Plugin

Bridge Feishu/Lark ad alta affidabilità per DeepSeek Harness: autenticazione con un clic tramite QR, comandi basati su card e card di conferma dell'intento, outbox senza perdite con consegna almeno una volta, invio/ricezione di media, ZIP dei log di sessione tramite /doctor, e una GUI Web DSH riutilizzabile che colloca le sessioni nell'area di lavoro corretta.

Miglioramento del prompt con un clic nel composer — riscrive la bozza in un prompt strutturato (ruolo e obiettivo, passaggi eseguibili, formato output, criteri di accettazione, casi limite) con anteprima prima/dopo, reinserimento e annullamento. Non modifica mai l'intento né inventa requisiti.

Aggiunge un pulsante ottimizza accanto al composer che analizza e riscrive la bozza del prompt con streaming SSE, consapevolezza del contesto della conversazione (strategie template vs intent-polish), una catena di memoria di continuità delle modifiche, undo e instradamento del modello con fallback e test di connettività.

Routing automatico dello sforzo di pensiero per dsh: un classificatore a 7 domande fine-tunato localmente (ModernBERT, 842MB, inferenza CPU <1s) sceglie low/high/max per i messaggi senza intento; i retry in-sessione alzano il livello (da low a high a max) sotto vincoli di esclusione; il servizio di giudizio ritorna in sicurezza a low se irraggiungibile. Un chip del livello nella barra di input mostra il livello attuale e gli ultimi 20 giudizi. Tutta l'inferenza è locale - il testo delle attività non lascia mai la macchina.

Kernel di organi di Agent-Body: plugin organizzati come un unico corpo. Ogni comando diventa un impulso nervoso che innerva deterministicamente l'organo competente e nomina la capacità; i riflessi scattano senza chiamata al modello; un battito a intervallo variabile pompa direttive dell'operatore, propriocezione e avvisi di omeostasi ovunque; i guasti seguono un'attribuzione deterministica (strumento, argomenti, permesso, timeout, rete), una prescrizione e un ciclo di ricontrollo, e gli errori di argomento non vengono mai ritentati. Un organo mancante è compensato da quello con maggiore sovrapposizione di capacità, e gli schemi degli strumenti sono filtrati dall'intento corrente (riduzione misurata dell'84,7%, riproducibile nel repository). Pacchetto kernel del repository agent-body.

Preautorizzazione delle aree di lavoro Windows: aggiunge alle cartelle dichiarate dall’utente una ACE DACL di controllo completo (incluso WRITE_OWNER, necessario per avviare il sandbox di dsh ≥0.1.7), eliminando richieste ripetute di elevazione. Autorizza solo percorsi aggiunti esplicitamente e blocca le cartelle di sistema. Solo Windows.

Combina lo scheletro di codice di Headroom (Apache-2.0) con lo stimatore di TokenPilot (arXiv:2606.17016). Dati pubblicati: Headroom indica il 20% di token in meno per agent di coding e il 60–95% per JSON, a parità di risposte; TokenPilot fino al 60% di costi in meno nelle sessioni lunghe. Sono dati dei progetti citati, non misure o benchmark di questo plugin. In DSH si impostano profilo, soglia Auto Compact e compressione a scheletro. Misura col tokenizer esatto DeepSeek V4 e verifica la stessa revisione; sui modelli non supportati fail-open conserva i risultati originali degli strumenti. Compressione a scheletro durante il turno e riepilogo finale dell’intento nella compressione JSONL ufficiale.

Prima che la finestra si riempia, un modello ausiliario riassume; il registro su disco sopravvive ai riavvii e si riancora dopo la compattazione host. Il modello sceglie tra sei pool; Auto cambia solo oltre la soglia del classificatore e mantiene cache prompt. Un watermark di 3 righe avvia handover in 4 fasi (backup fork, documento, compattazione, risveglio) senza perdere subagenti; i comandi slash lo rendono manuale. Agent Teams opzionale, /vision per modelli solo testo e verifica dei diff grandi con tester e revisore indipendente. UI/README/preferenze in 11 lingue, più skill MySQL/Redis in sola lettura, commit e documenti requisiti/design. In un singolo test giornaliero reale, 6 pieghe hanno sostituito 209 messaggi; contesto nell'ordine di decine di migliaia di token.

Pipeline di riconoscimento delle intenzioni in cinque livelli (regole, recupero pgvector, punteggio Jev, arbitraggio ottimizzato, fallback LLM), con UI di gestione degli scenari, archivio PostgreSQL e servizi API distribuibili.

Tool archivio DeepSeek Web read-only per DSH: elenco/download/ricerca sessioni, share-list e digest che comprime 100 sessioni in una pagina densa con barre attività e cluster tematici. Le scritture sono escluse intenzionalmente per i rate limit del client Web. Richiede il client Python deepseek-ops separato (github.com/Panniantong/deepseek-ops, altro autore) con login QR; imposta `scriptDir` sul suo percorso.

Miglioramento prompt nel composer DeepSeek Harness: il pulsante accanto al selettore modello riscrive la bozza con una chiamata LLM ausiliaria e la sostituisce sul posto, mantenendo undo del composer. `/prompt-enhance` restituisce il prompt riscritto come riga di risultato senza toccare la bozza. La chiamata si può fissare a provider e modello veloci dedicati nel profile patch. Mantiene intento, lingua e informazioni originali; conserva codice, comandi e percorsi alla lettera, senza inventare né aggiungere segnaposto.

Plugin Java per DeepSeek Harness: correzione automatica deterministica dei file .java, intents di template che risparmiano token e rilevamento multipiattaforma con cache persistente di JDK/Gradle/Android SDK/FFmpeg/LWJGL/IDEA.

Deep PTC mode: preset open source per DeepSeek Harness, mantiene strumenti PTC e definisce un contratto: identità DeepSeek, istruzione al modello di budget token illimitato per non saltare letture/comandi/verifiche, piano per dimensione (≤5 min interno; fino a 20 min mostrati senza approvazione; oltre serve approvazione) e domande se l’intento è ambiguo. Limita attese avvolgendo shell/job/question ufficiali: comandi foreground diventano job dopo 30 s (configurabile); messaggio steering termina l’attesa per essere letto; rifiuta pause foreground >5 s e timer lunghi in run_code; domande temporizzate. Deriva dal PTC ufficiale installato ed eredita cambi upstream, anche moduli rimossi/rinominati, senza rompere sessioni. Executor: Automatic, WSL Bash, Windows PowerShell, native Zsh/Bash.

Aggiunge un pulsante ✦ sotto il composer DSH. Una sola chiamata al modello predefinito configurato rende la bozza un prompt più completo, mantiene intento e lingua originali e sostituisce il testo senza inviarlo.

Workbench image-deck per DSH guidato dalla chat: dall’intento crea uno script storyboard, genera prompt e immagini AI per pagina con revisioni individuali, offre nove stili e esporta in PDF/PPTX (un’immagine a pagina intera per diapositiva).

Ottimizzatore prompt a quattro livelli per il composer. Il livello sistema genera sempre un prompt LangGPT (# Role / Profile / Skills / Rules / Workflows / Initialization) e trasforma la bozza nel prompt dell’agente che eseguirà il compito. Gli altri livelli fanno una pulizia leggera, un paragrafo o un brief in cinque sezioni. Il banco iterativo rifinisce una base modificabile con requisito opzionale, con reinserimento e annullamento. Non cambia l’intento né inventa requisiti.

Migliora in quattro livelli con pulsante/scorciatoia globale: ritocco leggero, paragrafo, brief in cinque sezioni o prompt di sistema in otto. Confronto, reinserimento e annullamento; non altera l’intento né inventa requisiti.

v0.8.6 corregge un crash d’avvio: runtime Host peer opzionale, non dipendenza installata. TypeSafe Jev/System One offre 7 strumenti: `jev_decision` (1–25 verdetti tipizzati paralleli, senza prosa), `jev_choose` (ordina 2–10 opzioni), `jev_batch` (1–20 testi, 1–5 giudizi, una chiamata reale per testo a concorrenza limitata; errori grezzi, senza supposizioni), `jev_usage`, `jev_overview`, `jev_guard_status`, `jev_verify` (26/27 nel benchmark fisso di 27 domande, concorrenza 6). Ledger persistente predefinito: `$DSH_HOME/jev-usage.json`. Remaining=`quota.declaredBalanceUsd` meno spesa locale da `quota.balanceSince`; nessun endpoint saldo, nessun dato inventato. API key mancante: errore esplicito; errori isolati per superficie. Client dopo refresh; server dopo riavvio Host.

Adattamento dell’intento per DSH: l’agente prevede varie direzioni, pone un gruppo di domande chiarificatrici a ogni turno e restringe la distribuzione fino a convergere su una, poi la propone per conferma. Include pannello mobile in basso a destra e archivio JSONL locale.

Instradamento automatico per livello del modello per DeepSeek Harness: ogni istruzione utente produce una sola scelta del livello; le richieste complesse sono pianificate sul livello potente e realizzate su quello economico, mentre quelle semplici restano su quest’ultimo, con guardia deterministica e fallback di escalation TTL.

Assistente Cadence SKILL (Virtuoso Lisp) per ingegneri EDA: ricerca API basata su documentazione ufficiale (3.557 voci in cinque manuali IC6.1.8, livello di confidenza delle signature, non inventa API) e analisi statica senza eseguire codice, guidata da coordinate di profondità lessicale. Rileva eliminazioni sicure per iteratori con protezione copy() sensibile alla posizione, confronta placeholder printf e argomenti, trova nth O(N²) nei loop, API deprecate con pagine di riferimento, intercetta intenti pericolosi e analizza log errori CIW. La parte host non ha dipendenze terze.

Trova subito pagine, schede e voci delle impostazioni DSH per parola chiave, pinyin, intento o IA e apri direttamente il risultato.

Visione per qualsiasi rotta DSH: incolla immagini nel compositore web con analisi automatica guidata dall'intento, delega la lettura delle immagini dello spazio di lavoro a un subagente di visione Kimi/MiniMax e materializza gli originali incollati per modificarli.