Plugin
Sfoglia, filtra e installa i plugin di DeepSeek-Harness.
6 plugin trovati
dsh-deepread
xiehuan123/dsh-deepread
Lettura approfondita di libri e articoli in cinque modalità (rapida, approfondita, mappa della conoscenza, Feynman, libro completo) con report affermazione-prova-dati, mappe mentali Mermaid/XMind, confronto in batch, controllo preventivo del budget, avanzamento trasparente delle attività in background ed esportazioni MD/HTML da URL, file o testo incollato.
deep-read-summarize
pensivefei/deep-read-summarize
Lettura approfondita e sintesi per DSH: libri, articoli, video e web trasformati in note strutturate di Obsidian tramite parser di plugin, sottoagenti paralleli MapReduce di lettura profonda, output JSON Schema e cache idempotente.
dsh-deep-reading
madao1210/dsh-deep-reading
Flusso di lettura approfondita di libri: importa EPUB/Markdown/TXT/PDF per capitoli e affida ciascuno a un subagente, così il testo sorgente non entra mai nella sessione principale. Conserva memorie di capitolo ancorate con \[n] per continuare tra sessioni ed esporta note o un EPUB.
dsh-deep-reading-wl
songfengmanzhu/dsh-deep-reading-wl
Pipeline per libri di testo scansionati: OCR a circa 5 volte la velocità di ONNXRuntime (richiede Python 3.10+ con pymupdf, rapidocr, openvino e numpy), quindi crea un report strutturale e un piano di lettura per capitolo prima di aprire il PDF.
DSH-Paper-DeepRead
haokuo/dsh-paper-deepread
Include una libreria per la lettura approfondita e lo skill paper-deepread-html: pannello laterale per report interattivi, upload PDF nella libreria gestita, analisi con un agente o con un worker opzionale del sito e gestione/ricostruzione. Model tools: paper_deepread, paper_deepread_uploads, paper_deepread_reports. Python 3 è necessario per lettura/ingestione/report; al primo uso lo skill prepara un venv PyMuPDF, mentre la ricostruzione dell’indice ripiega su plain python3.
dsh-arxiv-inspiration
lxion0553/dsh-arxiv-inspiration
arXiv paper survey assistant with a settings-page UI, a local knowledge base, a feedback loop, keyword search plus optional local-embedding semantic search, and per-paper deep-read notes. Requires a configured DSH LLM provider; semantic search and full-text deep read need an optional Python environment (pymupdf + fastembed), otherwise they fall back to keyword search or are skipped.