Plugin

Aggregazione di modelli gratuiti per DeepSeek Harness (dsh). Registra il provider freeroute su un pool di quote upstream gratuite (OpenCode Zen / B.AI / OpenRouter / SenseNova integrati, più cataloghi remoti e gateway personalizzati) con failover trasparente.

Plugin DSH autonomo con 21 strumenti di governance del ciclo di vita in sola lettura: classificazione delle attività, verifica di stato/piano/evidenze, precontrollo e aggregazione dei gate, audit di rilascio/installazione, analisi di contesto e avanzamento, percorso critico, riconciliazione alla ripresa e anteprima delle modifiche che nega sempre l’esecuzione. Si installa da npm come `@240xu/dsh-tech-lead`.

Barra statistiche Composer per DSH Web UI: prezzi ufficiali in CNY con fasce di punta/fuori punta sincronizzate, contabilità per modello, timer attivi, unione dell’albero dei subagenti, saldo DeepSeek, avvisi di budget e stima dei costi durante lo streaming.

Scoperta, valutazione, suddivisione in livelli e routing dei subagent adattivi per DeepSeek Harness.

Routing di modelli free-tier per DeepSeek Harness (dsh) — scopri i modelli free di OpenRouter, applica il miglior modello free come predefinito dell'agente, ruota automaticamente al raggiungimento dei rate limit; la configurazione a pagamento resta intoccata salvo richiesta.

Skill per la ricerca di prodotto: analizza mercato, tecnologia e catena di fornitura, quindi produce proposte di specifiche di prodotto su tre livelli.

Saldo dell'account DeepSeek e tracciamento dei costi dei modelli con i prezzi ufficiali di punta/off-punta, fatturazione dei token a tre livelli (cache miss, cache hit, output), suddivisioni per modello e per sessione, una barra di riepilogo nel composer con dettagli al passaggio del mouse, esportazione CSV e un pannello di impostazioni.

Routing dei modelli a livelli per DeepSeek Harness: livelli think/build, delega alla visione (il modello di visione descrive solo le immagini; il modello di lavoro agisce), generazione di immagini e una guardia ad alto impatto.

Guardia dei permessi con auto-approvazione: un livello intermedio tra workspace-write e danger-full-access — consente automaticamente le operazioni sicure nelle directory attendibili e chiede sempre conferma a un operatore umano per quelle distruttive, con 11 interruttori per categoria e un registro di controllo.

Gate di scrittura per impegni: regole redatte dall'operatore applicate prima dell'esecuzione di una chiamata a strumento — un livello di guardia deterministico e un livello giudice LLM, fail-closed per impostazione predefinita, con ogni blocco registrato in un log delle contraddizioni.

Menziona un server con @ in una sessione di DeepSeek Harness ed esegui comandi su di esso via SSH, dietro un cancello di approvazione a due livelli che fallisce in modo sicuro (fail closed).

Una lista Plugin elevata per le Impostazioni Web di DeepSeek Harness — livelli di fiducia, gruppi collassabili e dettaglio completo per plugin

Protocollo di collaborazione multi-agente indipendente dal progetto per DeepSeek Harness: guardie di ciclo che fermano i cicli di agenti fuori controllo, un formato di passaggio a sei campi, routing delle revisioni per livello di rischio e una sequenza fissa verify→commit→push→review→close. Una skill invece delle stesse regole copiate nelle istruzioni di ogni agente.

Raggruppa segnali da arXiv, laboratori di prima parte, artefatti ufficiali, produttori hardware e X con consenso in bundle di prove versionati, e vincola la riproduzione a livello di affermazione a comandi, artefatti, metriche e verificatori.

Router di modelli a due livelli per DeepSeek Harness — instradamento con LLM-Judge, catene di fallback multi-modello, failover con backoff esponenziale e orchestrazione a livello di task (adattamento DSH di pi-shift-router)

Un livello di permesso intermedio per DeepSeek Harness tra workspace-write e danger-full-access: approva automaticamente i comandi innocui e le operazioni destinate ad aree attendibili configurate, al di là del workspace corrente

Scheduled daily toast popups summarizing yesterday's conversations and managing two-tier pending TODOs.

Keep conclusions alive across context compaction: the model writes a task checkpoint and the plugin re-injects it into the system prompt's first node — the span compaction never touches, so it survives any number of compactions. Four-tier injection (0/95/175/≤12000 chars) scales with session relatedness; checkpoints live in the plugin's own folder, never in your workspace.

Drives the OpenCode client already installed on your machine through its loopback opencode serve API, so its free-tier models work in DSH — the child process starts on first use, and OpenCode executes no tools of its own: a call it proposes is handed to the DSH tool of the same name and run there, or refused when there is no equivalent. No API key is needed.

An Auto toggle next to the model selector that schedules reasoning_effort per request: complexity is scored by a MiniMax/OpenAI-compatible model with a zero-dependency heuristic fallback (fallbacks not cached), effort ladders adapt to each model real effort list (low/high/max, low/high/highx/max/ultra, ...), heavy tool calls upgrade the tier within the same session, the lit button and reply badges show the effort actually used, and every decision plus observed token usage lands in a JSONL ledger. A standalone-button fork of imkingjh999/dsh-adaptive-effort; do not install it and the original in the same profile.

Switch OpenAI models between Codex-style Responses WebSocket transport and SSE from the composer, inheriting DSH provider settings with an optional priority-tier toggle.

Five-tier reasoning protocol injected into the system prompt — off / light / standard / deep / multi-agent, 0 / 3 / 9 / 17 / 19 rules — with the tokens each tier adds per request shown beside it. Alongside it: a claim ledger that marks a load-bearing claim with no evidence or check as unsupported, read-only analyst briefs, JSON-declared custom tools that work in the same turn, one persistent PowerShell session, and re-injection of host context after a configurable message gap. Tier 0 injects nothing and mounts no tools. A derivative of husongan/dsh-deepseek-2027 (MIT); do not install both — each injects its own reasoning-protocol section into the system prompt.

Runs an approved OpenSpec change to completion while the model stays a mechanical forwarder: a bundled Python CLI computes the ticket DAG frontier, claims tasks atomically, prepares one git worktree per assignment, and returns exact actions. The session delegates each action with the DSH subagent tool and reconciles the completion notice against a hash-bound receipt produced by re-running verification commands on a clean, advanced HEAD, so free-text "done" never counts. Runtime scope changes are plain tasks.md edits. Requires Python 3.10+ on PATH and a git project that uses OpenSpec.

Measures one university department's research output: matches author affiliation strings against a college's known name variants (detecting same-named departments at other universities), backfills papers that only name the university by faculty author IDs, classifies each paper by journal tier (CAS partition with Top flag, JCR quartile, CCF, Chinese core via a CNKI export merger), splits staff from student first authors, and writes a workbook with a dashboard sheet, a filterable paper list, a teacher-by-direction matrix and per-teacher statistics. Student authorship is inferred from affiliation and staff lists, not verified against enrolment records. Requires Python 3.9+ with pandas and openpyxl (pip install -r requirements.txt); papers come from the OpenAlex API, whose free per-IP quota is limited, and Chinese-journal coverage needs a manual CNKI export.