Plugin

Accesso ai database da DeepSeek Harness tramite il server MCP DBHub: configura connessioni MySQL, MariaDB, PostgreSQL, SQLite e SQL Server per workspace/ambiente; l’agent configura, elenca, interroga e cerca oggetti SQLite con quattro tool fissi. Password e stringhe complete si inseriscono solo nella Settings UI, mai come argomenti tool; il model vede solo metadata come mysql://host:3306/db. Ogni ambiente può essere read-only (il model può attivarlo ma non rimuoverlo) o raggiunto tramite tunnel SSH manuale. Ogni chiamata avvia un processo dbhub breve e installa dbhub se manca.

Kit di ricerca e pianificazione per il sito tutorial di modding Minecraft BeiShan Besson: 7 tool cercano tra 194 tutorial indicizzati, pianificano percorsi di apprendimento, confrontano ambienti versione e recuperano il testo degli articoli.

Fa funzionare web_fetch con Clash/mihomo in TUN e fake-ip: consente agli intervalli 198.18.0.0/15, fdfe:dcba:9876::/64 e 2001:2::/48 di superare il controllo degli indirizzi pubblici; loopback, privati e link-local restano bloccati. Nessuna variabile proxy o modifica a Clash.

Preset agente di viaggio per la Cina continentale con risposte in cinese: disponibilità 12306, prezzi voli/hotel Fliggy/Tuniu e percorsi Amap, verifica chiusure e meteo e crea un roadbook HTML offline con mappe trascinabili, tre fasce prezzo hotel e budget dettagliato. Include 9 skill, diagnosi per API key mancanti e patch del server MCP 12306. Pianifica e consulta, ma non prenota né paga.

Nucleo: envelope, firma, handshake, idempotenza e archiviazione su disco.

Esegue un’istruzione su tutte le macchine Windows/macOS online, tra reti e aree geografiche. Un relay senza dipendenze comunica solo tramite connessioni in uscita (Tailscale, VPS pubblico dietro TLS o tunnel). Ogni macchina esegue nel proprio checkout e restituisce commit, fingerprint del working tree e hash del comando; una divergenza d’ambiente è “non verificabile”, non un risultato diverso. L’invio richiede un operator token distinto dal device token per macchina.

Usa il sottosistema WSL come ambiente di esecuzione delle sessioni DeepSeek Harness: shell, lettura/scrittura di file e comandi restano nel sottosistema; selettore cartelle e terminale GUI usano anch'essi i percorsi WSL. bubblewrap nel sottosistema isola i comandi.

Ispettore Skill di sola lettura per DeepSeek Harness. Separa i caricamenti reali (solo prove osservate) dalle Skill rilevabili e la dichiarazione dall’esecuzione. Stati declared/observed/unavailable: senza prove, “non osservato”, non “non eseguito/attivato”; non attribuisce risultati alla Skill. Validazione e valutazione separate; confronta casi ripetibili senza voto. Prova should-trigger/should-not-trigger in una nuova sessione reale e distingue chiamata modello/richiesta esplicita (/name non è trigger naturale). skill_review read-only restituisce un pacchetto strutturato e segnala omissioni. Calcolo locale da definizioni/ricevute. Cinese: modello host solo su richiesta, fences/percorsi/frontmatter conservati in locale. La copia non modifica la fonte né esegue script.

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.

Ambienti di esecuzione per progetto per DeepSeek Harness: adotta o crea automaticamente un venv Python locale al progetto (.venv_local/python) e collega toolchain e variabili d'ambiente dei runtime usati da ciascun progetto (python venv / node / go) — python e pip si risolvono sempre sul progetto, mai silenziosamente sul Python di sistema.

Automazione desktop Windows per DeepSeek Harness: ciclo observe/act con priorità all'accessibilità e 30 strumenti standard (target elemento/coordinata, instradamento strategia auto/a11y/event), semantica di sicurezza con osservazioni sostituite e senza replay, interruttore di spegnimento persistente, protezione da obsolescenza RuntimeId/rect-drift, schede chat e pannello flottante (operazioni live, muro di frame, impostazioni di auto-rilevamento ambiente), descrizione visione a piastrelle per modelli a bassa risoluzione, registro di audit JSONL e lista di autorizzazione pid. Richiede Windows 10+ e Python 3.9+ con uiautomation e pillow (installabili dalla pagina delle impostazioni).

Gestore ambienti uv nativo per DSH: crea, sincronizza ed esegui virtualenv Python dalla scheda impostazioni, con fallback pip, visibilità conda in sola lettura e anteprima sincronizzazione progetto in dry-run.

Aggiunge uno strumento net_doctor che riporta l'ambiente proxy, NODE_USE_ENV_PROXY e la raggiungibilità della DeepSeek API e del registro npm, e imposta NODE_USE_ENV_PROXY sui processi figlio di bash e npm.

Quarto preset di permessi per dsh: sessioni senza restrizioni e con GPU (danger-full-access) con approvazione utente per singola operazione per scritture fuori dal workspace o su percorsi protetti (.git/**, .env*); implementato solo come bundle sopra l'hook ask ufficiale tools/pre-execute, senza modifiche al core.

Scoperta di plugin dsh basata sui requisiti e recipe ambienti: plugin_guide abbina esigenze in linguaggio naturale a una directory di plugin curata con motivi e comandi di installazione; recipe installa interi setup (famiglia di notifiche, set di audit di sicurezza...) da bundle della community inclusi con piani ordinati.

The judgment layer for DeepSeek Harness plugins: attribute why a plugin silently disappeared, judge a candidate against your exact environment, and keep a capability ledger. Offline, read-only, evidence-first.

Registers one tool, report_health, that answers whether a scheduled report job actually ran. It judges by side effects rather than exit codes: how old the newest report folder is, how many documents it holds, whether more than one report category is present, whether the audit ledger was synced recently, and how long ago the last log was written. Exits nothing, calls no model, and reads only local paths you can override by config or environment variable.

Self-narrative memory in five budgeted segments (800 chars, not a full context): a first-person note the model writes to itself, a profile of you aggregated from approved facts, environment facts kept separate from who you are, heat-ranked conclusions, and habits. Every injected fact is traceable to a fact id and can be retired; the profile can be edited by hand, and self-notes stay plain lines you can clear. Facts fade by use and time without ever changing their credibility. Preference-like lines you say are auto-detected as candidates (never auto-approved), with conflicts kept side by side. Recall over past conversations with citations, an incremental index that only decodes newly appended frames, a pointer-required warm layer, a doctor that says which part is broken, a heartbeat proving injection is alive, and export/import so the whole thing moves to another machine.

Usa host SSH e distribuzioni WSL come workspace DSH remoti, configura l'ambiente, trasferisce le impostazioni del modello e incorpora localmente l'interfaccia remota.

Pipeline per libri di testo scansionati: OCR a circa 5 volte la velocità di ONNXRuntime (richiede Python 3.10+ con pymupdf, rapidocr, openvino e numpy), quindi crea un report strutturale e un piano di lettura per capitolo prima di aprire il PDF.

Informazioni di sviluppo locale per Harness: controlli di ambiente e runtime, git status/diff/log/commit, snapshot alla scrittura con ripristino per versione e verifiche progetto per Node, Python e Go.

Registra Brave come provider web_search. Recupera l’API key dal DSH credential store, da $DSH_HOME/.credentials.yaml o dall’ambiente. Nessuna scheda impostazioni né motore di fallback: una richiesta alla Brave Web Search API per ricerca.

Registra un provider QwenWork (千问办公) riutilizzando il login locale del client desktop. Esegue un bridge compatibile OpenAI limitato al loopback 127.0.0.1 e traduce le richieste del modello DSH nel protocollo conversazionale con busta di controllo in stile ACP effettivamente usato upstream.

Pannello 护航 nell’intestazione sessione attiva/disattiva il watchdog locale dsh-guard e mostra scansione, stato del guard e ultimo controllo. Il watchdog Python si distribuisce separatamente e si trova tramite DSH_GUARD_ROOT. Percorso Windows predefinito D:\AI\Projects\dsh-guard; impostare la variabile per un’altra cartella.