Plugin

Pannello di anatomia per gli organi di Agent-Body: fornisce una dashboard dei parametri vitali in tempo reale su /anatomy all'interno dell'harness stesso — organi, battito, registro di guarigione, contatori di auto-addestramento e il flusso di impulso reale — letti direttamente dai file di runtime anziché ridigitati. Solo host, senza bundle client e senza fase di build.

Un secondo cervello autonomo per DeepSeek Harness — cattura automaticamente conoscenze di dialogo durature in un vault Markdown locale (dedup personalizzato, ricerca CJK, compatibile con git), con una base di conoscenza grafica e un grafo della conoscenza interattivo (filtro legenda, colorazione per dimensione temporale, selezione a riquadro, unione, eliminazione, esportazione/importazione PNG).

Shell UI mobile per la Web GUI di DSH: trasforma il layout desktop a tre colonne in un layout telefonico touch-friendly (cassetti sovrapposti, FAB trascinabile, finestre di dialogo a schermo intero, cronologia a scorrimento infinito) sotto un viewport di 1024px, senza impatto sul desktop. - PWA mobile completa per DSH, costruita su dsh-mobile-gate: gateway di accesso remoto sicuro più installazione sulla schermata iniziale (manifest + service worker), funzionalità offline, gesti touch (pull-to-refresh, swipe dal bordo per tornare indietro, pinch-zoom del carattere), notifiche push di agente completato e layout touch-first — desktop non influenzato.

OMK — Osserva. Misura. Conosci. Modifiche della knowledge supportate da evidenze per applicazioni AI.

RAG per una knowledge base bibliografica locale: 10 strumenti (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), ricerca ibrida BM25+vector+reranker, QA con citazioni e link DOI cliccabili, embedding bge interamente locali su un indice SQLite in un singolo file. Richiede Python 3.9+ con pymupdf, faiss-cpu e sentence-transformers; l'installer `npx dsh-kb-rag-install` li configura e pre-scarica il modello.

Contesto di business knowledge-network per DeepSeek Harness: collega una sessione a una rete di conoscenza OpenBKN, interroga i suoi oggetti e metriche tramite strumenti MCP gestiti e apre la provenienza con tracce (fatti di esecuzione e un grafo di business) per ogni risposta. Fornito con OpenBKN Runtime; le viste di provenienza richiedono una licenza enterprise OpenBKN.

Analizza l'utilizzo tra modelli, provider, spazi e periodi, con date personalizzate su tutta la cronologia, cache-hit visibile e ripartizioni per modello e provider. Include trend orari/giornalieri, heatmap di 53 settimane in stile GitHub, serie, anelli di quota token per modello e spazio (token, costo, %), filtri combinabili, efficienza della cache, saldo DeepSeek, alias degli spazi, export CSV e un registro durevole che conserva l'utilizzo dopo la cancellazione di sessione o spazio (riga Deleted) e si ricostruisce in modo incrementale. Il registro degli spazi si aggiorna via sonda DSH domain/changed; contano solo gli spazi registrati. Contabilità separata di input, cache e ragionamento. Cinese: ora locale; inglese: UTC; API solo loopback.

Bridge per ShiGuang Memory Engine (SGME): memoria a lungo termine condivisa multi-agente via HTTP — distillazione L0/L1/L1.5/L2, iniezione basata su scenario, ricerca unificata e segnali proattivi di cura (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), installabile come `dsh-sgme`

Plugin per DeepSeek Harness che trasforma i giudizi Jev in tre azioni automatiche — potatura dell'output dei tool troppo grande ai segmenti rilevanti per la richiesta, filtraggio delle pagine recuperate in cerca di istruzioni rivolte al modello e scelta della skill adatta al passo successivo — più i tool jev_ask e jev_gate, un registro dei giudizi che sopravvive ai riavvii e un report /jev-status. Richiede una chiave API TypeSafe; senza, resta inerte e non invia nulla.

Pet da scrivania disegnato dal profilo ufficiale della balena, sia per l'app desktop sia per la UI web: animazioni SVG ed espressioni del volto seguono lo stato dell'agente (sta pensando, sta lavorando, finito, errore, in attesa di conferma) e può seguire le altre sessioni in esecuzione con un badge di conteggio; toccalo, trascinalo, scuotilo fino a fargli girare la testa, schiacciato contro il bordo dello schermo o passa il cursore sulla sua testa per una carezza; 7 palette, 4 dimensioni, suoni sintetizzati, sincronizzazione del tema chiaro/scuro e un'anteprima web giocabile.

Ciclo di autoaffinamento continuo: memoria persistente, revisione e affinamento periodici, conoscenza condivisa tra sessioni e rollback automatico tramite uno strumento harness_refine richiamabile dal modello.

Base di conoscenza come canvas nella barra laterale destra: le note sono nodi e 9 strumenti consentono al modello di leggerle, scriverle, collegarle e rimuoverle. I nodi possono contenere immagini e documenti; la lettura restituisce il testo ed estrae i file Office sul posto, mentre le immagini vengono passate come immagini.

Riunioni rotonde visuali per DeepSeek Harness — nodi esperti su un anello con archi diretti, gateway di aggregazione, thinking proxy per modelli worker black-box e revisione avversaria (red-team) dei piani definiti con endorse/reject per ogni punto di vista.

Skill di code review basata su template: flusso di revisione in cinque fasi, classificazione per gravità (critica/media/minore), punteggio quadridimensionale (qualità, sicurezza, prestazioni, manutenibilità), output doppio in testo e HTML e knowledge base di riferimento on-demand.

Banco design: HTML in cornice dispositivo, aggiornato ai cambiamenti; server locali via proxy mantengono hot reload. Clic/trascinamento invia selector, sorgente e stili. Estrae il design, modifica schermate/CSS, genera React/Vue/Next.js/HTML e confronta i pixel. Strumenti: `preview_page`, `check_design`, `look_design`, `extract_design_system`, `handoff_design`, `compare_design`. `check_design` misura alla dimensione reale in Chrome/Edge locale nascosto; rileva sovrapposizioni, errori script, risorse mancanti, link rotti e problemi contrasto/dimensione (file/riga CSS), catturando i casi gravi. Design mode con interruttori in Plugins. Da remoto, file locali in sandbox frame.

RAG di base di conoscenza letteraria locale per DSH: ricerca ibrida BM25 + vettoriale su un indice SQLite, reranking con cross-encoder, risposte citate con provenienza a livello di sezione e pagina, aggiornamento dei soli metadati e ingestione in background con polling del progresso.

Livello di integrazione nativo DSH per il motore di memoria Minta: compone la riga ufficiale dsh-mcp-client, registra la skill minta-memory-governance più un prewarm della memoria all'avvio della sessione, e fornisce un preset agente Minta; richiede il motore Minta distribuito separatamente (Python/Docker) per fornire i 19 strumenti MCP — non utilizzabile senza di esso.

Un motore di scrittura per web novel per DeepSeek Harness: stesura in parallelo, scaletta e brainstorming con una chiave DeepSeek separata, gestione di lore e presagi narrativi, recupero vettoriale semantico, una libreria di corpus, un registro di utilizzo, correzione di bozze meccanica e un piano di serializzazione locale.

Ricerca su Zhihu, tool per agenti, basi di conoscenza e tracciamento dell'utilizzo per DeepSeek Harness.

Base di conoscenza generica per DSH: importazione di md/txt/json/yml/docx/pdf, gestione delle cartelle, ricerca full-text FTS5 (BM25) e un'interfaccia web di amministrazione.

Bridge Windowseat per DeepSeek Harness: un plugin host locale espone un endpoint loopback HTTP/SSE affinché l’estensione laterale Microsoft Edge inclusa legga la pagina corrente, cerchi file locali e comunichi con DSH. L’estensione Edge è nello stesso repository ma va caricata separatamente. Richiede Windows 10/11 ed Edge desktop.

Banco di lavoro per la scrittura di romanzi in DeepSeek Harness: dai pollice in su o in giù sui passaggi candidati e il modello li distilla in un breve profilo di preferenze che viene portato nelle chiamate di scrittura successive, mentre il manoscritto resta fuori dal contesto di scrittura. Aggiunge una lavagna dei capitoli, pacchetti di scrittura per capitolo, revisione limitata alle annotazioni che riscrive solo il paragrafo annotato e verifica il resto byte per byte, un registro del progetto e controlli di ritmo locali.

Aggiunge un pannello di impostazioni multiutente al client web DSH: selezione della modalità d'uso, gestione dei membri con stato online e associazione dei dispositivi, e cambio o condivisione delle basi di memoria e conoscenza per ciascun membro.

Knowledge base di team per la condivisione di conoscenza offline (scenario FDE box): punti di accesso per navigazione, ricerca full-text e raffinamento; il materiale grezzo viene accodato automaticamente e distillato in pagine wiki da una sessione bot seriale (modello Karpathy LLM Wiki: materiale grezzo immutabile, raffinamento in due fasi, flusso di log, lint mensile).