Plugin

Spiega una domanda con una pagina HTML visiva: breve bozza Markdown, poi il CLI am crea diagrammi di flusso, sequenza, albero, cronologia ed ER, tabelle e richiami.

Esplorazione dell'architettura AGI white-box: metacognizione (ciclo di auto-cognizione), apprendimento continuo (volano della conoscenza), modello del mondo (spazio delle condizioni, grafo di memoria spazio-temporale), auto-miglioramento (disciplina bootstrap), pipeline white-box zero-LLM e guardrail di fiducia verificabili.

Memoria di progetto solo locale, senza dipendenze runtime incluse né servizi esterni: JSON come fonte di verità più un PROJECT_MEMORY.md generato, Hot Memory limitata da token e congelata per sessione per la stabilità della cache dei prefissi di prompt, richiamo BM25 cross-progetto in cache, provenienza affidabile di sessione/turno, governance spiegabile di duplicati/conflitti prima della scrittura, ciclo di vita modificabile di importanza/pin/tag/sostituzione/archiviazione, distillazione configurabile a fine turno di livello superiore e una GUI web bilingue per ricerca, ispezione, diagnostica e impostazioni in tempo reale.

Modalità di apprendimento local-first: thread di apprendimento cross-sessione con spiegazioni per ciascuna fonte.

Modalità di apprendimento che spiega ogni passo dell'agente (in lavorazione).

Aggiunge una pagina skills alla navigazione dell'app DSH. Elenca le skill realmente esposte su questa macchina nei sei tipi di radice e spiega perché una non si vede (scartata, radice mancante o disabilitata). Attiva/disattiva rinominando solo SKILL.md o SKILL.md.disabled; le radici a livello progetto restano in sola lettura.

Modalità di coding compatta Codex per DSH: lievi guardrail del prompt contro le spiegazioni eccessive di GPT, con prompt modificabile e strumenti nativi in stile Codex.

Seleziona qualsiasi testo in una conversazione e tocca il pulsante Explain per ottenere una bolla di spiegazione Markdown in streaming, con domande di follow-up ricorsive.

Skill per strutturare le domande prima di cercare: separa premesse, definizioni e unità di analisi; sceglie uno schema (verdetto, spiegazione, causalità, confronto, mappa o scheda metriche), conferma direzione/fattibilità e risponde in cinese o inglese senza imporre vero/falso. Non si affida alla memoria del modello: cerca fonti nazionali e internazionali in parallelo, valuta fonti primarie per ambito (politica, scienza, salute, finanza, disastri, sicurezza alimentare, istruzione, giustizia ecc.), ripete con termini di confutazione e lega ogni affermazione a URL completo e posizione di citazione. Con una key, tre giudizi possono usare TypeSafe Jev (System One); altrimenti valgono regole deterministiche. Il modello può solo ridurre la fiducia.

Seleziona testo nella Web UI DSH per ricevere in streaming traduzione e spiegazione del significato nel contesto della conversazione d'origine. Il pannello conserva una cronologia riproducibile e può trasformarla in una sessione completa.

Coach per l’analisi del Go: interpreta le partite SGF, completa le analisi di probabilità di vittoria e punteggio con il motore KataGo incluso, spiega in chat le mosse costose e salva i commenti in una copia SGF. Un pannello web mostra la scacchiera, le mosse problematiche, le scelte IA e le varianti.

Heartbeat autonomo per agente root: confronta TODO, bacheca Agent Team e goal con l’impulso precedente. Comunica solo L1 (rapporto), L2 (ask_user_question) o L4 (escalation) e non avvia mai lavoro. Messaggio con motivo, riga facoltativa sullo stato fisiologico e snapshot attività (max 800 caratteri). Deduplicazione, ore di quiete, budget giornaliero, cooldown dopo contatti/riavvii e stato persistente; i follow-up non si accumulano. Condivide con dsh-plugin-memory il turno advisory in ~/.dsh/proactive-cooldown.json (180 s). Tace mentre lavora un subagente/compagno; ne mostra il numero e sospende il polling a scheda nascosta. v0.8 aggiunge diagnosi impulsi/titolare turno e controlli per finestra, presenza e riga fisiologica.

Plugin modalità di apprendimento Feynman: ciclo insegna → ripeti l'insegnamento → valuta → rispiega, reso come schede lezione HTML ricche (diagrammi mermaid + evidenziazione del codice shiki)

Validazione JSON Schema: valida/percorsi/spiega/normalizza.

Testa/estrai/sostituisci in sicurezza/spiega staticamente le espressioni regolari senza eseguire codice.

Seleziona testo in qualsiasi app Windows per spiegarlo, riassumerlo, tradurlo o leggerlo ad alta voce con DeepSeek Harness. La risposta appare in streaming in un overlay sempre in primo piano con menu a capsula orizzontale.

Aggiunge Explain alla scheda di approvazione: una chiamata al modello restituisce esattamente tre righe su operazione in sospeso, file o stato di sistema letti/scritti/modificati/eseguiti e verdetto rischio/attenzione/sicuro con una frase di motivazione. Mostra anche i dettagli delle chiamate write/edit che il renderer lascia vuoti perché legge solo il campo command.

Spiega localmente le esecuzioni fallite dell'agente DeepSeek Harness, poi produce un piano di recupero con dati oscurati. Non è richiesto alcun modello.

Protezione dall'iniezione di prompt consapevole della fonte per DSH: traccia il contesto di turno non attendibile, rileva segnali di iniezione, assegna punteggi ai sink sensibili e blocca le chiamate a strumenti ad alto rischio con log di audit spiegabili.

Memoria locale limitata con controllo di autorità CBDC: claim SQLite + FTS5, richiamo con ambito e decisioni spiegabili di uso/verifica/ignora con audit trail completo, comandi /memory, iniezione di massimo 3 claim/1200 caratteri per chiamata, nessuna chiamata al modello aggiuntiva

Adds a Chinese end-of-line comment to every line of code shown in a DSH tool card - grey for the call being made, blue arrows for code in the output - written instantly by a local rule set and, for lines the rules cannot judge, by the current session model; a header toggle returns the block to plain code, and credentials are masked before anything is sent or cached.

Database workbench inside DSH: import the connections DBeaver already stores (data-sources.json, decrypting saved passwords locally) or register SQLite, PostgreSQL, MySQL and Oracle sources by hand, then hand them to the agent through eight mcp__db__ tools — list_datasources, list_tables, describe_table, sample_rows, execute_sql, explain_query, get_ddl and test_connection. Sources start read-only; one global switch enables INSERT/UPDATE/DDL, every call is row-capped and appended to a JSONL audit log. Also covers groups, bulk actions, a read-only schema browser and a bundled Python MCP server whose dependencies install from the panel. No DSH files to edit.

Trasforma i flussi di codice in diagrammi Mermaid collegati al sorgente e spiegazioni interattive CodeWalkthrough.

Crea video esplicativi narrati da uno script. Per impostazione predefinita usa schede di testo (rapide e precise per i tutorial) oppure riprese generate dall’IA per segmento (serve AGNES_API_KEY). Include 14 voci neurali cinesi online e 3 voci offline per Windows, più un pacchetto di campioni da generare con un comando per scegliere ascoltando. Richiede ffmpeg. Per le voci online, copia lo skill video-remix incluso in `<workspace>/.dsh/skills/video-remix` ed esegui lì npm install.