Plugin

Pill flottante DeepSeek Harness con uso OpenCode Go in tre ring (5 ore, settimanale, mensile), calcolo automatico della quota modello residua e saldo DeepSeek opzionale. Modalità minima annida i ring, permette di assegnare i periodi a esterno/medio/interno e offre preview live.

Raggruppa ogni chiamata modello per data locale, provider e modello e mostra i totali in una card sidebar, pill per chat sotto il composer e pagina Settings, con saldo e finestre di abbonamento per provider.

Monitor saldo/uso DeepSeek per DSH: widget con saldo ricaricato, consumo per modello e periodo, dettaglio token e promemoria tariffe peak/off-peak di Pechino. Aggiungi prima una API key DeepSeek nelle impostazioni.

Mette in pausa richieste di peak hour dirette a modelli ufficiali o elencati e lascia passare tutte le altre. Finestre peak modificabili, lista di intercettazione per modello e free-run per sessione nel badge panel.

Pagina Usage nelle impostazioni DSH raccoglie ogni chiamata modello in un ledger locale e mostra richieste, token e costo stimato per giorno, route e modello; prezzi unitari modificabili ed export CSV.

Fork di dsh-effort-slider che divide il selettore modello composer in due pulsanti: nome apre la lista modelli, etichetta effort lo slider stile Claude con fuoco WebGL.

UI feedback thumbs up/down con un clic che inserisce riepiloghi delle valutazioni nel contesto del modello.

Mostra sopra il Composer una riga sull’attività corrente dell’IA: numero del passaggio, azione (ad esempio eseguire npm test) e stato in corso/completata/errore con breve motivo semplice. Inferito localmente da chiamate agli strumenti e testo di ragionamento, senza chiamate al modello, rete o scritture nei dati DSH.

Assistente laterale che conosce i turni conclusi della sessione principale, segue passaggi e job in background dell’agente principale e risponde nel pannello. Modello, budget e stile configurabili.

Renderizza le risposte del modello come schede interattive nella chat DeepSeek Harness, con 24 componenti consentiti e schede dei turni persistenti.

Trasforma le bozze del composer DSH in prompt chiari e strutturati, con annullamento in un clic, protezione dei chip, tre fonti modello e cancellazione consapevole della disconnessione.

Subagent Toolkit: raggruppa il menu dei subagenti in History / Today / Previous / Current per lotto d’uso; elimina sessioni per riga o gruppo e aggiorna la lista di modelli consentiti a ogni delega. L’intestazione originale resta invariata.

Sostituisce il pulsante con pannello a due livelli (provider, modelli ricercabili) e cursore continuo di ragionamento. Blu-viola, particelle ai livelli alti, colore per livello. Il trascinamento avanza di uno; scelto il modello, pannello aperto e cursore al livello medio.

Aggiunge Continue a sinistra del selettore. Dopo interruzione utente, crash o errore, un clic chiede al modello di riprendere; si ritrae durante digitazione o allegato.

Schede dichiarative DSH: Host compila in JSON la specifica del modello; il client mostra moduli, tabelle, grafici ed elenchi con stato locale e invio esplicito.

Console Skills/MCP in Settings: catalogo unificato di tutti i provider, navigazione gerarchica per origine, creazione/modifica online, interruttori indipendenti per invocazione modello/utente e cestino recuperabile. Installazione multipla da GitHub e controllo update; gestione MCP server via profile patch; import tra agent da Claude Code, Cursor, Codex, Cline, Roo Code, Continue e Windsurf; test indipendente di connessione SDK.

Pubblica come endpoint HTTP compatibile OpenAI il modello selezionato nel profilo o in Models: `/v1/models`, `/v1/chat/completions` con streaming SSE o senza, `/health`. La richiesta può indicare qualsiasi modello instradabile; se manca `model`, usa la scelta corrente della chat, quindi cambiarla aggiorna anche l’endpoint. Se attivo, può prestare al modello gli strumenti Harness abilitati singolarmente, eseguire le chiamate tramite il runtime tool Harness e restituire risultati fino a un limite di round. Listener proprio del plugin: `127.0.0.1`, `0.0.0.0` e porta inoltrata via NAT mantengono lo stesso request path. Settings configura bind address, porta, API key con generatore, provider/modello fallback, reasoning effort, origine CORS e timeout.

Esegue il Cursor CLI locale come coding agent figlio da DSH: tool `cursor_code`, tool native one-shot `cursor_subagent`, una sub-session DSH speculare per esecuzione, modello per task, conversazioni riprendibili, timeline con diff di file reali e pannello usage/model/session.

Pannello Git nella sidebar destra e quindici strumenti agent: diff stile editor, grafo commit di tutti i branch, stage/commit, operazioni branch/stash/remote, messaggi commit assistiti dal modello, revisione pre-commit e divisione dei commit.

Fornisce Skills per piano condiviso, recupero del contesto e aggiornamento progressi tramite StateDock Remote MCP, senza eseguire attività né pianificare agent. Per Harness 0.2.0-rc.2.

Subagent esperti per ruolo per DeepSeek Harness con sidebar attività: explorer, librarian, oracle, designer e fixer delegano in parallelo, ciascuno con il proprio modello e livello di reasoning.

Preset agente Hermit/小寄 trasforma DSH in un hub personale sempre attivo: persona da maggiordomo con ambito limitato, strumento di dispatch che delega attività complesse a subagenti in background con instradamento del modello per attività, report asincroni integrati nella chat, soglia di budget crediti, catena di conferma P/M e log eventi M1.

Converte localmente i file Office e PDF del workspace DSH in Markdown prima che il modello li legga, senza rete né quota API. Scrive ogni .md accanto alla sorgente, così nel contesto entra solo il percorso. Per un file o una directory restituisce byte, righe, stima dei token e struttura dei titoli.

Registra uno strumento ocr per modelli solo testuali: esegue lo script offline incluso nel repository su una singola immagine o PDF e restituisce il testo riconosciuto. Prima OCR nativo Windows, poi RapidOCR e Tesseract. Elaborazione locale, senza rete né chiave API. Richiede Python 3.11 nel PATH e pip install winocr pillow (winocr è preferito, gli altri sono fallback). Risultati per riga nelle immagini e per pagina nei PDF.