Plugin

Registra sezioni system prompt per ragionare in cinese semplificato/tradizionale, modalità strict/prefer e policy opzionale lingua risposta. /thinking-zh cambia per sessione. Nessuna dipendenza runtime.

Sync profilo DSH via WebDAV. 5 parti: models (cordis.patch.yml:llm-pi-ai), defaults (agent-default-model), patch (resto loader), plugins (dipendenze package.json/dsh.profile.bundles), dirs (percorsi assoluti scelti, stesso percorso, add-only; max 5 dirs, ciascuna ≤2000 file/8 MiB). Cifra in locale con passphrase AES-256-GCM/PBKDF2-SHA256 600000; solo ciphertext a <address>/dsh-webdav/dsh-profile.prop. Merge 3 vie vs baseline: conflitto tiene la più recente, archivia l’altra in sync/ (5/tag), sigilla prima dell’overwrite. Eliminazioni tranne plugins/primo sync/dirs; togliere dir ferma sync, non cancella file. ETag If-Match/If-None-Match blocca overwrite concorrente. Manuale/3/15/30/60 min. sync.json in <profileDir>/.dsh-webdav-sync/ (0600) contiene password WebDAV/passphrase.

Esamina I/O, shape, opset, operatori e dimensione ONNX; benchmark ONNX Runtime locale o via SSH. Riporta latenza media/P50/P95/P99, FPS, provider effettivo e gate PASS/FAIL per FPS/P95/dimensione. Richiede Python 3.10+, numpy, onnx, onnxruntime, psutil; remoto: python3/numpy/onnxruntime.

Modella e verifica affermazioni di design/piano/documento: rende e revisiona UML, controlla macchine a stati/protocolli/dati, copertura e simmetria rollback migrazioni; instrada concorrenza al checker adatto, audita dipendenze e confronta report.

Aggiunge una terza riga Context window al selettore modelli del composer: capacità predefinite (64K–2M), input personalizzato, sincronizzazione per tutto il provider e guardia di compaction adattiva.

Plugin monitor generico per DSH Desktop: motore di regole con polling HTTP. Interroga qualsiasi endpoint secondo una pianificazione (più passaggi, estrazione variabili, espressioni condizionali JS); solo quando una condizione è soddisfatta sveglia una sessione agent visibile, senza chiamate al modello altrimenti. Pannello GUI laterale per creare, modificare, sospendere, testare, attivare subito e consultare la cronologia, con UX come lo scheduler integrato.

Espone via MCP un’istanza DeepSeek Harness in esecuzione affinché un agent esterno possa elencare, creare e continuare le sessioni proprie dell’istanza, delegare un turno e raccoglierne il risultato, rispondere alle domande dell’agent DSH e impostare la gestione delle future richieste di approvazione.

Mostra il costo di contesto di ogni skill e consente di nasconderla dal catalogo senza eliminarla. Elenca tutte le skill su disco con la riga esatta inviata al modello (description normalizzata e troncata al limite), dimensione del corpo e stima dei token. Anteprima byte per byte del messaggio catalogo ricevuto dall’agent, confronto con la copia pubblicata nella sessione corrente e segnalazione di skill assenti dal catalogo per frontmatter non valido o shadowing da una root prioritaria. Nascondere scrive disable-model-invocation nel frontmatter ma conserva il file, quindi `/name` continua a funzionare. Importa anche da ClawHub, Skills.sh e URL GitHub e disinstalla le skill di proprietà dell’utente.

Pagina di gestione skill per dsh: imposta ogni skill su on, manual only, model only o off per modalità agent; conta i caricamenti per modalità dalla cronologia sessioni; cerca su skills.sh e installa da GitHub; importa da Codex, Claude Code o cartella; crea, modifica e versiona skill, con cestino per quelle eliminate. Le modalità restano attive dopo la disinstallazione.

OCR di PDF scansiti e composti solo da immagini in Markdown. Poiché un libro richiede circa un’ora, ogni pagina ha un checkpoint per riprendere dopo un’interruzione; un log mostra l’avanzamento e il rapporto qualità segnala pagine vuote e righe a bassa affidabilità. Richiede Python 3.10+ e `pip install -r requirements`; al primo avvio scarica il modello OCR.

Organizza tutte le skill caricate in workspace di proprietà dell’utente, in una scheda della barra laterale destra. Ogni workspace ha categorie proprie e la posizione di ogni skill; le categorie si creano, rinominano, riordinano ed eliminano sul posto, mentre le skill si spostano trascinando o selezionando. Al primo avvio, il modello del profilo può creare la classificazione iniziale o inserire le skill nelle categorie già create dall’utente. Un clic copia `/skill-name`; al passaggio del mouse si espande la descrizione fornita dalla skill.

Filtra le skill per tag: assegna tag e passa a ogni workspace o conversazione solo il sottoinsieme selezionato da un’espressione booleana (per esempio `pdf + docx` o `aegis * plugin`). Le skill escluse vengono negate nel catalogo del modello con deny-shadow, non solo nascoste nelle impostazioni; quelle fuori espressione possono comunque essere aggiunte a mano o disattivate forzatamente. `tagging-skills`, incluso, insegna all’agent a derivare un set di tag dalla macchina usata.

Knowledge base e conversione DocChain: ricerca per nome file, contenuto e metadata; ricerca per doc_id/nome e lettura; elenco topic; upload in blocco; conversione in Markdown; ricerca per somiglianza immagini e descrizioni per documento in sidecar Markdown; deep research. Ogni funzione script è anche un tool DSH nativo in-process: doc search/content search/filename search/topic info/metadata search/upload/image search/image describe/doc2markdown. Le impostazioni gestiscono più ambienti con indirizzo/credenziali propri, passaggio con un clic e topic preselezionati per ambiente. Servono URL del servizio docchain e API key, tranne doc2markdown. Le descrizioni immagini richiedono anche un endpoint multimodale compatibile OpenAI (modello gateway interno predefinito, configurabile).

Traduttore per Windows x64 con voce dedicata nella barra laterale e interfacce Workbench/Chat, traduzione affiancata di testo e documenti, traduzione di aree dello schermo, cronologia recente, selezione del modello host, input vocale e anteprima. L’OCR dei documenti usa CUDA con fallback CPU; quello dello schermo usa CPU. Non abilitare insieme i pacchetti CPU e CUDA.

Traduttore per Windows x64 con voce dedicata nella barra laterale e interfacce Workbench/Chat, traduzione affiancata di testo e documenti, aree dello schermo, cronologia, selezione del modello host, input vocale e anteprima. OCR CPU senza dipendenze NVIDIA. Non abilitare insieme i pacchetti CPU e CUDA.

Voce bidirezionale per l’app web DSH: dettatura dal composer unificato e ascolto delle risposte con pulsanti altoparlante o lettura automatica, su qualsiasi dispositivo. Richiede DSH 0.1.7+, Node 22+, Python 3 con numpy e requests, un modello TTS e un microfono.

Note di riunione per dsh: una riunione per conversazione, trascritta e separata per interlocutore sul dispositivo, con punti, assegnazioni, note scritte a mano, revisioni e punteggi mensili nello stesso pannello. Esporta SRT/Markdown/Word e crea uno zip portatile importabile da un altro dsh. Le assegnazioni confermate vengono inviate con un clic a DingTalk/WeCom secondo le impostazioni del bot. I modelli di riconoscimento sono sostituibili e un modello locale più forte si può importare da file; il riconoscimento cloud è disattivato per impostazione predefinita e non invia richieste prima del consenso. Word richiede Python e python-docx; al primo avvio scarica un modello da 28 o 77 MB.

Cerca opere di pubblico dominio in Project Gutenberg, Wikisource, Internet Archive e Standard Ebooks per titolo, autore, personaggio o trama ricordata a metà, oppure importa EPUB/PDF/TXT/DOCX/Markdown e ascolta nella barra laterale. Supporta voci neurali Microsoft Edge, Kokoro offline o voci del dispositivo; salva la posizione, consente note vocali collegate al passaggio appena ascoltato e dialogo sul libro con il modello DSH.

Riconoscimento strutturato delle immagini: misure locali con sharp e un modello vision cloud restituiscono in una chiamata descrizione, OCR con coordinate, posizioni degli oggetti e attributi dettagliati. Una cache fingerprint restituisce immagini ripetute in millisecondi senza consumare quota modello.

Strumenti media Cloudflare Workers AI per dsh: text-to-image, text-to-speech e speech-to-text. Badge di prezzo per modello, scheda impostazioni nativa, riuso di un account Cloudflare esistente e file di output nominati in base al modello che li ha generati.

Fa vedere davvero un video al modello: ffmpeg locale campiona immagini con timestamp e faster-whisper trascrive l’audio, così l’agent legge i pixel reali fotogramma per fotogramma invece di fidarsi di un riepilogo testuale. Tutto locale, niente upload; segnala quando l’audio non contiene parlato. Solo Windows; richiede Python 3.10+ e ffmpeg. Il primo video_eyes_setup scarica circa 700 MB (faster-whisper e il modello).

Provider Tencent Yuanbao Search per l’estensione ctx.web: una richiesta diretta alla Search API per query restituisce titolo, URL, snippet e data ISO-8601 riutilizzabili. Le credenziali vengono risolte a ogni ricerca, senza turni ausiliari del modello. Richiede una API key Tencent Cloud WSA.

Runtime decisionale System One per dsh. Strumenti veloci non generativi (choice, score, screen, gate) su gateway locale o hosted; senza che il modello debba invocare nulla, riduce automaticamente output sovradimensionati per segmenti, rifiuta chiamate identiche dopo stallo confermato da System One, verifica dichiarazioni di completamento con prove reali e corregge retry falliti. npm: dsh-harness-reflex (plugin) e harness-reflex (core, anche server MCP stdio).

Gate per workspace che nasconde al modello schemi tool e sezioni del system prompt dei plugin scelti nelle directory dove non servono.