Plugin

Controllo per round del livello di ragionamento (reasoning_effort) per DeepSeek Harness: Auto pianifica low/high/max dalla cronologia recente dei tool calls, oppure permette di fissare un wire level (off/on/minimal/low/medium/high/xhigh/max), con mappatura wire personalizzata, guard delle capacità in base al modello e preset della finestra di contesto (64K–1M); la capability card per modello si abbina a [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (installabile da dsh-market) per provare il reasoning con gateway compatibili OpenAI (vLLM / LM Studio / self-hosted). La card scrive le capacità llm-pi-ai, l'adapter guida il wire (compat.thinkingFormat) e il plugin mantiene la lista di takeover.

Editor Markdown stile Typora per la barra laterale destra di DSH: rendering live di formule e Mermaid, clic a destra di un'immagine per continuare nella riga successiva e salvataggi Ctrl/Cmd+S protetti da versione anche fuori dal workspace della sessione. Inserisce le selezioni nella chat con il percorso assoluto.

Prove da media locali (video/audio/immagini): timeline, trascrizione, regioni. Fallback per media in meta.attempts, mai silenzioso: multimodale host→OpenAI compatibile/rotazione chiavi→ffmpeg/ASR locale→metadati. Cooldown solo auth/quota; candidato conservato in coda, non scartato. Oscura errori prima del taglio; magic byte, non estensione. vision-bridge facoltativo; registrazione multimodale/AV inline (video_url/input_audio) richiede peer opzionali dsh-thinking-levels e dsh-llm-openai-completions; assenti, degrada senza errori. Default remoto; strictLocalOnly mantiene locale. ffmpeg/ffprobe e CLI ASR locale non inclusi, servono solo al fallback locale; se assenti, degrada ai metadati. Hosts 0.1.7/0.2.0/0.2.1 (6 rc, enum engines.dsh); npm dsh-media-lens.

OpenAI-completions-compatible adapter for custom gateways (vLLM / LM Studio / self-hosted proxies): always role:"system", thinking driven by the model config, Qwen-style response split, and vision-model image input (single / multiple).

Manual model probe for DeepSeek Harness: a session-view tab where you pick provider, API type, model and route, then send one real raw HTTP request over openai-completions, openai-responses or anthropic-messages — streaming or not — and read latency, TTFT, HTTP status, token usage and a three-layer diagnosis chain (API request / model response / strict check) on one screen, with errors in plain language.