Plugin

Auto-miglioramento notturno per il tuo agente DeepSeek Harness: raccoglie offline le sessioni passate, riproduce attività ricorrenti usando il tuo budget API e consolida le skill convalidate dietro un controllo separato. Porta il motore SkillOpt-Sleep di microsoft/SkillOpt in dsh come strumenti nativi più una skill inclusa, senza addestramento dei pesi. Richiede Python 3.10+ e il motore SkillOpt-Sleep (pip install skillopt).

Bacheca issue completa local-first incorporata nella GUI web DSH: viste Kanban / elenco / Gantt / workflow / dashboard, chat AI per attività, allegati ed etichette, assegnazione automatica delle attività todo guidata da dsh-routines — i dati risiedono in SQLite locale (dsh plugin add @ttmouse/dsh-taskboard).

Google Antigravity CLI (agy) come subagente di prodotto DSH: delega attività a un agente di codifica Gemini con il tuo login Antigravity (senza chiave API), con follow-up conversazionali, avanzamento in streaming in background, analisi delle immagini per percorso e una finestra di accesso popup.

GPT pianifica DAG di dipendenze, i worker DeepSeek eseguono le attività con parallelismo adattivo e un reviewer GPT opzionale controlla i diff Git incrementali e guida i round di riparazione.

Aggiunge contratti di esecuzione persistenti, grafi di lavoro ricorsivi, chiarificazione critica e gate di evidenza per attività Harness lunghe o poco specificate.

Port di TaskPlane per DSH: esegue ondate ordinate per dipendenze in corsie git-worktree parallele, con pacchetti di attività, revisione tra modelli e recupero dagli arresti anomali.

Un preset di agente di programmazione più veloce, più efficiente e più accurato. Su 100 attività difficili di SWE-bench Pro selezionate con criteri multidimensionali di difficoltà, il tempo medio trascorso è diminuito del 36%, i token di input medi per attività del 17% e l'accuratezza è aumentata di 5 punti percentuali.

Pianificazione di progetto a mappa mentale con protezione dalla deriva bloccante: piani, moduli e attività come DAG delle dipendenze con ordine di esecuzione topologico, marcatore di posizione dell'agente, gate di approvazione umana a ogni modifica della board, controlli incrociati con git e completamento delle attività vincolato alle prove.

Team multi-agente guidati da un capitano che suddividono un obiettivo in attività e le smistano lungo una catena di esecuzione a membri che lavorano nelle proprie sotto-sessioni, ciascuno con il proprio modello.

Voci di memoria su SQLite, un calendario con promemoria a scadenza e attività agente pianificate via cron, con 13 strumenti del modello e un'interfaccia bilingue zh/en.

Board delle attività su canvas portato da CodexFF: attività gerarchiche padre/figlio con confini, pannelli trascinabili allineati con snap in una scheda di vista conversazione, più strumenti agente `board_*` / `task_*` e una skill di sincronizzazione.

Pannello delle attività pianificate per gestire i crontab dell'agente DSH e del sistema, con input in linguaggio naturale e log di esecuzione.

Attività pianificate dell'Agent di DeepSeek Harness con test end-to-end obbligatori, cronologia delle esecuzioni e consegna bidirezionale attraverso nove canali di messaggistica.

Orchestrazione del flusso di lavoro in stile supervisore su sessioni di primo livello: invio in batch con conferma, flussi di lavoro del team, pilotaggio delle attività in esecuzione, raccolta in attesa inattiva e scoperta live delle rotte dei modelli su 11 strumenti task_* più il comando slash /tasks.

Plugin di rate limiting per DeepSeek Harness che previene gli errori API 429 durante le attività di lunga durata, con retrospettive delle attività.

Bundle di preset di agenti per la gestione di desideri e attività: crea desideri o attività dalla conversazione, check-in nei giorni di opportunità, micro-azioni, più un archivio di memoria e grafici di progresso nella web UI.

Un Agent vocale conversazionale come frontend per dsh: parla naturalmente tramite ByteDance Duplex, delega le richieste a task in background e senti i loro risultati asincroni riportati a voce.

Gestione delle sessioni archiviate, notifiche di arresto delle attività, un controllo aggiornamenti, routing dei modelli (regole basate su parole chiave + model_route con allowlist), trigger pianificati multi-attività (heartbeat e attività a orario fisso) e una navigazione scorrevole dei messaggi in stile DeepSeek per la web GUI dsh.

Instradamento automatico Flash/Pro per le chiamate ai sottoagenti di DeepSeek Harness: le attività leggere usano un modello economico (ad es. V4 Flash), quelle pesanti restano sul modello potente, con override per chiamata e modalità di sessione /delegate.

Server A2A (Agent-to-Agent) nativo per dsh: espone questo dsh come agente richiamabile tramite HTTP con attività JSON-RPC.

Espone l'area di lavoro DSH come API HTTP: sfoglia, cerca e leggi file, ed esegui task di agente in linguaggio naturale che rispondono con fonti citate.

team-task per DeepSeek Harness: task multi-agente a lungo orizzonte — un lead pianifica un DAG revisionato, membri durevoli eseguono, un log eventi è l'unica verità, e un riconciliatore residente sopravvive a crash e riavvii.

Spegne automaticamente Windows al termine delle task di DeepSeek Harness: un pulsante flottante di armamento e un banner di conto alla rovescia annullabile (shutdown /a), senza dipendenze a runtime.

Uno sciame a matrice di subagent che instrada attività eterogenee al modello più adatto da un gateway in stile OpenRouter più cfgpu.com/llm/square, invia ciascuna tramite subagent in-process o chiamate LLM dirette e traccia il consumo di token per modello con un ranking guidato dal feedback.