Plugin

Port completo di obra/superpowers per DeepSeek Harness: 14 competenze metodologiche tramite uno SkillProvider nativo (rank 550), che coprono brainstorming, pianificazione, TDD, debug, agenti paralleli e altro, con documentazione localizzata in cinese e installazione senza build.

Legge qualsiasi pagina come contenuto principale pulito: rilevamento automatico della codifica dei caratteri (GBK/GB2312/UTF-8/Big5), rimozione del rumore, testo/Markdown compatto, continuazione tramite offset, rendering SPA opzionale, letture in batch e crawling del sito.

StrataGate fornisce a DeepSeek Harness una memoria a lungo termine evolutiva, local-first per preferenze utente, decisioni di progetto, conversazioni e risultati degli strumenti tra le sessioni; sovrappone la cronologia con decadimento temporale regolabile dall'utente, rafforza i ricordi tramite l'uso nelle risposte reali, mostra conteggi d'uso consapevoli dell'area di lavoro e mantiene le evidenze richiamate tracciabili fino ai messaggi originali.

Auto-evoluzione continua: stato dell'harness (prompt, memoria, skill, specifiche dei subagent) versionato, verificabile e sicuro per il rollback, raffinato dalle traiettorie di sessione, con gate di revisione e skill ricaricate a caldo.

Connetti DeepSeek Harness a Multisim MCP per generazione di circuiti, simulazione, diagnostica, ottimizzazione del design, ed esportazione di report sperimentali.

Crawler intelligente nativo IA e piattaforma di ingegneria inversa JavaScript, basata su DSH, Patchright/CDP e un runtime semantico indipendente, che ricostruisce la logica di generazione dei parametri dalle evidenze del browser e fornisce un solver verificabile.

Memoria a lungo termine per DSH: le conversazioni vengono distillate automaticamente in fatti atomici, riassunti di scena e un profilo persona, con ricordi rilevanti iniettati prima di ogni passo del modello. Pronto all'uso senza configurazione — recupero ibrido BM25 + vettoriale, embedding locali offline opzionali, separazione delle famiglie chat/lavoro.

ClearAI: The Epistemic Loop, nativo per DSH.

Infrastruttura di affidabilità neutra rispetto all'harness per agenti di coding IA: azioni distruttive reversibili, redazione prima dell'emissione, prove di ripristino e un Decision Protocol condiviso con adattatori nativi opzionali.

Recupero semantico, gestione delle risorse, richiamo automatico (spazi doppi utente + agente) e memoria di sessione per DeepSeek Harness: memsearch/memfind/memread/membrowse/memgrep/memglob su URI viking://, gestione delle risorse memadd/memremove, stato osservatore memqueue, cattura della sessione memcommit e generazione di playbook di competenze memlearn.

Pannello di anatomia per gli organi di Agent-Body: fornisce una dashboard dei parametri vitali in tempo reale su /anatomy all'interno dell'harness stesso — organi, battito, registro di guarigione, contatori di auto-addestramento e il flusso di impulso reale — letti direttamente dai file di runtime anziché ridigitati. Solo host, senza bundle client e senza fase di build.

Motore di contesto Zero-residence: i payload di grandi dimensioni degli strumenti vengono espulsi dal contesto attivo verso un archivio interrogabile e rimangono solo puntatori deterministici, così i token di prompt per turno smettono di crescere con la trascrizione. Qualsiasi contenuto mascherato viene ricostruito alla lettera dal log della sessione su richiesta, tramite id di chiamata dello strumento o seq della sessione.

Kernel di organi di Agent-Body: plugin organizzati come un unico corpo. Ogni comando diventa un impulso nervoso che innerva deterministicamente l'organo competente e nomina la capacità; i riflessi scattano senza chiamata al modello; un battito a intervallo variabile pompa direttive dell'operatore, propriocezione e avvisi di omeostasi ovunque; i guasti seguono un'attribuzione deterministica (strumento, argomenti, permesso, timeout, rete), una prescrizione e un ciclo di ricontrollo, e gli errori di argomento non vengono mai ritentati. Un organo mancante è compensato da quello con maggiore sovrapposizione di capacità, e gli schemi degli strumenti sono filtrati dall'intento corrente (riduzione misurata dell'84,7%, riproducibile nel repository). Pacchetto kernel del repository agent-body.

L'organo di memoria di Agent-Body: dopo 2 minuti di silenzio entra in sonno leggero e dopo 5 in sonno profondo, dove regole deterministiche distillano l'esperienza reale in carte di memoria (trappole, playbook, hotspot, problemi irrisolti, fatti). I comandi in arrivo richiamano le carte correlate per parola chiave e le iniettano nel contesto; le carte inutilizzate a lungo decadono con un tempo di dimezzamento e vengono archiviate invece che eliminate. Inoltre elimina il rumore degli avvisi di omeostasi di tutto il corpo: le ripetizioni entro una finestra vengono contate invece di essere ristampate, e un avviso che ricorre senza mai guarire converge in uno scostamento di stato stazionario noto e tace. Consolidamento e richiamo non fanno chiamate al modello.

Guida il plotting scientifico di OriginLab Origin dalla chat AI via MCP: 62 strumenti. Watchdog dei dialoghi modali, gate di sicurezza LabTalk, release/reconnect, fitting con parametri iniziali/fissi/pesati, modifiche fini di grafici e sheet, strumenti matriciali, FigureSpec YAML dichiarativo (diff-abile e rieseguibile), snapshot di sola lettura delle MCP Resources, ponte matplotlib-figure, assemblaggio PowerPoint con etichette dei pannelli, ricerca di modelli nel Graph Gallery, esportazione EPS, whitelist di accesso ai file, baseline di regressione visiva e OPJU modificabile con verifica deterministica di rilettura.

Sfoglia tutti i messaggi inviati nella sessione corrente: elenco completo della cronologia ordinato dal più recente al più vecchio, filtro di testo, copia con un clic e salto a un messaggio (carica automaticamente la cronologia precedente quando la destinazione non è ancora stata caricata).

Motore cron residente sull'host con una bacheca web dei lavori e uno strumento timer_agent: attiva vere sessioni dell'agente secondo la pianificazione, continuando una sessione appuntata per il contesto o avviandone di nuove in uno spazio di lavoro del progetto scelto.

Gestione del ciclo di vita degli obiettivi per dsh con una kanban board interattiva: obiettivi, criteri, tentativi e revisioni vivono nel workspace, guidati dagli strumenti graph_*, con una board a due corsie renderizzata nella vista conversazione.

Port di DietrichGebert/ponytail v4.9.0: modalità senior pigra sempre attiva con una scala a 7 gradini (da YAGNI al codice minimo), 6 skill per review, audit, debito, guadagno e aiuto, senza strumenti vuoti.

Installa suite da qualsiasi repository git del marketplace di Claude Code, Codex, Cursor, Kimi o agent-plugins.org — skill, server MCP, hook e comandi slash vengono iniettati nelle sessioni DSH a runtime, con una pagina del mercato nella GUI Web.

Preset modalità esperto DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordinatore + 17 subagenti esperti con delega automatica. Funzioni: taskboard (stati pending/ready/running/done/failed, DAG dipendenze, rivendicazione atomica, retry, ripristino), gate qualità (pipeline 5 fasi: requisiti, implementazione, verifica, revisione, integrazione; 2 rilavorazioni), Five-Anchor (revisione/convergenza/anti-deriva/cooperazione/risorse), Near-distance (modello identità/compito/output), divulgazione progressiva (~28% risparmio token), persistenza, bus P2P, revisione incrociata, pool esperienza, via rapida, auto-retry. 17 esperti: dati, copywriting, legale, PM, frontend, UI/UX, architetto, social, growth, fin. quant., backend, DevOps, DB, QA, sicurezza.

Una bacheca kanban condivisa che permette a persone e agenti DSH di gestire attività del workspace tramite una tab Board e strumenti kanban.

Collega WeChat, QQ, DingTalk, Lark e Telegram a DeepSeek Harness con configurazione unificata, controlli di accesso per chat private e gruppi, e comandi di chat Agent e sessione lato canale.

Bundle proxy di autenticazione con password a chiusura sicura (fail-closed) per il profilo Web di DeepSeek Harness