Plugin

Plugin di memoria locale indipendente: voci JSONL, iniezione di runtime-context a ogni turno, strumenti local_memory_search / local_memory_remember e pagina di gestione in Settings. Non dipende da Mnemon.

Memoria a lungo termine tra sessioni per DeepSeek Harness: pipeline in due fasi di estrazione e consolidamento in uno spazio basato su file, inserimento dei ricordi, ciclo di feedback sulle citazioni e semantica dei job basata su lease. Include pagina Settings e pannello di stato laterale.

Mantiene visibili tra i turni le liste di attività incompiute. DSH azzera la proiezione all’inizio del turno e attende che il modello riscriva tutta la lista: se interrotto, il piano resta nel log ma scompare dall’UI. `todo_write` è di sola scrittura. Un listener session/event ricorda l’ultima lista per sessione e la riaggiunge a `turn/start` se resta lavoro aperto. Nessun fork di tool-todo né waterfall: la proiezione non è sostituibile per mismatch di `stateVersion`, quindi aggiunge l’evento consumato dal fold. Solo liste incompiute, massimo un evento per inizio turno, fail-open. Verificato con A/B controllato su sessioni reali e la vera definizione della proiezione. Zero dipendenze.

Inserisce le voci di contesto salvate come riga Remember dopo ogni messaggio utente, a ogni turno o una volta per sessione; include editor in Settings e pagina di gestione.

Pallina flottante trascinabile con todo sessione DSH: done/total, titolo task attivo in capsule e anello progresso. Clic apre/chiude; destro cambia modalità. Stati: in corso (pulse)/done/pending/vuoto. Piani sostituiti archiviati fuori dal progresso, nascondibili/cancellabili/ripristinabili; altre sessioni affiancabili. Prima runtime sessions projection, official todo panel come fallback (lista completa anche con strip chiusa). Testo auto/nero/bianco, snap in basso a destra su richiesta, trascinabile fino al bordo alto. 130 skin condivise; due dark/light ufficiali seguono il tema client. Sync per pallina: skin comune o propria. Shadow DOM isolato, posizione per profilo; uguale su desktop/web.

Dashboard locale di token e costi per DeepSeek Harness: suddivisione miss/cache-hit/cache-write/output, risparmio cache stimato dalla differenza di prezzo miss/hit, dettaglio per sessione con curve di crescita contesto e anomalie, filtri globali con URL condivisibili, budget mensile e proiezione di fine mese. Aggregati giornalieri/mensili rapidi O(days) con scansione incrementale.

Skill di revisione degli screenshot per DeepSeek Harness: l’agente apre una pagina frontend, la cattura, esamina l’immagine, modifica il codice e acquisisce un nuovo screenshot, iterando finché la pagina non corrisponde visivamente ai requisiti dell’utente. Distribuita come `dsh.bundle`, si installa con `dsh plugin add`.

Gestione del contesto per DeepSeek Harness: snellisce gli output degli strumenti in base al contenuto, pulisce i log obsoleti, fissa requisiti utente e lavoro in corso e archivia prima della compattazione con traccia di audit.

Plugin per il pannello attività DSH Web: riunisce requisiti, coda, esecuzione dei subagent, revisione automatica, rilavorazione dopo l’accettazione e pianificazione in un ciclo visivo.

Indice semantico locale dei documenti workspace (MD/PDF/DOCX/TXT): ricerca ibrida FTS5 BM25 + embedding locali, citazioni con numeri di riga e aggiornamenti incrementali.

Plugin di compressione intelligente del contesto DSH — gestisce le risorse cognitive in una finestra limitata, così l'Agent ricorda ciò che è davvero importante.

Archivio globale dell’esperienza DeepSeek Harness su Windows: rileva tool locali (versioni e corrispondenze con priorità PATH), percorsi utili, latenza rete e velocità disco; aggrega statistiche session/event e l’LLM estrae fatti durevoli. env_profile con remember. Inietta a ogni turno un summary byte-stable per velocizzare sessioni e ridurre token.

Memoria di spunti-evento tra sessioni per DeepSeek Harness: estrae automaticamente da ogni turno spunti di task/conversazione e abitudini linguistiche dell'utente in una banca di spunti globale persistente, poi reinietta il contesto ricordato al rilevamento di un cambio di argomento (corrispondenza per parole chiave o vettoriale).

Revisore diff incrementale per DSH: dopo l'approvazione di un batch, vengono mostrati solo i nuovi cambiamenti dal checkpoint, con un pannello di revisione web e un comando `/review` che inietta feedback di ritorno all'agente.

DeepSeek Harness plugin: Aliyun Yunxiao requirements and defects kanban by status, with detail drawer, image preview, one-click session dispatch, Req/Bug creation, and native tools for status transitions, work item creation, project member lookup, change-

Incrementally sync Tsinghua Learn course materials through a companion browser extension, with local file checks and per-run logs.

Local-first resume warehouse for DeepSeek Harness: package your work into reusable bullets, import an existing resume into a template, analyse a job description (including the school-tier preference it implies), assemble a tailored Chinese or English resume and export a PDF named position-name-school. The whole app ships inside the npm package — server/, web/, skills/, scripts/, requirements.txt, no git clone needed — and one tool starts, stops and health-checks it; the first start installs the dependencies into app/.venv. Needs Python 3.10+ and macOS or Linux (bash). Nothing leaves the machine except the LLM calls you confirm.

Work-data hub for DingTalk and Yunxiao: syncs todos, logs, meeting notes, attendance, schedules, projects, requirements, commits and worklogs into local SQLite, then renders dashboards, a work calendar, project analysis and reports, with workhub_* agent tools over the same data. Requires the DWS CLI installed and logged in (`dws auth login`); the Yunxiao PAT is stored in the macOS Keychain only.

Runs Hindsight long-term memory on your own machine: after a one-time uvx --from hindsight-embed@latest hindsight-embed profile create server setup (~450 MB of Python dependencies) and with your own LLM key, the plugin manages the local memory server itself (health probe, start, stop, logs), registers ten hindsight_local_* tools for status, page search, page read, recall, remember and reflect, injects a knowledge-page index once per session, writes each finished turn back into the bank, and extracts facts with your own LLM key. Do not enable it alongside the official @vectorize-io/hindsight-coding-agents plugin: both read the same bank and would inject duplicate context. At session end it writes a handoff snapshot that the next session injects as previous progress. The data directory is configurable (dataDir) and scripts/relocate.mjs moves an existing install to another drive, creating directory junctions where the server hard-codes its paths.

Remembers the model used before quitting and restores it as the startup default.

Folds a user message whose body renders taller than 360px in the Web chat down to 360px with a fading bottom edge and an Expand/Collapse toggle. Short messages keep their exact original look, and the expanded state is remembered per message while the page stays open.

Requirement-to-evidence audit for DSH sessions: maps each requirement to tool calls, files and commands, records per-requirement verification, and sends missing items back to the agent.

Long-term associative memory for DeepSeek Harness: a local plain-text vault of raw episodes, typed memory cards and entity pages, configured from 设置 → 记忆图谱, and a Memory tab inside a conversation that draws what that session remembered. No build step; the

File-state cache skill for coding agents: one explore call replaces ls+grep+read, reads remember they already happened, and edits return a diff plus the exact changed line range instead of a full re-read. State is a JSON cache on disk, so it survives across tool calls and restarts. Requires Python 3.8+ (standard library only).