Plugin

Compressione del contesto a fotogrammi bitmap per DeepSeek Harness: la cronologia scartata viene resa in frame PNG con font pixel per modelli con capacità vision.

Programma messaggi per una chat dsh: pulsante Schedule con selettore di data e ora e pannello laterale delle attese tra chat. La consegna avviene come normale messaggio utente anche a browser chiuso. Gli strumenti schedule_message, list_scheduled_messages e cancel_scheduled_message permettono al modello di tornare autonomamente nella chat.

Plugin DSH di selezione automatica del livello di ragionamento: il modello Jev System One valuta quanto pensiero merita ogni messaggio, il livello è dedotto da quanto dichiara il modello, una busta di contesto fa ereditare la profondità del tema ai follow-up come «continua», i pareggi si risolvono verso l'alto e ogni errore mantiene in silenzio il livello precedente. | Sforzo di ragionamento per messaggio guidato da Jev: scale per modello derivate da quanto ciascun modello dichiara, busta di contesto a dimensione fissa, pareggi risolti verso l'alto, fallback silenzioso su ogni percorso di errore.

Compressione del contesto per modelli con finestra ridotta: imposta visivamente il budget compresso, con 8k di handoff + 16k di contesto recente predefiniti. L’intera cronologia resta ricercabile.

Aggiunge Explain alla scheda di approvazione: una chiamata al modello restituisce esattamente tre righe su operazione in sospeso, file o stato di sistema letti/scritti/modificati/eseguiti e verdetto rischio/attenzione/sicuro con una frase di motivazione. Mostra anche i dettagli delle chiamate write/edit che il renderer lascia vuoti perché legge solo il campo command.

Fork mantenuto di dsh-approval-gate. Se un’operazione neutra raggiunge la soglia di conferme e il judge non è disponibile, viene approvata automaticamente senza richiedere di nuovo l’intervento umano. Le spiegazioni per chi approva sono generate in cinese dal modo sandbox, comando e percorsi reali. Include inoltre diniego deterministico di esfiltrazione credenziali e distruzione di percorsi di sistema, mascheramento dell’input del judge, catena di modelli judge, regole per fingerprint e vista con diff unificato e ripristino in un clic.

Rileva il degrado dell'output in DeepSeek Harness (loop di ragionamento, ripetizioni), valuta il costo tra continuare e passare il lavoro e crea documenti di handoff senza chiamate al modello.

Inbox personale per gli appunti in DeepSeek Harness (dsh): /inbox nel composer o pannello laterale salva link, immagini, testo e credenziali in un vault locale. Classifica prima con regole locali, poi con un modello a frequenza limitata; consente consultazione, ricerca e modifica. L'assistente recupera le voci su richiesta in chat; i segreti sono cifrati a riposo. Sync opzionale di voci e allegati via WebDAV/S3. Per ora solo Windows.

Monitor attività e chat remota per DeepSeek Harness. Da una pagina ottimizzata per smartphone controlla sessioni, job in background, subagent, cicli goal, workflow e approvazioni in sospeso; chatta con qualsiasi sessione con risposte in streaming, avanzamento strumenti, stop in ogni momento e cambio sessione/modello. Include anche un pannello laterale GUI.

Interpone tre strumenti router (list_capabilities, describe_tool, call_tool) ai server MCP stdio, caricando gli schemi su richiesta invece che in ogni chiamata. Modella ogni risultato con una sequenza deterministica e archivia prima l'originale (retrieve_spill lo recupera); assegna costi in token ai gruppi e può nascondere gruppi integrati per agente. Si collega a un router Python della libreria standard; richiede Python 3.9 o successivo.

Un controllo nativo dello sforzo di ragionamento per il composer: una barra a livelli dal blu al violetto con campo stellato e un riflesso scorrevole. Occupa il posto del modello e pilota il servizio ufficiale model-directories, quindi la scala deriva dalla dichiarazione di ragionamento di ogni modello e non serve nessun altro plugin.

Fallback per compaction-basic: se il riepilogo LLM genera un errore, è vuoto o non entra nella finestra, compila deterministicamente lo span con un puntatore seq per riga (compilatore dsh-compaction-instant incluso). Aggiunge strumenti recall/search, comandi /recall e /context, trigger inattivo al 45% della finestra e archivio span su disco. Il motore si monta come una riga nel preset agente (docs/dsh-integration.md).

Inietta modelli per rifinire i prompt in DSH: clicca ✨ nel composer per inserire il modello “migliora il mio prompt” con la bozza corrente. Non invia, non usa la rete né chiama un modello; l’agente principale riscrive con tutto il contesto. Migrazione da narrative-prompt-polish (2026-09-14).

Mostra una traduzione cinese sotto ogni blocco di ragionamento inglese nella chat Web DSH, senza modificare la trascrizione. Include cache per segmento, modello configurabile e pannello impostazioni.

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.

Legge ad alta voce ogni risposta con una pagina impostazioni multi-provider: MiniMax o qualsiasi endpoint `/audio/speech` compatibile con OpenAI, selezione di voce, emozione, velocità e modello e opzione di lettura automatica.

Memoria progetto DSH: crea PROJECT.md, DECISIONS.md e SESSIONS.md al primo passaggio di ogni sessione workspace; li rilegge dal disco e reinserisce solo se cambiano o vengono persi nella compattazione. memory_checkpoint classifica i dati; promemoria limitato per lavoro non registrato. memory_read legge log e archivio; memory_search cerca con BM25 senza dipendenze. Limite 200 voci: l’eccedenza in SESSIONS-archive.md non entra nel contesto, ma resta consultabile, ricercabile e ripristinabile voce per voce. Impostazioni: filtro workspace/percorso, schede sola lettura, ricarica, JSON import/export per workspace, cancellazione in due fasi, modifica/rimozione blocco AGENTS.md, avviso PROJECT.md obsoleto. Sync; crea al clic. Nessuna dipendenza, DB vettoriale, embedding o chiamata 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.

Memoria DSH a livelli tra sessioni: prima inietta tutte le voci attive, poi solo le modifiche e nulla se non cambia. Escludere chiavi che ripetono l’ID riduce la base di circa il 26%. Fatti/decisioni usano chiavi semantiche (una verità attiva per chiave); il modello scrive solo in un inbox promosso da una persona. La data di revisione avvisa una volta. Ricerca per rilevanza, diari con peso minore, cinese con bigrammi. La sidebar raggruppa in attesa/in uso/archiviate per tema umano a un livello, tipo, tag e data; gestione batch e rinomina/ricerca globale dei temi. Archivio per motivo, temi chiusi fino all’apertura, voci senza tema sotto. Mostra istruzioni globali/workspace e dimensione iniettata. CLI senza dipendenze funziona senza DSH.

Editor delle capacità dei modelli: modifica inline i livelli reasoning-effort e la dichiarazione di input immagini (multimodale) nella pagina ufficiale, riscrivendo l'intero gruppo in settings.yaml. Un accesso flottante fa da fallback se l'ancora non funziona.

Pulizia dell’unità di sistema Windows (C:) per DSH: scansione basata su regole, cinque livelli di sicurezza, area di staging con registro di ripristino, elevazione UAC e migrazione su un altro disco, tramite strumento modello e pannello GUI Web.

Intelligenza multilingue della base di codice per IDE compatibili MCP, la CLI e DeepSeek Harness: chat, ricerca, audit, refactoring e report pronti per il board dal codice locale.

Strumenti SSH per file visibili al modello: read_remote, write_remote, edit_remote. Legge file UTF-8 remoti a pagine numerate, crea file nuovi rifiutando destinazioni esistenti (nessun ramo di sovrascrittura) e applica sostituzioni letterali con corrispondenza unica. Un solo campo «alias:path», con alias da ~/.ssh/config.

Ambitazione MCP per workspace per il DeepSeek Harness — decide quali server MCP una sessione può vedere a partire dalla directory in cui è stata aperta.