Plugin

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.

Aggiunge un preset di permessi `auto` tra workspace-write e danger-full-access: un classificatore concede una volta le escalation di routine della sandbox, mentre le richieste pericolose o incerte vengono comunque inoltrate a un essere umano.

Ponte verso dispositivi HarmonyOS: ciclo di automazione hdc per screenshot/installazione/log/crash/UI con read_image, conoscenza dell'API versionata con priorità alle fonti ufficiali (SDK .d.ts + documentazione offline in bundle) e una pipeline DevEco CLI per build/firma/lint.

Automazione del browser (Playwright) con vista live, un server MCP che espone gli agenti DSH a qualsiasi client MCP, e strumenti di revisione per issue/PR/webhook di GitHub

La compattazione automatica prima scrive una nota di passaggio: quando la sessione si avvicina alla soglia di token, chiede al modello di salvare un checkpoint del progetto nel workspace e, facoltativamente, avvia una nuova sessione con istruzione di continuare, mettendo da parte la vecchia. La nota va scritta nel ciclo di compattazione corrente e la sezione conclusions deve cambiare davvero, così un file obsoleto o solo toccato non passa.

Compagno IA persistente per DSH che esplora Bilibili, interagisce con i controlli dei permessi e cresce tramite ricordi di vita basati su prove, interessi in evoluzione, emozioni simulate, relazioni sociali e attività autonome.

Integrazione mcp-unity one-shot per DeepSeek Harness: server MCP incluso senza configurazione manuale consente all'agente di pilotare l'editor Unity tramite 34 strumenti - scene, game object, transform, materiali, prefab, voci di menu, play mode, test e log della console - con riconnessione automatica.

Abbina i tuoi modelli e i budget di token a ciascun ruolo, poi lascia che DSH deleghi subagent specializzati in base al tipo di attività. Copre analisi dell'architettura, UI/UX, implementazione del codice, esplorazione della codebase e ricerca della documentazione, con configurazione automatica più sforzo di ragionamento e permessi degli strumenti per ruolo.

Un secondo cervello autonomo per DeepSeek Harness — cattura automaticamente conoscenze di dialogo durature in un vault Markdown locale (dedup personalizzato, ricerca CJK, compatibile con git), con una base di conoscenza grafica e un grafo della conoscenza interattivo (filtro legenda, colorazione per dimensione temporale, selezione a riquadro, unione, eliminazione, esportazione/importazione PNG).

Suite di agenti per la ricerca: controllo degli obiettivi a lungo termine con catene di prove verificabili, pianificazione cron, squadre di esperti multi-agente, memoria di ricerca auto-evolutiva (recupero FTS5 + RRF), spazi di lavoro per progetto e una UI personalizzata per lo spazio di lavoro.

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.

Governance dei plugin: i plugin nuovi/aggiornati passano prima in un'area candidati e poi vengono montati a caldo dopo l'avvio — il successo promuove, il fallimento disattiva automaticamente, i fallimenti ripetuti congelano, modalità sicura con un clic, pannello diagnostico nella barra laterale (npm: dsh-my-guardian).

Affidabilità delle attività: nuovo tentativo automatico su timeout/errori del modello, continuazione automatica delle attività non finite, verifica di completamento, interruzione dei cicli di pensiero, ripresa dopo sospensione o riavvio, modalità autopilota e endpoint di attivazione remota (npm: `dsh-task-reliability`).

Fatturazione della cache per chiamata nel popover del misuratore del contesto: totali correnti di passaggio, ciclo e sessione con token e importi di hit / miss / output, prezzi automatici di punta e non di punta per l’orario lavorativo di Pechino, tariffe per modello e addebito anche dei relay di terze parti.

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.

Compressione automatica del contesto per DeepSeek Harness: comprime gli output degli strumenti prima che raggiungano il modello e mantiene ogni compressione lossy reversibile tramite strumenti di recupero CCR.

Assistente input DSH per prevedere il messaggio successivo, completare bozze e rifinire/riscrivere prompt. Suggerimenti locali alla sessione; Tab li inserisce nella bozza senza inviare. Richiede un modello configurato; le chiamate possono avere costi. Codice disponibile; le modifiche richiedono autorizzazione scritta preventiva.

Integra la CLI GitHub locale (`gh`) come strumenti per l’agente: pull request, issue, esecuzioni Actions, ricerca repository e chiamate API grezze. Aggiunge i comandi slash `/gh status` e `/gh help` e due pannelli web: cockpit globale dei repository e pannello workspace per sessione.

Ciclo di autoaffinamento continuo: memoria persistente, revisione e affinamento periodici, conoscenza condivisa tra sessioni e rollback automatico tramite uno strumento harness_refine richiamabile dal modello.

Cervello DeepSeek + trascrizione automatica delle immagini: allega immagini nella GUI e ognuna viene trascritta tramite il deepseek-v4-flash-vision-exp ufficiale per impostazione predefinita (un cervello V4-Pro puramente testuale può vedere le immagini), con qualsiasi VLM compatibile con OpenAI o Ollama locale come alternative.