Plugin

Workflow di ingegnerizzazione predefiniti per DeepSeek Harness: uno strumento dev_task che controlla le transizioni di fase, gli artefatti, la verifica, la revisione e l'ambito dei commit, più un banco di lavoro web per installare skill e regole di progetto o utente.

Kanban intelligente per DeepSeek Harness: schede attività + dispacciamento Worker/Verifier usa e getta + pianificazione delle dipendenze + suddivisione della pipeline in livelli + modalità Team (le ambiguità vengono segnalate alla finestra principale per la decisione)

Stanze di squadra multi-agente persistenti e trasversali alle sessioni per DeepSeek Harness — membri, bus dei messaggi, bacheca condivisa dei task e una timeline condivisa che sopravvivono ai riavvii.

Motore di orchestrazione del ciclo di vita per team di agenti AI con isolamento tramite Git worktree con ambito di attività, transizioni di consegna controllate dallo stato e memoria fuori dal contesto.

Riavvio graduale + riconnessione automatica del client + continuazione dell'obiettivo tra riavvii per DeepSeek Harness (dsh). Dopo un aggiornamento del plugin, dsh-phoenix riavvia dsh a un confine di inattività sicuro, mantiene connessa la pagina del browser e riprende un obiettivo in esecuzione affinché un'attività possa continuare.

Orchestratore multi-modello: il cervello principale scompone le attività complesse e distribuisce i sottocompiti a subagenti GLM / Kimi / Qwen in base ai punti di forza di ciascun modello, con utilizzo di token per modello.

Esegue attività dell'agente una tantum e ricorrenti secondo RFC 5545 in sessioni DSH nuove, con modifica visuale della pianificazione e cronologia collegata alle sessioni.

Plugin di potenziamento per DSH Desktop: mette in chiaro fatti verificabili. Vincoli iniettati solo quando servono, a livelli (testo stabile per la sessione nel system prompt, contenuto volatile in coda); la cache resta valida. Disciplina: ogni turno è classificato (domanda/ricerca/discussione/diagnosi/esecuzione); niente modifiche nei turni di domanda né correzioni non richieste in quelli di diagnosi; segnala citazioni di codice non aperto e affermazioni su simboli mai visti. Memoria: avvisi al 75%/90% del contesto, riepilogo esportabile, conoscenza di progetto per directory. Artefatti: contratto del task, registro modifiche, registro ipotesi con gate, decisioni di design. Dashboard: metriche in lume-metrics.jsonl via lume_metrics; personas distillate da chat, romanzi o schede.

Plugin DeepSeek Harness che risparmia token in modo aggressivo senza intaccare la qualità: troncamento senza perdita di testa/coda dei risultati degli strumenti (default), ripiegamento dei risultati grep, delega a dsh-compaction-basic attivata dalla pressione e una sottoclasse CompactionEngine con riassunto LLM per la modalità aggressiva. Risparmia il 97,6% dei token di input su una suite sintetica di 8 scenari, con tutte le riduzioni che passano dal flusso di eventi dsh, così modello-visibile = registrato resta valido.

Modalità comandante per la GUI web di dsh: un pulsante con un clic nell'intestazione della sessione inietta un brief di protocollo nella sessione, poi analizza ed esegue automaticamente i blocchi di attività nella risposta del modello — separando il ciclo dello stratega dai cicli dei lavoratori con un badge visibile.

Notifiche desktop di sistema e personalizzate di Windows per eventi DeepSeek Harness: attività completata, non riuscita, in esecuzione, in attesa di approvazione e in attesa di risposta. Clic per saltare alla sessione.

Plugin proattivo di scheduling multi-modello: intake segnali multi-fonte con dedup e ranking di urgenza, motore decisionale a quattro vie execute/defer/dismiss/ask-user, generazione piano DAG con esecuzione parallela di modelli, riflessione qualità con retry automatico e switch di modello, memoria a lungo termine per pattern di task e lezioni, ed evoluzione della strategia tramite algoritmi genetici con valutazione sandboxed e rollout canary.

Bacheca Kanban per DSH: macchina a stati delle attività con isolamento dei branch git, esecuzione automatica agente, e merge driven dalla revisione.

Suonerie di completamento per workspace più suoni di attenzione per eventi di approvazione, domanda, revisione del piano, obiettivo bloccato e fallimento del task, con sintesi integrata, voce (TTS) e audio personalizzato

Aggiunge artefatti di specifica, skill, comandi, implementazione guidata da obiettivi e contesto sull'avanzamento dei task

Motore di gestione attività integrato: protocollo dei punti di decisione, bacheca di cattura delle idee, archivio issue in stile Linear.

Instrada ogni attività verso un modello e la sua revisione verso un altro, con prove di qualifica, failover e un diario durevole.

Accoppia due macchine DeepSeek Harness con un codice monouso - direttamente in LAN, oppure attraverso reti tramite un relay con crittografia end-to-end e un default ufficiale a configurazione zero - così un agente può eseguire attività e scambiare file sull'altra, mentre ogni macchina mantiene i propri file al loro posto.

Ottimizzatore di prompt con struttura ad agente per DeepSeek Harness: riscrive le bozze del compositore in role/task/context/constraint/format con modalità normal, slim ed expand, un modale di conferma con punteggio, continue-optimize e motori local, ibrido, DSH o API cloud.

Revisioni dell'advisor che convergono tra i round, una modalità ingegneria le cui scritture richiedono un design token, l'escalation di un'attività a un modello più forte e la consultazione parallela multi-modello; una pagina impostazioni modifica le route dei modelli, i timeout e i budget.

Bridge/plugin DeepSeek Harness per A2S con sessioni remote, aree di lavoro, approvazioni, attività e riconnessioni resilienti.

Cambio di modello e controllo dell'effort di ragionamento per DeepSeek Harness: gli strumenti agente set_model e list_models permettono all'agente di cambiare da solo provider, modello o profondità di pensiero a metà attività, con motivazione obbligatoria, lista bianca dei provider e protezione dalla pressione di token della finestra di contesto; il modello attivo viene iniettato nel contesto di esecuzione e la transizione automatica di Plan Mode passa a un modello di pianificazione configurato all'ingresso in modalità piano e ripristina il modello di esecuzione precedente all'uscita.

Sessioni peer persistenti Endeavour e Challenger per DeepSeek Harness che pianificano, eseguono attività sequenziali e verificano i risultati riportati.

Gateway Feishu/Lark per DeepSeek Harness con conversazioni persistenti per argomento, schede di esecuzione in diretta, input di immagini e file, approvazioni e domande in chat, liste di autorizzazioni delle origini e attività dell'agente durature una tantum o ricorrenti create in linguaggio naturale.