Plugin

Fork mantenuto di feibi-mochi/deepseek-harness-control-center, non aggiornato dal 2026-09-09. I prezzi seguono il pool ufficiale dei modelli invece di un prefisso hardcoded; così DeepSeek V4.1 Flash (`deepseek-flash`) viene tariffato e mostra l’orologio punta/fuori punta. La pagina prezzi ufficiale è analizzata strutturalmente, così rinominare o ritirare un modello non blocca la sincronizzazione. Aggiunge interfaccia inglese accanto a quella cinese. Restano saldo, costo e token per sessione, orologio 24 h, quota Z.ai e registro locale; segue il tema chiaro/scuro dell’host.

Trattiene le chiamate ai modelli DeepSeek per il resto di ogni finestra di punta configurata invece di inviarle, così vengono tariffate fuori punta. Mette in pausa anche i goal attivi e mostra saldo account e grafico di spesa di 8 ore.

Traccia uso dei token API e costi stimati con prezzi modello per route, gruppi di fatturazione facoltativi, visualizzazione CNY/USD sincronizzata, report di sessione, totali composer e totale giornaliero cliccabile nella sidebar.

Mostra nell’intestazione sessione uso e saldo del modello attivo: utilizzo mobile/settimanale/mensile OpenCode Go con limite mensile del modello scelto; finestre di 5 ore e settimanale Command Code con crediti residui; saldo account DeepSeek.

Monitora l’uso cumulativo dei token in DeepSeek Harness, suddiviso per modello e giorno, con dashboard nelle impostazioni e directory dati modificabile online.

Espressioni native IA per chat bidirezionale: le persone vedono immagini, mentre i modelli solo testuali leggono significati fissi. Include selettore, espressioni personalizzate, import/export e due stili visivi.

Attività pianificate per sessione: inserisce un prompt nella sessione corrente dopo un ritardo, a un orario fisso o a intervalli regolari per riattivare il modello. Gestione dal pannello sopra il composer, da /schedule o da sette strumenti modello. I timer si bloccano quando DSH è chiuso e non ripartono automaticamente; la pausa conserva il tempo residuo.

Memoria Hypatia basata su eventi per DSH: registra automaticamente le conversazioni tramite eventi di sessione, consolida in background riepiloghi di segmenti e unità di lavoro con una route modello dedicata e inietta i ricordi recuperati. Nessun lavoro del modello per chiamata nella sessione principale.

Inspector LLM a livello wire: acquisisce i body HTTP raw di richieste e risposte dei provider e associa ogni acquisizione alla sessione tramite il flusso llm/stream. La richiesta è un albero comprimibile con dimensioni per nodo (un caso misurato era per il 98,6% un array di 973 elementi); la risposta ricompone gli SSE OpenAI in reasoning/content/tool calls/usage. Include scheda Conversation View e viewer loopback.

Interruttore per il riempimento rapido del contesto nella compattazione automatica DeepSeek Harness. Rifiuta una compattazione inutile se il contesto si è riempito in meno di N turni strumento per M volte consecutive (caso non rilevato dal trigger illimitato step-pressure). Invece di consumare una chiamata di sintesi a ogni passaggio, segnala il problema con un consiglio, spesso che una singola lettura o output era troppo grande. Stato e riarmo con /compaction-breaker; inietta una sezione prompt da riferire all’utente. Sessioni host-plane tramite bundle del profilo; quelle normali richiedono di sostituire una riga nell’agent preset.

Accedi con un account ChatGPT e visualizza l’uso dell’abbonamento Codex nelle impostazioni modello di DSH Web, con OAuth via browser o codice dispositivo.

Aggiunge un pulsante scintilla a sinistra del selettore modello nel composer: riscrive la bozza come richiesta più chiara e completa, la sostituisce sul posto e consente di annullare con un clic. Cinque stili; disattivato se la bozza contiene chip di file/comando.

Controllo nativo Windows per DeepSeek Harness: due strumenti gestiscono e leggono qualsiasi app desktop. Una chiamata batch esegue find/click/type/key/read/wait/screenshot in un unico passaggio del motore; con passaggi noti in anticipo basta un round trip al modello. read restituisce il testo della finestra, non un’immagine. Input e acquisizione privilegiano UI Automation, messaggi Win32 e PrintWindow offscreen, senza toccare focus o puntatore dell’utente.

Usa i modelli DSH in [Libre WebUI](https://github.com/libre-webui/libre-webui) per chat, Work in sandbox e monitoraggio dell’uso; le credenziali del provider restano in DSH. Richiede Libre WebUI 0.37.0 o successivo.

Probe manuale dei modelli per DeepSeek Harness: in Session View scegli provider, tipo API, modello e route; invia una richiesta HTTP raw reale tramite openai-completions, openai-responses o anthropic-messages, con o senza streaming. Mostra latenza, TTFT, stato HTTP, uso token e diagnosi a tre livelli (API request/model response/strict check) in una schermata, con errori spiegati chiaramente.

Compattazione del contesto DeepSeek Harness guidata dal modello: l’agente decide quando e cosa comprimere e registra sostituzioni durevoli nel log della sessione. La compressione dei risultati degli strumenti è reversibile, con recupero byte per byte tramite hash.

Mostra il saldo DeepSeek nel piè di pagina laterale con pulsante di aggiornamento. Il popover include saldo, grafici giornalieri di token e costo stimato su 7/30 giorni, tabella per modello e link alla pagina ufficiale di utilizzo. Il saldo viene da `/user/balance`; l’utilizzo è aggregato dai log locali delle sessioni DSH e calcolato con le tariffe CNY pubblicate di punta/fuori punta, quindi è indicato come stima con ambito dichiarato.

Sostituisce il selettore del modello chat con un elenco comprimibile per provider; riunisce i provider mirror vision-bridge sotto quelli upstream e mantiene le opzioni reasoning-effort dichiarate nelle impostazioni di ogni modello. Testato solo su DSH Desktop; la versione web DSH non è stata testata.

Console a pagina intera aperta dalla barra laterale, con 8 schede: panoramica; sessioni dal servizio sessions (titolo, directory, stato, aggiornamento, filtri); bundle installati e voci Loader da pluginInventory/pluginManager con interruttore per bundle; mercato dei repository pubblici `topic:dsh-plugin` via GitHub Search API; editor modelli/provider che scrive nello spazio llm-pi-ai tramite `remote.settings.mutate`, cambia modello di sessione, aggiunge/modifica provider e liste di modelli, salva le API key con `remote.credentials` e conserva i campi profilo nascosti; MCP; skills; utilizzo letto dal loopback host `/api/dsh-usage/overview`. I servizi sono dichiarati con `ctx.inject`; se ne manca uno, la console non viene montata invece di bloccarsi.

Espone nella LAN tutti i modelli già configurati in DeepSeek Harness tramite endpoint compatibili con OpenAI e Anthropic. Include chiavi API, limiti per chiave, circuit breaker, filtri dei modelli e report d’uso.

AlphaRSI: ciclo di auto-miglioramento a tre ruoli che evolve la ricetta di addestramento dei modelli di sequenze alpha. Operator esegue walk-forward, Evaluator valuta con OOS RankIC e Refiner propone iperparametri tramite ricerca bayesiana TPE; conserva solo ricette strettamente migliori. Esecuzione offline con un comando, bundle dati riconciliato con sha1 e rilevamento GPU automatico. Include una skill.

Sincronizza in DeepSeek Harness provider e modelli cc-switch al salvataggio e mostra nel composer e nella scheda impostazioni finestre del piano, saldo o script d’uso personalizzato per ciascun provider.

Evoluzione di simon300000/dsh-auto: il preset di autorizzazione Auto Approve per DSH Web UI esamina ogni richiesta con una singola chiamata al modello, senza subagente revisore. Approva automaticamente solo le azioni che superano il controllo e sottopone le altre a una persona. Memorizza le decisioni confermate in elenchi di consentiti/bloccati a livello di progetto e globale, con cronologia nella barra laterale destra.

Evita che un argomento ridondante di elevazione del sandbox faccia fallire una chiamata. pwsh, bash, write ed edit dichiarano l’intero enum `sandbox_permissions`, ma DSH accetta solo un livello strettamente più ampio di quello attivo; ripetere il livello corrente viene rifiutato prima dell’esecuzione e può costare un turno di tentativi. Registra un solo listener waterfall tools/execute e, solo dopo quel rifiuto documentato e se è presente il campo di elevazione, reinvia una volta la stessa chiamata senza tale campo. È sicuro: il rifiuto precede l’esecuzione («non è stato eseguito nulla») e la chiamata corretta non corrisponde più, quindi niente loop. Verificato: prima isError=true e comando non eseguito; dopo output reale e isError=false, un tool/call e un tool/result. Nessuna dipendenza.