Plugin

Ottimizzatore di prompt con struttura ad agente per DeepSeek Harness: riscrive le bozze del compositore in role/task/context/constraint/format con modalità normal, slim ed expand, un modale di conferma con punteggio, continue-optimize e motori local, ibrido, DSH o API cloud.

Orchestratore multi-modello: il cervello principale scompone le attività complesse e distribuisce i sottocompiti a subagenti GLM / Kimi / Qwen in base ai punti di forza di ciascun modello, con utilizzo di token per modello.

Aggiunge 20 localizzazioni (cinese tradizionale HK/TW, giapponese, coreano, francese, tedesco, spagnolo, portoghese, italiano, russo, ucraino, polacco, olandese, turco, arabo, hindi, indonesiano, vietnamita, thailandese, svedese) alla Web UI di DeepSeek Harness, con traduzioni rifinite a mano, fallback a runtime e traduzione automatica dei testi del mercato e di terze parti.

RAG a doppio grafo di conoscenza per note Markdown con decadimento di memoria half-life: grafi di prerequisiti e similarità (attraversamento P/S-Agent), chunking per paragrafi, ricerca ibrida n-gram/embedding e ciclo esplicito di feedback dei pesi — plugin nativo Cordis, installabile via npm come @eqman00003/knowlp-rag.

Due gate per testo AI in uscita. Guard blocca all’invio: verbo riempitivo+nome astratto, aggettivi vuoti, frasi generiche, apertura modello, boilerplate git commit/PR/review e commenti narrativi sul codice. Copre chat/commenti/email/commit/PR/review/issues/docs/codice; risponde OK o con una correzione. Catch memes consulta prima del ragionamento la wiki locale da 6.792 voci (senza indovinare/cercare slang) e inserisce “how to answer this”. Match esatto title/slug/alias, mai fuzzy; chat normale non attiva. node:sqlite locale, zero deps, 1,6 ms. Settings: guard, strict, toggle prompt/wiki, lookup per turno, tono comportamentale reserved/measured/follow the room/unrestrained, AI-completion separato (off predefinito, modello sessione), test incolla, 3 soglie. I gate non chiamano modelli.

Nucleo di cervello umano simulato per la chat: spazio di lavoro globale, valutazione emotiva, memoria a due sistemi con consolidamento notturno e interfaccia sensoriale sperimentale. Il bridge QQ richiede un client snowluma locale ed è disattivato per impostazione predefinita.

Pannello con mappa di memoria neurale 3D per lo store meow-memory in DeepSeek Harness. Include voce nella barra laterale e integrazione desktop, con classificazione e recupero in otto aree. Richiede il plugin meow-memory (legge .dsh-meow/memory.db) e Node 22.5+ (node:sqlite).

Skill Superpowers per DeepSeek Harness (dsh): metodologia ingegneristica completa tramite il provider di skill filesystem integrato in dsh, con bootstrap sempre attivo.

Memoria a lungo termine local-first per DeepSeek Harness: pacchetti di testo, recall su richiesta, citazione di eventi raw, più brain e confini workspace.

Allerte in tempo reale per DeepSeek Harness: terremoti in Giappone (P2PQuake) ed EEW della JMA, telegrammi tsunami e meteo, terremoti globali (EMSC/USGS) e tsunami NOAA, terremoti nella Cina continentale (CENC via Wolfx) oltre ad avvisi di nubifragi e rischi geologici da nmc.cn, e allerte di alluvione, pioggia e mareggiata di NWS ed ECCC per USA e Canada, confrontate con le tue regioni di sorveglianza e le soglie impostate.

Edizione inglese della Legge di Weiwen (Legge di KISS): l'unico middleware di aggiudicazione causale white-box indipendente dal dominio per agenti AI. A differenza degli strumenti di inferenza causale specifici per dominio o dei firewall con gate sulle evidenze, aggiudica *ogni* chiamata di strumento lungo una catena causale strutturale deterministica (R->S->D->H->M) prima dell'esecuzione - in qualsiasi dominio, senza addestramento né tuning. Blocca operazioni distruttive e su file di credenziali, escala violazioni ripetute dei limiti, taglia i collegamenti difettosi fino a correzione verificata e dà verdetti di rischio su esecuzioni non verificabili; gira in locale con costo API zero.

Bozza di memoria per sessione in stile Codex per DeepSeek Harness: una sessione una bozza (rollout_summaries), controllata e passiva (scrive solo su richiesta esplicita dell'utente), divulgazione a livelli (sommario + registro), integrazione idempotente con filigrana. / Un plugin di memoria: una bozza per sessione.

L-clone gancio di memoria: DSH al termine di ogni turno (turn/end) esegue automaticamente il capture verso un cervello esterno; nella barra laterale della Web GUI il pulsante «大脑看板» (bacheca del cervello) apre con un clic il banco di lavoro della memoria.

Logica di compressione del contesto ispirata al cervello umano che riduce drasticamente l'occupazione di contesto e il consumo di token nei task lunghi.

Pagina di chat CLI in stile Matrix per la Web UI DSH: il pensiero dell'agente scorre sullo schermo come pioggia di codice verde mentre le risposte vengono stampate normalmente nel terminale.

Apri l'area di lavoro corrente nel tuo editor locale (VS Code, Cursor, JetBrains, Vim, ...) dall'intestazione della sessione.

Animale domestico balena cyber per DeepSeek Harness: una balena fluttuante, alimentabile e personalizzabile nei colori sopra shell.overlay che riporta uso di token, quota, interazioni e conteggi di sessione — un unico bundle dsh-plugin che porta il cervello di chat dell'host e la superficie del browser.

Espone le capacità dell'agente DeepSeek Harness come server MCP, così un client MCP esterno (ad es. Hermes) può guidare Harness nell'esecuzione di task di programmazione. Hermes = cervello, Harness = braccia

Immersive weather theme for DeepSeek Harness: physical rain with splashes and ripples, snow in two crystal habits, a hearth, lightning with distance-coded thunder, a night mode, and a compact control panel.

A second brain for DeepSeek Harness where Markdown is the database and git is the sync, with zero runtime dependencies. Core memory is injected into every system prompt, one file per note with weighted search; cards produced in the sidebar web chat land in an inbox first and are approved one by one as cloud notes or local-only notes (private/ is permanently gitignored and never pushed); web-chat progress is saved to progress.md with the last 20 drafts archived. A four-step flow lives behind one header icon: open web chat, extract cards, review them, back up to the cloud. The extraction prompt is editable in the panel and applies immediately.

Context handoff sentinel for DeepSeek Harness: three behavioral recall tests (constraints / changed files / next step) run after every compaction or on /guard check, cross-checked against the session log, returning a green/yellow/red verdict plus an optional handoff document.

Lingshu (灵枢) è un sistema di memoria persistente, persona e crescita ispirato al cervello per agenti di programmazione IA. Solo libreria standard Python, nessuna dipendenza, priorità locale; richiede Python 3.9+. Include memoria a livelli ippocampo/corteccia, curve dell’oblio, consolidamento dei sogni, recupero associativo fuzzy, sistema emotivo, protezione dalla deriva della persona, knowledge base, skill scritti autonomamente e pannello web locale. Fornito come skill incluso in DSH. Il plugin cordis di iniezione all’avvio, installabile separatamente, inietta sessioni automaticamente solo se (Lingshu si trova in ~/.dsh/skills/lingshu o brainPy è configurato) e Python 3 è disponibile. Il controllo aggiornamenti facoltativo contatta GitHub/Gitee.

Collega l’account WHOOP in quattro passaggi (crea la tua app sviluppatore WHOOP e incolla Client ID/Secret). Sincronizza automaticamente quando visiti la dashboard e mostra grafici di recupero, sforzo, sonno e allenamenti dentro DeepSeek Harness.

Apre nell’IDE i riferimenti ai file dall’output della chat DeepSeek Harness (famiglia VS Code o JetBrains; Visual Studio Code predefinito), alla riga indicata, nella finestra del progetto e in primo piano. Si aggiorna da GitHub.