Plugin

Usa una chiave API PackyCode (PackyAPI) in DeepSeek Harness attraverso una route modelli multiprotocollo integrata, con rotazione delle chiavi e visualizzazione del saldo.

Aggiunge tre pagine di impostazioni a DeepSeek Harness: aggiungere/modificare/attivare/rimuovere MCP server; scrivere skill agent a mano o installarle da un repository GitHub; gestire una libreria globale di persona e attivarne una.

Gate a tre livelli deny/ask/auto per la famiglia di strumenti computer-use (`cua-driver`): Settings offre un controllo segmentato per categoria e una allow list o deny list per nome dello strumento prevale sui livelli.

Pannello di gestione Kubernetes multi-cluster basato su kubectl locale, con filtri risorse, modifica YAML, log Pod in tempo reale, terminali interattivi per container, riavvio/scaling dei workload e sincronizzazione del tema DSH; accessibile dalla barra laterale o dalla vista sessione. Richiede DSH 0.2.0-rc.2.

Sincronizza elenchi di plugin di terze parti di DeepSeek Harness tramite storage compatibile S3, con anteprima delle differenze, snapshot locali, rollback e sincronizzazione facoltativa della configurazione del provider LLM.

Legge il flusso degli eventi di sessione senza ulteriori chiamate al modello e trasforma correzioni, errori e soluzioni in proposte di apprendimento in sospeso. Ogni proposta è valutata secondo criteri scritti e spiega il motivo dell’approvazione o del rifiuto. Solo la conferma scrive una skill, esclusivamente tramite l’unico writer convalidato `learn_skill_manage`. Un curator attivo nei tempi di inattività marca obsolete le skill inutilizzate e le archivia spostandole anziché eliminarle, preservando quelle ancora caricate. Registra cinque strumenti (`learn`, `learn_review`, `learn_curator`, `learn_skill_manage`, `learn_skills`), una sezione prompt con i criteri e una guard che rifiuta modifiche dirette ai file skill per impedire di aggirare il writer.

Collega DSH a un archivio MemVault locale: inietta i blocchi di memoria principali nel system prompt, estrae i turni conclusi tramite la pipeline propria di MemVault e offre un pannello per consultare, tracciare, rivedere e riprodurre quanto salvato.

Preset di intensità di ragionamento per modelli di terze parti: 16 profili provider/modello con valori wire personalizzati per modalità, scritti in dsh-llm-pi-ai dopo pre-validazione e rifiuto per regola. Passaggio per modello tra OpenAI Chat Completions, OpenAI Responses e Anthropic Messages con raggruppamento automatico delle route. Pulsante Optimize nel compositore e sezione impostazioni riscrivono il testo con il modello scelto.

Consente a un modello DSH di ispezionare e usare applicazioni Windows tramite un runtime Codex Computer Use installato, con approvazione dell’app per sessione.

Recupera articoli per DOI o parola chiave: ricerca Crossref/OpenAlex, download PDF in batch tramite otto mirror Sci-Hub con fallback open access via Unpaywall, controllo magic byte PDF, concorrenza limitata e manifesto HTML cliccabile per gli articoli non scaricati.

Avvolge la libreria Python Scrapling in fino a 19 strumenti modello, registrati in base alle capacità rilevate: browser reale per pagine solo-JS; estrazione CSS/XPath che restituisce dati, non Markdown; selettori autoriparanti; sessioni riutilizzabili con login; cattura XHR; screenshot; azioni browser controllate; crawler limitato al dominio con modalità content/sitemap/feed/Shopify sul backend ufficiale dei job. Può sostituire web_fetch / web_search e servire la stessa tabella via MCP. Richiede Python 3.14+ e Scrapling installato. Gli strumenti browser richiedono Chromium per patchright; una CLI facoltativa lo installa solo su macOS arm64.

Trasforma un NAS ZSpace (极空间) in strumenti nativi per l’agente: list/stat/search/read/download/upload/write, creazione cartelle, rename/move/copy/delete. Funziona tra reti tramite relay del client desktop, senza LAN, WebDAV o SSH; sulla stessa rete passa automaticamente al trasporto WebDAV diretto più veloce. delete richiede esplicitamente confirm: true. write/upload/create-folder/rename/move/copy sono diretti; zspace_write sovrascrive un file omonimo salvo overwrite: false.

Workbench a tre finestre per dsh web: chat, costruzione e revisione in sola lettura affiancati per workspace, con hook per finestra. La revisione anonima multi-modello chiede conferma prima di partire, raggruppa i rilievi per problema e produce Markdown.

Apre la side chat DSH in una finestra desktop Windows senza cornice e sempre in primo piano sopra ogni app. Settings dedicate ad aspetto, pin, geometria ricordata, opacità, thread effimeri e pulizia cache.

Server MCP per progetto: dichiarati nei documenti del progetto (`.dsh/mcp.json` per default; elenco file locali/globali in Settings), montati solo nelle sessioni di quel progetto dal primo turno e rilasciati quando inattive. Sidebar/Settings mostrano progetti attivi, stato dei server e sessione di ogni mount; offrono `Sync`/`Retry`/`Release`, `enabled` e modifica di una voce esistente. Policy per progetto (`disclosure`/`direct`/`off`), pin e `mcp_search_tools` decidono cosa vede il modello. `${VAR}` risolte tramite `.env` e file credenziali; contatori server persistenti oltre la sessione.

Plugin DeepSeek Harness che dispone in verticale gli elementi del piè di pagina laterale, uniforma lo stile delle schede e permette di riordinarle trascinandole.

Preset provider con solo inserimento della chiave: un plugin scrive in DSH, con un clic, i percorsi ufficiali llm-pi-ai e le credenziali di 50 canali; configura anche Tencent WorkBuddy, OpenCode (chiave nel relativo auth.json) e cc-switch tramite CLI. Il nucleo in JavaScript puro è riutilizzabile in altre app.

Un gruppo Feishu privato per ogni workspace DSH, con sincronizzazione bidirezionale dei messaggi in tempo reale.

Mantiene la documentazione del progetto in DeepSeek Harness allineata alle decisioni: registro decisionale append-only e snapshot di progettazione derivato sono aggiornati in-process, non tramite un processo hook.

Preferenze regolabili per il motore ufficiale di compattazione dsh (soglia, conservazione, modello/ragionamento del riepilogo, compattazione a fine turno), import di modelli llama.cpp in Models e supporti per schede/notifiche (favicon di stato).

Controlla un Chromium già aperto (Chrome, Edge, Brave, Vivaldi, Opera, Chromium, Arc o Thorium) tramite una connessione CDP persistente, chiedendo una sola volta l’approvazione del remote debugging. Comandi per schede, navigazione, JS, snapshot DOM, clic, digitazione, screenshot e assertion CSS/DOM/pixel passano da una route HTTP loopback chiamata con il shell tool già disponibile. Nessun nuovo strumento registrato; include usage skill, zero dipendenze runtime.

Porta in cima alla barra laterale gli workspace con sessioni che richiedono attenzione: in attesa di te, in esecuzione, completate ma non aperte, solo lette. Mostra barra di stato, superficie e titolo colorati e un solo impulso alla fine. Usa i token del tema attivo; tre durate di promozione si impostano in Settings.

Sostituisce l’esecutore pwsh del profilo Web con una sottoclasse che applica `rtk rewrite` a ogni comando prima dell’esecuzione per risparmiare token. Se non esiste equivalente, manca rtk o scade il timeout, esegue invariato il comando originale e preserva la semantica del sandbox.