Plugin

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.

Plugin per DeepSeek Harness che trasforma i giudizi Jev in tre azioni automatiche — potatura dell'output dei tool troppo grande ai segmenti rilevanti per la richiesta, filtraggio delle pagine recuperate in cerca di istruzioni rivolte al modello e scelta della skill adatta al passo successivo — più i tool jev_ask e jev_gate, un registro dei giudizi che sopravvive ai riavvii e un report /jev-status. Richiede una chiave API TypeSafe; senza, resta inerte e non invia nulla.

Nucleo di giudizio per DeepSeek Harness: un ciclo cognitivo attribuisce una fonte a ogni decisione e porta a termine la pianificazione; la memoria hippocampus condensa l’esperienza in conoscenza (diario, archivio episodico, decadimento della bassa confidenza); l’architettura fissa responsabilità e criteri coerenti; un team A2A gestisce la memoria tramite dsh-linghun-assembler. Richiede DSH ^0.1.0-rc.7 (rc.2 supportato).

Approvazione e revisione automatiche per le chiamate ai tool che richiedono approvazione: bucket di parole chiave corrispondono alle red line senza contesto, poi un modello giudice classifica ciò che è stato richiesto e lo invia ad allow, reject o a un umano secondo la riga corrispondente e il livello di rischio; un giudizio mai eseguito va sempre a un umano, e i rifiuti spiegano al modello il perché.

Un corpus accumulato di gusto del design per agenti DSH: alimenta con esempi buoni e cattivi, distilla principi e revisiona nuovi design secondo un giudizio appreso anziché un set di regole fisso.

Project workspaces for multi-session collaboration, conversation handoffs, searchable chat records, and editable shared memory; automatic memory curation and handoff judgment require two background models (memoryModel and sessionManagerModel) configured in the plugin config.

Livello di valutazione dei plugin DeepSeek Harness: attribuisce la causa della scomparsa silenziosa di un plugin, valuta i candidati nel tuo ambiente esatto e mantiene un registro delle capacità. Offline, in sola lettura e basato sulle prove.

Livello decisionale per dsh: giudizi tipizzati indipendenti dal provider (prima Jev), dietro i punti di controllo degli strumenti, il routing del modello, la valutazione dei risultati e l’approvazione della macchina.

Workspace di audit per DeepSeek Harness: spazio di consultazione multi-agent con un agent per ogni posto di revisione, ogni giudizio instradato a una review face nominata e l’intera esecuzione conservata come traccia verificabile. Pronto all’uso: endpoint integrato, workspace creato al primo avvio e scene di revisione con posti e agent elencati.

Registra la skill TypeSafe/Jev (System One) nel livello globale delle skill DeepSeek Harness. Ogni sessione può classificare, instradare, valutare, estrarre e applicare soglie di confidenza con giudizi tipizzati invece di prompt-and-parse. Nessuna API key inclusa; l’utente fornisce `OPENROUTER_API_KEY`.

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.

Brain-inspired cognitive architecture for DeepSeek Harness: hippocampal episodic memory, cortical semantic memory, spreading-activation recall, appraisal-based emotion, neuromodulator state, Big Five personality and dual-process judgment.

Structural scaffolding for DSH agent continuity: layered memory (hot/index/judgments), judgment cards, handoff packs (compact mode), compaction review. Zero-dependency, pure files, portable — rebuild the 'self' across model changes. Not a memory engine; the skeleton of continuity.

Runs an approved OpenSpec change to completion while the model stays a mechanical forwarder: a bundled Python CLI computes the ticket DAG frontier, claims tasks atomically, prepares one git worktree per assignment, and returns exact actions. The session delegates each action with the DSH subagent tool and reconciles the completion notice against a hash-bound receipt produced by re-running verification commands on a clean, advanced HEAD, so free-text "done" never counts. Runtime scope changes are plain tasks.md edits. Liveness is observable, not guessed: status returns a relay block (elapsed and lease budget, receipt presence, heartbeat and activity age, a suggested action); abandoning a plausibly-still-working attempt is refused with the judgment data unless --force; a late sealed receipt is revived by adopt after full re-verification instead of rebuilding the ticket; dispatched subagents refresh a progress heartbeat outside the worktree. Requires Python 3.10+ on PATH and a git project that uses OpenSpec.

Look up Chinese companies inside the conversation: name a company and get its business registration, shareholders, executives, outbound investments and registration changes, plus judicial and operating-risk records such as enforcement, dishonest judgment debtor, consumption restriction, abnormal operation, serious illegality and administrative penalties (11 dimension groups). Results render as conversation cards with fields and the raw payload on expand, and the API key is saved from the plugin page into the Harness credential store.

Three ledgers for a model that loses context between restarts. Self-note: what I have become — capped at 40 entries, and every eviction first leaves a one-line crease recording which entry was dropped and why. Judgment ledger: record a claim together with how to verify it, come back when it is due, and mark it right or wrong; wrong ones stay in a mistakes book so you stop assuming you were always correct. Handoff: where this run stopped and what the next one should read first — a baton, not a memory. Three tools each taking an action parameter instead of a dozen separate ones (the prompt is paid every turn). Data lives in ~/.dsh/*.jsonl and is shared with the same-named CLI scripts. Zero dependencies.

Gioco di deduzione sociale contro le proprie configurazioni di modelli. Il tavolo ha N posti (sei per impostazione predefinita, uno è il tuo); alcuni degli altri sono occupati da agenti con impostazioni diverse di provider, model, temperature, system prompt e disguise. Li interroghi e confronti le risposte per capire quali posti non sono umani. Identità dei posti e configurazione del modello restano nascoste in host state finché non esprimi un giudizio; allora vengono rivelati i parametri disguise. Ogni round esporta un JSONL della conversazione per posto e il record del giudizio. Stesso seed e script di mosse producono una riproduzione identica byte per byte, per confrontare esecuzioni con modelli o livelli disguise diversi.

Esegue i giudizi Jev (TypeSafe System One) ai gate dell’agent loop DeepSeek Harness: pre-step, pre-execute, post-execute e arresto del turno. Nessuna dipendenza UI; integrabile in qualsiasi composizione Harness.