Plugin

Generazione automatica di unit test: un comando /testgen e uno strumento generate_tests che creano l'impalcatura, eseguono e correggono i test finché non passano (generatori LLM + template offline; vitest/jest/mocha/node:test).

Pianificazione delle attività con memoria muscolare dell'esperienza: richiamo a riflesso condizionato di soluzioni passate, corrispondenza delle capacità dell'LLM e lezioni salvate automaticamente.

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`

Task-driven plugin equip engine: dual retrieval (curated rules + LLM semantic), combo scoring (synergy/conflict/cost/trust), conflict detection and install-command export.

Durable citation-thread learning companion for DeepSeek Harness conversations

LLM auto-approval for sandbox escalation requests, with presets and a fail-closed fallback.

Unified LLM request/response inspector: reasoning-effort tuning, external-think export, traffic & bundle analysis.

Multi-agent math problem-solving & verification framework: brainstorm → solver iteration → multi-verifier debate → Verified knowledge base, with checkpoint resume and manual/auto intervention (also ships as an agent preset).

Per-subagent LLM provider/model selection with role templates.

LLM provider that runs the locally installed Claude Code CLI as the model backend, so requests go through an existing Claude subscription instead of a metered API key; native tool calls are bridged over MCP.

Al termine di ogni turno del modello, un LLM genera 3 suggerimenti critici di follow-up mostrati come chip da inviare con un clic

Catene di fallback automatiche tra provider/modelli per gli agenti DeepSeek Harness quando le richieste all'LLM continuano a fallire (retry esauriti, autenticazione, quota, limite di frequenza).

Scheda flottante trascinabile che mostra il saldo/quota dei provider usati più di recente (DeepSeek/Moonshot/Kimi For Coding): rilevamento automatico, livelli colorati, aggiornamento in tempo reale

Il selettore di modello per DSH: puntalo verso qualsiasi endpoint compatibile con OpenAI, con preset curati di provider DeepSeek gratuiti/economici e fallback automatico quando un livello gratuito applica limitazioni di frequenza

Bridge di visione nativo del provider LLM: le immagini incollate in chat vengono descritte da un modello di visione (Qwen3-VL via pi-ai/llama.cpp) e la descrizione testuale viene passata a DeepSeek solo testo per la risposta — ammissione delle immagini, instradamento e compattazione avvengono tutti tramite meccanismi nativi dell'harness, con una cache LRU delle descrizioni e retry sui 503

DSH 插件：把网页大模型接入 Agent 工作流——真实浏览器驱动，支持代码审查、翻译、红队等多种角色。

OpenCode Zen free models provider for dsh

Contract regression harness for plugin authors: a scripted LLM adapter drives the real pipeline in isolated child processes with session-event assertions (load/contract/behavior/fault layers); zero API key, CI-ready.

Enhanced ACP server for DeepSeek Harness: block & reasoning streaming, usage telemetry, model/effort switching, permission presets, session resume/archive, per-session MCP servers, and Zed file/terminal forwarding.

Surveys local code and GitHub/npm for reusable implementations before development, evaluates reuse versus rewrite, and checks architecture coupling.

GPT plans dependency DAGs, DeepSeek workers execute tasks with adaptive parallelism, and an optional GPT reviewer audits incremental Git diffs and drives repair rounds.

Adds persistent execution contracts, recursive work graphs, critical clarification, and evidence gates for long or underspecified Harness tasks.

Vision-augmented DeepSeek adapter: a vision-capable model describes image input, then a text-only DeepSeek model reasons over the description.

Faithful port of the hermes-agent MEMORY.md / USER.md mechanism for DSH: bounded dual-bank memory (2200/1375 chars), a single `memory` tool (add/replace/remove/batch), frozen-snapshot injection per session, nudge reminders, DSH-native JSON storage — zero external dependencies, zero LLM cost.