Plugin

Trasforma l'esperienza esplicita delle sessioni DSH in bozze di Skill native revisionabili, salvate solo dopo l'approvazione dell'utente.

Supporto per le aree di lavoro WSL in DeepSeek Harness: un'esperienza fluida delle aree di lavoro WSL, senza dover installare dsh all'interno di WSL. Una volta installato questo plugin, puoi aggiungere direttamente un'area di lavoro WSL dalla GUI.

Pannello di gestione della taverna per DeepSeek Harness: carte personaggio, worldbook e preset con isolamento per sessione, riepiloghi di memoria, una rete di relazioni tra personaggi, opzioni di trama con un clic e una modalità NSFW. L'esperienza completa richiede anche i plugin complementari dsh-muv-engine e dsh-muv-table, che renderizzano la barra di stato, le opzioni di trama e le tabelle delle variabili.

Miglioramento dell'esperienza di input: input vocale, rifinitura IA, anti-scrittura, ottimizzazione dei prompt con anteprima diff, e cambio automatico del locale seguendo la lingua dell'interfaccia DSH.

Sistema di workflow ingegneristico per agenti di coding AI — pianificazione obbligatoria, TDD, verifica, revisione e analisi intelligente del grafo del codebase.

Individua potenziali problemi UX nel tuo progetto: revisiona automaticamente il codice React/TypeScript, localizza ogni problema e fornisce suggerimenti concreti.

Memoria di progetto per dsh con integrazione nativa del task system: i todo di sessione e le letture dei file si condensano automaticamente in record di task cross-sessione (link task↔file), così i workflow sono commutabili e riprendibili senza ricontestualizzare. Memoria in lettura (nessuna scansione preliminare): estrae simboli di codice, riassume la documentazione e collega docs↔symbol; potenziamento semantico TS opzionale (attivo automaticamente quando TS è installato). Le note di esperienza vengono deduplicate automaticamente. Ogni richiamo include una citazione tracciabile. Solo JS, una sola dipendenza, funziona subito, operazione silenziosa, overhead zero.

L'organo di memoria di Agent-Body: dopo 2 minuti di silenzio entra in sonno leggero e dopo 5 in sonno profondo, dove regole deterministiche distillano l'esperienza reale in carte di memoria (trappole, playbook, hotspot, problemi irrisolti, fatti). I comandi in arrivo richiamano le carte correlate per parola chiave e le iniettano nel contesto; le carte inutilizzate a lungo decadono con un tempo di dimezzamento e vengono archiviate invece che eliminate. Inoltre elimina il rumore degli avvisi di omeostasi di tutto il corpo: le ripetizioni entro una finestra vengono contate invece di essere ristampate, e un avviso che ricorre senza mai guarire converge in uno scostamento di stato stazionario noto e tace. Consolidamento e richiamo non fanno chiamate al modello.

Esperienza di editing in stile VSCode per DeepSeek Harness: un editor di file centrale basato su Monaco (schede, apertura rapida Ctrl+P, barra di stato) e revisione interattiva dei diff dei risultati di modifica/scrittura dell'agente con Keep/Undo per ogni modifica, rollback e archiviazione, persistenti tra i riavvii.

Preset modalità esperto DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordinatore + 17 subagenti esperti con delega automatica. Funzioni: taskboard (stati pending/ready/running/done/failed, DAG dipendenze, rivendicazione atomica, retry, ripristino), gate qualità (pipeline 5 fasi: requisiti, implementazione, verifica, revisione, integrazione; 2 rilavorazioni), Five-Anchor (revisione/convergenza/anti-deriva/cooperazione/risorse), Near-distance (modello identità/compito/output), divulgazione progressiva (~28% risparmio token), persistenza, bus P2P, revisione incrociata, pool esperienza, via rapida, auto-retry. 17 esperti: dati, copywriting, legale, PM, frontend, UI/UX, architetto, social, growth, fin. quant., backend, DevOps, DB, QA, sicurezza.

Installa il runtime browser4-cli e registra le skill Browser4 (browser4-cli, browser4-experience, browser4-plugin, scent-miner) nel registro delle skill DSH, fornendo un motore browser AI-native per agent autonomi, estrazione intelligente e automazione web su larga scala.

Plugin per DeepSeek Harness che si connette a un PowerContext Server via HTTP per il recupero di informazioni, la memoria, il passaggio di consegne, l'esperienza e le skill.

Porta l'esperienza chat di deepseek.com web/app in DSH: modifica il tuo prompt e rigenera le risposte sul posto, con un paginatore di versioni <i/N> per messaggio (modello ad albero, stabile tra le conversazioni).

Retrospettiva automatica delle sessioni: al termine di una conversazione, distilla l'esperienza utile in competenze riutilizzabili salvate nella libreria delle competenze perché il modello le richiami, con trigger accelerati da segnali, esecuzioni manuali, una modalità di approvazione e governance della libreria (archivia/ripristina, mai elimina direttamente).

Suite di disciplina di esecuzione per DSH con intercettazione dei tentativi identici, riflessione forzata, applicazione dei todo, deduplicazione della memoria e promozione dell'esperienza a competenza (11 plugin + 6 competenze).

Rete di Esperienza Agente local-first per DeepSeek Harness, distilla esperienze a livello di attività da tracce e manifest live, valuta per evidenza H0-H4, scopre per compatibilità e promuove solo dopo revisione esplicita.

Consente ai modelli solo testo di gestire le immagini incollate nella chat, con un'esperienza di visione nativa, visualizzazione delle immagini in batch e uno strumento analyze_image integrato compatibile con OpenAI; i modelli con capacità di visione non sono interessati.

Un nucleo di giudizio per DeepSeek Harness: un ciclo cognitivo che dà a ogni decisione fonte e attribuzione e porta la pianificazione fino alla chiusura, una memoria ippocampale che condensa l'esperienza in conoscenza riutilizzabile e una scheda persona personalizzabile (nome, personalità, stile di comunicazione). Richiede DSH ^0.1.0-rc.7.

Compila automaticamente i campi di sforzo di ragionamento, finestra di contesto, limiti di output e modalità immagine per i modelli di provider non ufficiali (personalizzati), con dati da models.dev, e offre miglioramenti come il potenziamento della compatibilità e la memorizzazione dello sforzo di ragionamento.

Aggiunge una sezione Store nativa alle Impostazioni DSH per ricerca catalogo, filtraggio tag, ordinamento, installazione e gestione dei plugin installati.

Pianificazione delle attività con memoria muscolare dell'esperienza: richiamo a riflesso condizionato di soluzioni passate, corrispondenza delle capacità dell'LLM e lezioni salvate automaticamente.

Cross-session experience memory for DSH. Lessons are evidence-graded, injected when the turn is about the same thing, and shown just before an action only when the record declares which call it applies to. A rule that holds whatever the turn is about — "always answer in Chinese" — can be marked **standing** and is then carried every turn: measured on 24 isolated real-model turns, a standing rule is followed 6/6 against 0/18 for the controls (empty store, same record unmarked, unrelated standing record). A guess still cannot become always-on: a standing record needs a verified passage like any other. What nobody looks up is retired, reversibly. Five tools, seven slash commands, zero runtime dependencies.

Evidence-governed experience memory for DeepSeek Harness

Cipher memory platform as a DSH bundle: four memory types (attention, experience, preference, cognitive) sedimented per turn by four memory agents, cross-session deterministic recall injected via systemPrompt.context, insight review kept out of user-facing output, per-session UNNI/LOOP modes with memory-driven auto-continuation, memory search/ingest tools, plus a settings page (SOUL editor) and an AgentPool panel.