Plugin

Classifiche e raccomandazioni trasparenti per l'ecosistema dei plugin DSH: dati sul topic recuperati automaticamente ogni giorno, un modello di punteggio aperto e strumenti di classifica/ricerca/raccomandazione con una leaderboard nella pagina delle impostazioni.

Migliora l’esperienza dei modelli: diversi modi per inserire parametri, compatibilità, memoria dello sforzo di ragionamento, subagenti che seguono in tempo reale modello e sforzo del genitore e autoregolazione dello sforzo da parte dell’IA.

Modalità TUI di terze parti per DeepSeek Harness (dsh --profile pi-tui), basata su un fork pi-tui in vendoring: copre il loop principale della sessione oltre ad approvazioni, comandi, cambio sessione e ricerca full-text, nonché preset, competenze, menu modello/impostazioni e comandi slash.

Presenta DSH Web come un'interfaccia voxel giocabile in stile Minecraft in prima persona a tutto schermo — non una skin solo colore: gli utenti camminano attraverso un mondo a blocchi Three.js persistente e accedono a workspace nativi, sessioni, conversazioni, strumenti, selezione del modello, permessi, informazioni di contesto e il composer tramite strutture nel mondo e un workbench.

Player di musica, audiolibri, radio e notizie per DeepSeek Harness: trasmette in streaming la tua cartella musicale locale via HTTP, legge ad alta voce romanzi locali .txt/.epub con voci AI, riproduce musica online QQ/Kugou/Netease e radio Internet (HLS supportato) e diffonde riepiloghi giornalieri delle notizie — tutto controllabile dall'interfaccia o dicendolo all'agente tramite lo strumento modello music_play.

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.

Dona la vista ai modelli solo testuali: inoltra le immagini dell'utente a un modello di visione compatibile con OpenAI e mostra le descrizioni in un pannello destro dell'interfaccia web.

Affianca un secondo modello che revisiona passivamente ogni turno e inserisce note.

Collega gli account OAuth di Google Antigravity a DeepSeek Harness, ruota in modo intelligente le quote tra più account e offre instradamento LLM multimodello e generazione di immagini con Nano Banana 2.

Lingua di lavoro per modello: regole regex ordinate associano gli ID dei modelli ai codici lingua BCP 47; DeepSeek Flash traduce il prompt nella lingua del modello prima dell’invio e riporta la risposta alla lingua originale dopo ogni turno. Consente di visualizzare separatamente nella chat la risposta originale e il testo effettivamente inviato, aggiunge al prompt di sistema la regola di mantenere la lingua di lavoro e mostra un avviso sotto il messaggio se la traduzione fallisce. Se le lingue coincidono, non traduce né genera costi.

Rimuove i loop di ragionamento degenerati dalla cronologia visibile al modello, evitando che vengano riprodotti a monte nel turno successivo. Rileva due schemi — una frase ripetuta insistentemente e la rotazione di frasi brevi — e sostituisce in loco l'intervallo trovato; una valvola di fuga aggiuntiva interrompe i turni che non si fermano da soli.

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.

Sostituisce il pulsante modello del composer DSH con un pannello a due livelli (elenco provider, poi modelli ricercabili) e slider trascinabile continuo per lo sforzo di ragionamento: riempimento blu-viola, nebulose e stelle ai livelli alti, colore distinto per livello. Selezionando un modello, il pannello resta aperto e lo slider passa al livello centrale del modello. Parte da Microqian2th/dsh-codex-effort-slider 1.0.0 (citato nel README); pannello, takeover dello slot, test offline e documentazione sono nuovi.

Trasforma un requisito in una riga in una consegna verificata. TeamFlow esegue triage, PRD, design, piano tecnico, sviluppo parallelo, QA con correzione dei difetti e accettazione. Include 12 strumenti `teamflow_*` e una postazione con grafico della pipeline live e kanban del backlog. Ogni requisito ha una cartella con PRD, design, piano tecnico, rapporto QA e verbale di accettazione.

RAG per una knowledge base bibliografica locale: 10 strumenti (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), ricerca ibrida BM25+vector+reranker, QA con citazioni e link DOI cliccabili, embedding bge interamente locali su un indice SQLite in un singolo file. Richiede Python 3.9+ con pymupdf, faiss-cpu e sentence-transformers; l'installer `npx dsh-kb-rag-install` li configura e pre-scarica il modello.

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.

Plugin di annunci vocali senza dipendenze, basato su eventi: nessun modello extra, nessun costo di token. Parla con la voce naturale integrata del sistema, supportando sia Windows che macOS; annunci di risposta finale, avvisi di approvazione e domande, annunci opzionali di eventi (fine turno, comando completato, cambio obiettivo, errori strumenti, aggiornamenti attività), risposte finali riproducibili e una pagina delle impostazioni visiva bilingue.

Chip del costo nel compositor: calcola la spesa API DeepSeek della sessione corrente messaggio per messaggio con la tabella prezzi ufficiale (incl. la politica picco/fuori picco del 2026-08-17); passa il cursore per il dettaglio, il totale di oggi (DSH) e il saldo dell'account. Solo modelli DeepSeek.

Fuzzing diretto da un agente LLM. Da repository e bug (descrizione CVE, patch, traccia di crash o file:line), esegue il ciclo PLAN, IMPLEMENT, EXECUTE, REFLECT; il modello scrive generatori di input Python finché scatta l’oracolo di pattern stderr della campagna o la campagna si ferma.

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.

Guardia della codifica dei file: lettura/scrittura/modifica esatte al byte per file GBK, Big5, Shift-JIS, EUC-KR, Windows-125x, UTF-16 e UTF-32, così la modifica di un file legacy lo lascia nella codifica originale invece di riscriverlo silenziosamente come UTF-8; il BOM UTF-8 è preservato esattamente com'era, i fine riga (CRLF/LF/CR) sono mantenuti, i caratteri che la codifica non può rappresentare vengono rifiutati invece di essere scritti come "?", e i file non UTF-8 vengono elencati con codifiche candidate affinché il modello possa rileggerli esplicitamente.

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.