Plugin

Auto-memoria in stile Claude Code, nativa: file di memoria tipizzati (user/feedback/project/reference) con un indice MEMORY.md iniettato automaticamente nel system prompt (zero footprint quando è vuoto); memory_write/read/list/delete seguono le regole di scrittura di Claude Code (deduplica e aggiornamento, date assolute, collegamenti incrociati); livelli con ambito workspace e ambito utente, file locking tra processi con recupero dei lock orfani, Markdown semplice su disco, nessun servizio esterno, nessun embedding.

Elenco dei componenti del pacchetto Semi Design condiviso dai plugin DSH di tnnevol. Il pulsante `Semi UI` nell’intestazione della conversazione apre 35 componenti e una pagina di esempio multi-account. Sono organizzati in sette gruppi nella barra laterale, da input, moduli, selettori e alberi a tabelle, schede, overlay e feedback; ogni componente viene renderizzato dal vivo con una descrizione di una riga e la struttura della pagina. Anteprima con tema chiaro, scuro o impostato dal sistema. Installazione npm: `dsh plugin --profile web add @tnnevol/dsh-semi-ui-showcase`.

Controllo remoto di dsh web da un browser del telefono: il plugin aggiunge un pannello Settings nell'harness (schede modalità cloud/self-hosted, accesso account, avvio/arresto bridge, feedback) con route relay same-origin /dsh-remote; il bridge desktop e il relay-router self-hosted di questo repository instradano dsh web locale a una PWA per telefono con autenticazione tramite chiave di accesso, elenco dispositivi live e quote di traffico opzionali.

Controlla dsh web dal telefono ovunque senza IP pubblico: relay cloud su 4G o router autogestito. Un comando installa bridge desktop e pannello integrato (cloud/autogestito/WeChat, accesso, controllo bridge, feedback). Tunnel E2EE telefono↔desktop; QR/link monouso autorizza il desktop senza reinserire la password. Include HTTP/WebSocket, access key, elenco dispositivi e quota facoltativa. Il bot WeChat via QR segnala attività completate/con errori/interrotte; una risposta numerica approva/rifiuta la decisione in sospeso e riprende l’attività. Messaggi WeChat solo tra Tencent ilink e bridge locale, mai tramite relay.

Checklist dei componenti del pacchetto Semi Design condiviso usato dai plugin DSH di tnnevol, aperta da un pulsante `Semi UI` nell'intestazione di una conversazione: 35 componenti più una pagina di casi multi-account, organizzati in sette gruppi della barra laterale che vanno da input, moduli, selettori e alberi a tabelle, schede, overlay e feedback, ciascuno renderizzato dal vivo con una descrizione di una riga e una struttura della pagina, con anteprima in chiaro, scuro e secondo il sistema. Installazione da npm con `dsh plugin --profile web add @tnnevol/dsh-semi-ui-showcase`.

Memoria Markdown tra sessioni LLM-Wiki/`SOUL.md`. Per impostazione predefinita viene iniettata all'avvio solo dopo il primo messaggio utente e solo nella sessione attiva. Include remember/recall/consolidate/forget, skill e pack/unpack. Un budget boot-block per file protegge l'indice e registra `last_access`; dashboard di salute in sola lettura, indice dichiarativo, grafo, filtri e `checkup`. Richiede formato sessione v4 (DeepSeek Harness ufficiale 0.1.7+) e source kind produttore `plugin:memory` nei messaggi iniettati. v0.13 dichiara `engines.dsh` compatibile con la serie ufficiale 0.2.1-rc.5 e rifiuta host precedenti. Review now invia subito un riepilogo di crescita (`growth-now`) con `POST /api/memory/control`, rispettando lo speech floor condiviso.

Pacchetto mobile-first di miglioramenti per la UI web di DeepSeek Harness: barra schede delle sessioni attive stile Chrome, sidebar a schermo intero apribile/chiudibile con swipe, pannello sovrapposto, recenti quando è compressa, cambio sessione senza mettere a fuoco l’input, adattamento viewport/tastiera IME, feedback touch, scorrimento interno di codice e tabelle, menu permessi nascosto, impostazioni a schermo intero con memoria della scheda, pulsazione di stato tramite compositor e protezione dal trascinamento involontario — 14 funzioni. Ognuna si attiva separatamente in Impostazioni → QoL, con effetto immediato e persistenza per browser in localStorage. Solo CSS/JS client-side; regole mobile limitate a 768px e inferiori, desktop invariato.

Seleziona elementi del browser direttamente durante il Vibe Coding e invia un feedback visivo strutturato all'agente DeepSeek Harness.

Revisione dei piani con annotazioni ancorate e feedback strutturato restituito all'agente.

Memoria di esperienza e riflessione per agenti DSH: estrae automaticamente lezioni candidate dopo le attività e richiama quelle esaminate dall’utente nei successivi compiti pertinenti. Supporta provenienza delle fonti, recupero per progetto, conflitti, feedback d’uso e revisione scadenza. Acquisizione e richiamo hanno controlli separati; scrivere in AGENTS.md richiede anteprima e applicazione esplicita. Guida introduttiva di 4 passaggi nelle impostazioni.

Base di conoscenza secondo il pattern Karpathy LLM Wiki per DSH: competenze wiki-write/wiki-search, pipeline senza dipendenze (lint/indice/sincronizzazione memoria mnemon/feedback di qualità), plugin di ciclo di vita minimale che inietta schema + anteprima della conoscenza, richiamo semantico SiliconFlow via proxy compatibile con Ollama.

Banco di lavoro scientifico riproducibile: celle guidate da agenti, figure inline con feedback/riesecuzione, provenienza tramite manifesto, snapshot dell'ambiente e competenze di figure di livello pubblicazione (9 strumenti bio_* + interfaccia del banco di lavoro).

Revisore agentico delle risposte per DeepSeek Harness: un LLM separato valuta ogni risposta finale da 1 a 100; sotto la soglia rimanda l’agente al lavoro con feedback concreti. Il punteggio appare come badge nella riga delle azioni (verde: superato; rosso: da migliorare), con tentativi e motivo al passaggio del mouse. Configurazione in tempo reale nella scheda Reviewer 配置, tramite server HTTP 127.0.0.1 o scheda laterale opzionale di dsh-better-sidebar.

Aggiunge uno strumento per screenshot più due punti di cattura automatica opzionali, inserendo lo schermo nella conversazione come blocco immagine; richiede un modello con capacità immagine.

Quattro skill di workflow GitHub per triage PR, feedback di revisione, diagnosi di GitHub Actions e pubblicazione sicura di PR in bozza, che riutilizzano le capacità DSH esistenti con fallback gh/git.

Mappa l'audio di sistema analizzato localmente su effetti di conversazione reattivi alla musica, giudizi di gioco ritmico, feedback di punteggio e combo e barre dello spettro RGB opzionali in DSH Web.

Memoria DSH in Markdown. Registra ogni giorno scambi reali utente/assistant senza chiamare il modello; poi un LLM li riassume nel prompt di sistema di ogni turno. Ricerca locale CJK bigram + BM25 in 3 livelli (indice/sintesi/testo completo), recupera solo il dettaglio richiesto. Le voci P0 e dell’utente non cambiano automaticamente; dimenticare marca stale senza eliminare, con audit in status.md. Sei strumenti: recall/write/status/extract/feedback e libreria skill. I gruppi pronti mostrano una scheda a fine turno; clic crea SKILL.md, installato solo dopo approvazione. Apprendimento attivo per default col modello della conversazione. Il controllo principale ferma il LLM, non la cattura. Errori in prompt e status.md. JavaScript puro, solo con dipendenze runtime dei pacchetti Harness.

Feedback audio per l’interfaccia web di DSH: classifica le pressioni dei pulsanti per semantica (normal, primary, toggle, send, close, danger, link) e riproduce un segnale per le transizioni dell’attività della sessione (started, finished, failed) e le interazioni in sospeso. Ogni scenario ha un selettore di segnali e un interruttore dedicati nella pagina delle impostazioni. Tutti i 78 segnali e i 12 pacchetti audio sono sintetizzati nel browser con Web Audio API: il pacchetto non include file audio e non effettua richieste di rete. Port comunitario di dsh-plugin-uisfx a DSH 0.2.0, con le modifiche registrate in PROVENANCE.md.

Uno sciame a matrice di subagent che instrada attività eterogenee al modello più adatto da un gateway in stile OpenRouter più cfgpu.com/llm/square, invia ciascuna tramite subagent in-process o chiamate LLM dirette e traccia il consumo di token per modello con un ranking guidato dal feedback.

RAG a doppio grafo di conoscenza per note Markdown con decadimento di memoria half-life: grafi di prerequisiti e similarità (attraversamento P/S-Agent), chunking per paragrafi, ricerca ibrida n-gram/embedding e ciclo esplicito di feedback dei pesi — plugin nativo Cordis, installabile via npm come @eqman00003/knowlp-rag.

Personaggi collegati al model e mondo condiviso per DeepSeek Harness: persona/memoria modificabili, diari AI e consolidamento del sonno opzionali, controlli cinese/inglese, pet desktop attenti ai task, temi e statistiche; gli update conservano le impostazioni. Windows/Linux/macOS; requisiti per sistema nella guida. Diari/consolidamento consumano token. Si consiglia di chiudere pet/bolle visibili prima di installare/aggiornare (file aperti possono causare errori). Query account Codex/OpenAI API validate dagli utenti; altre fonti in attesa di validazione/feedback.

Mazzo fonti nella conversazione DSH Desktop: il modello chat corrente esegue round di ricerca LLM, candidati in card compatibili con GitHub; feedback keep/exclude, preferiti e fonti selezionate restano nella conversazione.

Team di assemblaggio memoria per DeepSeek Harness: ogni messaggio avvia un ciclo cognitivo in cinque fasi (judge, retrieve, assemble, feedback, calibrate) con subagent nei ruoli judge, retriever, archivist, advocate, editor e scribe. Recupero BM25, materiali cronologici e assemblaggio LLM creano pacchetti utili iniettati in linghun. Compatibile con dsh-linghun.

Plugin nativo DeepSeek Harness: invia ogni prompt alla pipeline locale di raccolta agent-feedback-loop e inietta nel contesto le regole ricorrenti compilate.