Plugin

Agent Context Editor è un plugin cross-agent per escludere, modificare e comprimere selettivamente il contesto delle conversazioni IA manualmente. Supporta anche ricerca, filtro, selezione, nascondere, ripristinare e annullare le modifiche alla conversazione preservando la sessione originale.

Ricerca accademica AI4Scholar: 38 strumenti su Semantic Scholar, PubMed, Google Scholar, arXiv, bioRxiv/medRxiv e risoluzione DOI (ricerca, grafo delle citazioni, autori, raccomandazioni, testo completo PDF a sezioni, citazione automatica, figure scientifiche), una ricerca multipiattaforma unificata con deduplicazione, una scheda della chiave API nelle Impostazioni e contabilità dei crediti per chiamata con una scheda saldo `/ai4scholar`.

Una compagna Live2D a forma di ragazza-balena per la UI Web di DeepSeek Harness: il modello resta sullo schermo e reagisce a ciò che l'agente sta realmente facendo (pensiero, chiamate ai tool, testo in streaming, errori, fine turno); cliccala per inviare un messaggio all'agente e guarda la risposta arrivare in un fumetto; tasto destro per un menu di espressioni, vestiti, scene di scrivania e animazioni una tantum, ogni azione mappata dal foglio degli hotkey dell'autore del modello originale, così nulla si sovrappone e tutto scade da solo. Asset del modello non commerciali (CC BY-NC-SA 4.0), codice MIT, di Andersen216 (https://github.com/Andersen216).

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.

Bacheca attività basata su sessioni nella sidebar: trascina le sessioni nelle colonne todo/doing/review/done, crea sessioni con selezione di modello e reasoning-effort, cestino con ripristino, note, export/import.

Preset agente in modalità apprendimento: un agente di coding che insegna mentre programma — spiegazioni concrete basate su scenari, guida socratica e spazi vuoti per esercitazioni TODO(你), modellato sullo stile di output Learning di Claude Code; installabile tramite dsh plugin add (dsh-learning-mode su npm).

Preset agente Learning Mode: un agente di coding che insegna mentre programma — spiegazioni concrete basate su scenari, guida socratica e spazi vuoti per esercitazioni TODO(你), modellato sullo stile di output Learning di Claude Code; installabile tramite dsh plugin add (dsh-learning-mode su npm).

Scrive lo stato live dell'agente dell'harness (pensiero, lavoro, attesa, finito, errore) in un file di stato che un pet desktop Live2D Electron incluso interroga, così il fumetto e il volto del pet seguono ciò che l'agente sta facendo.

Strumenti di citazione per agenti: ricerca DOI esatta, ricerca bibliografica Crossref, formattazione GB/T 7714 / APA / MLA / Chicago, generazione BibTeX e validazione DOI a concorrenza limitata con self-check dello stato di salute.

macOS desk pet forked from anneheartrecord/dsh-desk-pet, in a real always-on-top window that covers fullscreen Spaces: the pose follows whatever the local DSH is doing across six states, the right-click menu is a real AppKit one carrying quiet mode and a session list, and seven skins ship with it. Two of the seven are drawn from geometry by a script in the repo rather than generated, so making a skin needs no image model and no API credits; the bundled skill still expands one photo into all eighteen poses on your own image tool and credentials. There is no Electron and nothing to install alongside it: the window is driven through ctypes on the Python that ships with macOS.

Ships a skill about handing work to subagents instead of doing it inline - which tasks are worth fanning out, how many to run at once, how to send them in parallel, and how to check what they returned instead of trusting the summary.

Voice for the DeepSeek Harness: speak to the agent, hear it back, and see what it is doing from a floating window that stays on top of whatever you are running.