Plugin

Pianificazione di esecuzione persistita su disco per DSH: macchine a stati per milestone/passaggi, gate delle dipendenze e flusso eventi di audit, con controllo deterministico del completamento tramite strumenti dsh, CLI o skill.

Preset di orchestrazione per il cervello principale: persona che privilegia la delega, gate di esecuzione della sessione root e skill portabile di regole AI-LAW.

Orchestrazione dichiarativa di DAG di attività per DSH: convalida i grafi delle dipendenze, esegue in parallelo i livelli topologici tramite subagent basati su workflow e propaga i guasti in modo deterministico.

Strumenti workflow per il binario locale aflare: generano, convalidano ed eseguono DAG YAML deterministici con priorità locale (recupero crash WAL, compensazione Saga) tramite il binario locale. Oltre 300 template inclusi.

Pacchetto skill per l’officina documentale: quattro Agent Skills basate solo su prompt generano README, descrizioni PR, changelog e revisioni del codice da una codebase. Si installa in dsh tramite una voce plugin dsh.bundle.

Skill per impacchettare DeepSeek Harness come app desktop Tauri 2 (macOS + Windows): guide di installazione per entrambe le piattaforme, bootstrap da mirror cinese con sentinel di timeout del subagent, toolchain Windows senza privilegi admin né VS Build Tools e checklist di accettazione per tre percorsi.

Preset scaffold per progetti DSH: runbook rigoroso di inizializzazione in 5 fasi, standard ingegneristici e sei template iniziali eseguibili (node-ts / react-vite / python / go / spring-boot / monorepo).

Kit introduttivo DeepSeek Harness: benvenuto, percorso di apprendimento 0→1, raccomandazioni plugin per scenario e checklist di autoverifica, insieme al repository tutorial cinese dsh-handbook-zh.

Pubblica un documento HTML come link condivisibile che si apre con un tocco e appare come scheda nelle app di chat; pubblica, aggiorna ed esporta in PNG/PDF/Word.

Voce full-duplex in tempo reale tramite ASR/TTS streaming di Volcengine: narrazione delle risposte dell’agente, interruzione, wake word, sottotitoli live, 30 voci cinesi e conferma che privilegia la risposta. Si compila nel monorepo DSH.

Input vocale per la Web UI: un pulsante microfono nel composer trascrive il parlato nella bozza tramite Web Speech API, con opzione per attivare l’invio automatico.

Aggiunge la visione ai modelli solo testuali: lo strumento describe_image delega le immagini a un modello di visione dall’elenco dsh tramite il runtime LLM del harness.

Permette a un agente DeepSeek solo testuale di leggere immagini nella stessa sessione delegando a un subagent con visione; converte l’immagine in un percorso al momento dell’invio.

Client HTTP puro che delega attività ripetitive su testo e immagini (OCR, analisi e confronto) a un server Unsloth Desktop (Unsloth Studio) già in esecuzione tramite unsloth_run e unsloth_vision. Non avvia né possiede mai processi.

Delega attività ripetitive su testo e immagini (OCR, analisi e confronto) a un server KoboldCpp (llama.cpp) locale tramite koboldcpp_run e koboldcpp_vision, gestendo su richiesta il ciclo di vita del server.

OCR locale per le immagini allegate tramite il motore integrato di Windows (Windows.Media.Ocr): al modello viene inviato solo il testo riconosciuto, mai i byte dell'immagine; il passthrough della visione è opzionale (opt-in).

OCR locale per le immagini allegate tramite Tesseract: solo il testo riconosciuto viene inviato al modello, mai i byte dell'immagine; il passthrough vision è opzionale.

Aggiunge la visione ai modelli solo testuali: un modello di visione descrive automaticamente gli allegati immagine della chat con un prompt predefinito e li rianalizza con prompt generati dal modello se mancano dettagli. Include modalità system/custom, pannello GUI, gestione sicura delle chiavi e una piccola patch host per DSH 0.1.0-rc.6.

Lettura di immagini a due livelli per modelli solo testuali: prima OCR locale veloce e offline con RapidOCR, poi fallback a un modello di visione tramite modlens.

Protezione trasparente delle immagini per percorsi solo testuali: evita il blocco della sessione con errore 400 quando si incollano immagini e offre lo strumento vision_analyze per OCR/PDF/docx/pptx/video.

Input immagine-testo nella Web UI: incolla o trascina un’immagine per trascriverla in testo strutturato e inviarla, così anche gli LLM solo testuali possono ricevere immagini tramite un’API di visione compatibile con OpenAI.

Aggiunge la visione ai modelli DSH solo testuali: skill per immagini/OCR/riconoscimento documenti con priorità race pool → custom channels → local, più una patch host idempotente perché i messaggi immagine raggiungano il modello.

Strumenti di verifica con browser headless: l’agente apre la pagina appena creata, legge il DOM renderizzato e gli stili calcolati, controlla la console e acquisisce il risultato. Include la skill frontend-verify.

Controllo del browser tramite riferimenti di accessibilità: navigazione, snapshot della pagina come albero di riferimenti, azioni sugli elementi e attesa di condizioni. La policy di origine segue la postura di approvazione della sessione ed è applicata intercettando le richieste.