Plugin

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.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

Unisce il contesto di altre sessioni nel turno corrente: risoluzione dei conflitti ponderata per evidenze, ritrattazione delle affermazioni le cui premesse sono state ritrattate, etichettatura di fiducia che resiste all'iniezione di prompt tra sessioni, e impacchettamento limitato dal budget. Include un benchmark.

Barra di avanzamento in tempo reale sotto il compositore con una percentuale e un tempo rimanente stimato per il turno DeepSeek Harness corrente; la stima viene riancorata mentre il turno procede e non segna mai 100% finché il turno non termina, e la barra diventa rossa quando il turno fallisce o viene interrotto.

Desktop companion pet in its own always-on-top window: imports Codex pet folders from ~/.codex/pets as-is, with affinity ranks, session-linked activity bubbles, snap-to-edge dragging, a right-click-reachable smart click-through mode and a daily token meter that mirrors the dsh-usage ledger when installed.

Genera immagini tramite una sessione ChatGPT web con accesso effettuato e le scarica in una directory locale.

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.

Porta ogni prompt dsh nella pipeline locale di memoria di feedback agent-feedback-loop — cattura l'insoddisfazione, la rielabora offline in riflessioni e ricollega al turno il contesto compilato delle regole di ricorrenza, senza mai bloccare un prompt. Richiede il runtime agent-feedback-loop; eseguendo poi agent-feedback-loop install i profili dsh esistenti vengono collegati automaticamente.

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.

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.

Tema Wishing House con bagliore ambrato caldo, fasi lunari dal vivo, meteore, scintille di digitazione, audio di campane procedurale e biglietti della fortuna quotidiani.

Aggiunge una voce di riavvio in Settings → General e rilancia dsh web con gli stessi argomenti tramite un helper separato. Rifiuta se rileva un supervisore systemd, salvo allowRestart=true. Verifica che la porta sia libera connettendosi, senza eseguire bind.

Mostra i limiti di quota delle chiavi API e degli abbonamenti nell'interfaccia e nelle impostazioni dei provider di DSH.

Keeps a pool of models and routes every agent step to one of them with its reasoning effort set — configured by clicking in the composer, no JSON needed. The router takes over the composer's model cell, so one control shows the session's model and reasoning effort alongside the router's own settings. Three authorization scopes (model / effort / full) where a manual pick only counts in the scope that owns it, and in effort scope the router is bound to the one model you choose. Task presets with per-model weights, vision routing for image steps, session signals (active todo, context pressure, token budget, subagent depth), and an optional semantic task classifier. Thinking stays on, because DeepSeek rejects a thinking-enabled request whose history contains a tool call made with thinking off.

Pacchetto strumenti FDE: un solo plugin installa una selezione di plugin dsh comuni (server Git, mount WebDAV, knowledge base, attività pianificate, ripresa automatica, ritocchi UI, retrospettiva automatica, file manager, titoli intelligenti, bacheca attività, mercato, riduzione del contesto, ponte IM e barra laterale). Un pannello mostra lo stato e colma le lacune con un clic.

Bundle di profilo DSH nativo sperimentale per AsYouMeant.

Image and video production toolkit for DeepSeek Harness - background removal with quality tiers, local inpainting retouch, headline and logo compositing, batch platform-size exports and image QA reports; for video, AI subject matting with background replacement (RVM ONNX, plus a chroma-key path), animated titles with fade/slide/typewriter/karaoke presets, 53 transitions with stylized variants, and light-effect and grading presets with LUT support, alongside footage inventory, accurate cutting, subtitle burn-in, music mixing and platform-spec exports; it provisions its own local Python runtime through a bundled bootstrap script.

Integrazione Feishu (Lark) per DeepSeek Harness: 25 strumenti per messaggi di chat e cronologia, documenti cloud (incluse pagine di knowledge base, grafici e immagini generati), record bitable, intervalli di fogli di calcolo e permessi Drive, usando la tua app Feishu aziendale auto-costruita.

Drive a local DeepSeek Harness agent from QQ and other IM channels through AstrBot: send tasks with /dsh, continue by quoting or @-mentioning the bot, answer approvals and ask_user_question prompts from chat (in parallel with the DSH web UI), and get results, inline images and file cards back. Ships session / workspace / model / permission commands, /compact and /last recovery, three progress-display modes, and group-shared or per-user session scoping.

Generate and format Chinese Word (.docx) documents from a simple markup file, using built-in heading styles, SimSun and Times New Roman fonts, and per-chapter figure and table captions.

Ciclo di diagnostica LSP in tempo reale con lsp_diagnostics / lsp_workspace_errors / lsp_hover su server stdio headless (TypeScript/JavaScript e Python). Inserisce automaticamente il delta diagnostico post-modifica nell'evento harness fs/observed per il flusso modifica→diagnosi→correzione.

Process management: brings ntd-style processes (multi-stage, multi-step agent workflow templates) into the dsh web UI — browse, edit, validate, import/export and AI-generate processes; the built-in library is read-only while the personal library is writable with live file sync, and agents read the library through process_* tools and advance work stage by stage.