Plugin

Driver browser discreto per agenti IA: pochi strumenti, controllo completo ed efficienza dei token.

Include 27 skill di ingegneria e produttività (mattpocock/skills v1.3.1), senza installazione manuale. L’autore dichiara di averlo creato con 40 miliardi di token e di offrire un’efficienza di sviluppo 10 volte maggiore sulle skill originali. Aiuta i principianti a iniziare più rapidamente con la raccolta. GitHub Issues è pienamente supportato; Markdown è in anteprima e GitLab non è ancora supportato. Grazie per l’uso e il sostegno.

Filtra gli output, elimina il contesto obsoleto e rivela le skill su richiesta in DSH 0.2.1-alpha.1.

Plugin di memoria DSH fatto in casa: archiviazione persistente SQLite + guardia di audit a livello di database (enforceAudit) + log di audit. Cattura automaticamente conoscenza dopo le conversazioni, gli agenti ricordano via memory_recall, supporta la condivisione multi-agente tra Claude Code/Codex/Cursor. Zero dipendenze esterne.

Analizza l'utilizzo tra modelli, provider, spazi e periodi, con date personalizzate su tutta la cronologia, cache-hit visibile e ripartizioni per modello e provider. Include trend orari/giornalieri, heatmap di 53 settimane in stile GitHub, serie, anelli di quota token per modello e spazio (token, costo, %), filtri combinabili, efficienza della cache, saldo DeepSeek, alias degli spazi, export CSV e un registro durevole che conserva l'utilizzo dopo la cancellazione di sessione o spazio (riga Deleted) e si ricostruisce in modo incrementale. Il registro degli spazi si aggiorna via sonda DSH domain/changed; contano solo gli spazi registrati. Contabilità separata di input, cache e ragionamento. Cinese: ora locale; inglese: UTC; API solo loopback.

Forza la compressione del contesto durante l'esecuzione di modelli llama.cpp a basso contesto come Qwen3.8-27B, migliorando l'efficienza del modello e la fluidità d'uso, insieme a prompt di compattazione ben raffinati.

Compressione del dialogo in-place con curva di dimenticanza per DeepSeek Harness: i turni recenti restano verbatim, quelli centrali sono strutturalmente disidratati (senza LLM), quelli antichi si ripiegano in una coppia di riassunti limitata — conversazioni illimitate su un budget di memoria limitato.

On-demand memory for DeepSeek Harness: session logs are distilled into layered markdown (a summary, an index and per-topic files), and a mem_query tool returns only the matched entries rather than the whole index. Nothing is injected per turn, there are no dependencies, and every entry keeps a source pointer back to the conversation it came from.

Context curation for DeepSeek Harness: content-aware tool-output slimming, dead-log sweep, pinned user requirements and in-flight work, archive-then-compact with an audit trail.

A DSH conversation workspace: turn actions, provenance quotes, local notes and summaries, in-conversation find, focus lock, and per-workspace command buttons.

Multi-agent frugality defense plugin: read-ledger dedup metrics, compaction-immune rules, completion gate, cheap-model review lane.