Plugin

Plugin di memoria persistente cross-agent e local-first per DeepSeek Harness (DSH), basato su Mnemon. Condivide la memoria a lungo termine tra gli agenti compatibili con Mnemon e aggiunge memoria di runtime, documenti di progetto ricercabili, richiamo semantico, grafo di conoscenza e un'interfaccia a barra laterale.

Piano di controllo della memoria a tre livelli per DeepSeek Harness: contesto di runtime persistente, documenti di progetto ricercabili, memoria a lungo termine collegabile, instradamento intelligente, workflow di agent supervisionati, WebUI e strumenti headless.

Caricamento file con card di allegati colorate (archiviazione isolata per sessione, deduplicazione sha256, pulizia con TTL) più uno strumento read_document con rilevamento del contenuto per PDF/DOCX/XLSX/TXT.

La barra laterale di DSH elenca Markdown, immagini e video esistenti ovunque nel workspace della sessione, ordinati per pertinenza alla conversazione corrente: i messaggi recenti si confrontano con titolo, sommario e corpo, con ponderazione IDF, senza chiamate al modello né rete. Scansionata dal workspace, non ricordata, la lista sopravvive a riavvii di DSH e nuove sessioni. Immagini e video si anteprimano sul posto: le prime a percorso relativo risolte, i secondi in streaming su HTTP Range. Una barra di riferimenti sotto l'intestazione dell'anteprima mostra chi cita quello in anteprima e chi esso cita; un clic salta tra loro. L'agente riceve la stessa classificazione come strumento knit_docs, che restituisce i più pertinenti col relativo passaggio, se trovato.

Importa schede personaggio e world book di SillyTavern/TavernAI, salvali come documenti lore locali in Markdown, e genera prosa narrativa dai tuoi prompt usando le ambientazioni come riferimento.

Ottimizzazione con un clic di un'istruzione grezza in un prompt professionale: tre stili di output, profilazione di ruolo/compito/obiettivo consapevole della situazione, apprendimento autoiterativo (memoria di sessione + valori predefiniti intelligenti + override dell'utente), /template per 22 sotto-scene con zero chiamate al modello, ✨ ottimizza/annulla con un clic nella casella di input, strumento prompt_optimize, hook di auto-ottimizzazione e documenti zh/en rilevati automaticamente.

Trasforma documenti locali in markdown e testo in una base di conoscenza interrogabile con ricerca ibrida semantica e per parole chiave, verifica delle citazioni e iniezione di fonti.

Banco di lavoro per la lettura di paper: libreria + lettore PDF + companion in stile tutor. Le risposte citano numeri di pagina cliccabili che riportano al PDF e lampeggiano il passaggio esatto; chiedi selezionando senza lasciare il paper; preset tutor-severo incluso (piano di lettura, coaching per sezioni, quiz valutati tracciati tra le sessioni); toggle in loco originale ↔ cinese (babeldoc, nessuna preinstallazione). Trascrizione e ricerca locali — i documenti non lasciano mai il tuo computer.

Fork per il trascinamento dei file: rilascia i documenti come chip rimovibili sopra il composer, invia senza digitare

Competenza di verifica delle affermazioni che confronta documenti di progettazione e piani con i fatti del codice, escalando le affermazioni comportamentali a verifica eseguibile con primitive logiche per macchine a stati e modelli di dati, con regressione prima/dopo, vincoli di dominio e mining dei rischi di concorrenza.

Un Dock di allegati leggero e generico per DSH: incolla, trascina o scegli immagini, PDF, documenti, archivi, codice e altri file, rivedili e gestiscili prima dell’invio, poi passali all’Agent come percorsi locali. Offre ai file non immagine un punto d’ingresso coerente per gli allegati.

`doc_read`/`doc_write` con limiti e indirizzamento per cella per xlsx/pdf/docx/pptx/ipynb, più un server MCP e CLI.

`doc_read`/`doc_write` limitati e indirizzati per cella per xlsx / pdf / docx / pptx / ipynb, più un server MCP e una CLI

Orchestrazione di attività di sviluppo guidata dalla configurazione per DSH: workflow a grafo (nodi task/gateway/human) con persistenza per fase, più un assistente IA nell'editor che configura i workflow tramite conversazione con convalida live. Passa i documenti ai nodi come allegati generici (nessuna dichiarazione necessaria): i file finiscono nell'area di lavoro del task e ${inputs.附件} restituisce i percorsi assoluti uniti da newline, così un nodo li analizza con il proprio prompt.

Passaggio di sessione e gestione del contesto: documenti di handoff strutturati (export/resume/status) affinché una nuova sessione possa continuare senza interruzioni, oltre alla potatura attiva del contesto (strumenti acp_* tramite l'API ufficiale di compattazione con riepiloghi redatti dal modello).

Sistema di base di conoscenza in stile Cherry Studio per DeepSeek Harness (DSH): basi, documenti, chunking, embeddings (compatibile con OpenAI / Ollama / locale / fallback lessicale), recupero, strumenti rivolti ai modelli e un pannello di gestione nel browser.

Documenti di progetto e memoria a lungo termine come semplice Markdown in un vault Obsidian dedicato: sei strumenti mem_* (search, read, write, log, brief, admin), una singola iniezione di richiamo a budget al primo passaggio di una sessione e distillazione automatica dei turni completati. Obsidian non deve essere in esecuzione e il vault resta leggibile anche con il plugin disinstallato.

Integrazione delle note SiYuan (思源笔记): 17 strumenti host siyuan_* che coprono l'elenco di taccuini e documenti, la ricerca full-text, la query SQL, la lettura di documenti e blocchi, la creazione e l'aggiunta di contenuto, lo spostamento e la rinomina dei documenti, le note giornaliere e gli attributi dei blocchi, più una pagina di impostazioni web per l'URL di SiYuan, il token API e gli interruttori per singolo strumento.

Integrazione Feishu (Lark) per DeepSeek Harness: 25 strumenti per messaggi di chat e cronologia, documenti cloud (incluse pagine di knowledge base, grafici e immagini generati), record bitable, intervalli di fogli di calcolo e permessi Drive, usando la tua app Feishu aziendale auto-costruita.

Converte documenti Office e PDF (inclusi quelli scansionati) in Markdown strutturalmente formattato tramite una pipeline OCR con instradamento a priorità CPU (RapidOCR/SLANet/FormulaNet).

Memoria locale a tre livelli per DeepSeek Harness: L1 memoria istantanea (MEMORY.md/USER.md) letta su richiesta tramite gli strumenti memory_* + L2 base di conoscenza ricercabile (fatti + SQLite FTS5, ricerca in cinese con tokenizzazione a finestra scorrevole) + L3 import da Hermes/Claude Code/Codex/WorkBuddy e da documenti approvati di Agent Hub (memory/global, memory/projects, decisioni accettate) con dedup per hash del contenuto. La v0.2.0 ha rimosso ogni iniezione automatica: la memoria entra nel contesto solo quando il modello chiama uno dei 12 strumenti memory_*, e i dati restano sul disco locale.

Ponte di scrittura verso il client open-source QingAgent: l'agente redige e rivede documenti tramite strumenti host con prefisso qing_, impaginati su un pannello carta di riso con mermaid, drawio, tabelle e KaTeX; le modifiche vengono staged come diff verificabili e applicate solo al commit, e richiede l'app desktop QingAgent sulla stessa macchina.

Plugin di anteprima, modifica e gestione documenti per DeepSeek Harness. Offre un banco di lavoro «Centro documenti» in stile VSCode nell'interfaccia web DSH: albero dei file a sinistra, anteprima al clic, codice e Markdown modificabili con salvataggio Ctrl/Cmd+S; ed espone agli agenti tre strumenti per i documenti (doc_read / doc_edit / doc_create), permettendo ai modelli di leggere e scrivere documenti del workspace in linguaggio naturale.

Drag documents into the dsh web chat; the agent reads them directly from the local filesystem and the right sidebar lists the outputs and file paths.