, raccoglie prove passive e riporta un verdetto con confidenza e limiti.

Selezione di CV per HR in DeepSeek Harness: importa fino a 100.000 CV Word/PDF/Excel in una libreria ricercabile per competenze, categorie generali e data di acquisizione; importa automaticamente i nuovi ed elimina i duplicati. I criteri in linguaggio naturale sono filtrati prima da regole nel database, poi un LLM valuta nel dettaglio pochi candidati. Esporta CSV. Compatibile con 0.1.7–0.2.x, testato su 0.2.0-rc.1.

Dibattito parallelo multi-ruolo per DeepSeek Harness: esegue i veri CLI di Codex e Claude in parallelo e il modello DSH (Judge) scrive un verdetto terzo nella conversazione. Include chat diretta con un solo agent stile Obsidian e configurazione modello per ruolo.

Plugin DeepSeek Harness che inserisce vincoli di stile più umano prima della generazione e produce un report di rilevamento dello stile AI valutato dal codice: zero token e risultati riproducibili.

Dibattito multi-agente isolato per DeepSeek Harness: partecipanti con temperamenti diversi ricercano in modo indipendente, si controinterrogano e i giudici convergono su una conclusione. Esegue in background con progressi e conteggio token per agente, parallelismo a ondate e ripresa con riferimento alla sessione.