Plugin

Skill del flusso di lavoro di ricerca ARIS come bundle DeepSeek Harness: 82 skill più revisione avversariale cross-model tramite Codex.

Il tuo compagno di apprendimento basato su AI: ti aiuta a pianificare lo studio, comprendere i concetti e realizzare progetti per padroneggiare una materia.

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.

Evolvi skill, agenti, prompt, codice e plugin dall'interno di DeepSeek Harness, con AgentDescent.

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

Seleziona testo in una risposta DSH committed per aprire un Topic multi-turno indipendente, persistente, read-only legato all'evidenza della sessione sorgente e ai file di progetto mentre l'Agent sorgente continua a funzionare.

Ottimizzazione con un clic di un'istruzione grezza in un prompt professionale: tre stili di output, profilazione di ruolo/compito/obiettivo consapevole della situazione, apprendimento autoiterativo (memoria di sessione + valori predefiniti intelligenti + override dell'utente), /template per 22 sotto-scene con zero chiamate al modello, ✨ ottimizza/annulla con un clic nella casella di input, strumento prompt_optimize, hook di auto-ottimizzazione e documenti zh/en rilevati automaticamente.

Una scheda di studio con colonne per mappa del corso, tutor e lavagna che trasforma file markdown, cartelle locali o repository GitHub in corsi guidati, con sblocco delle lezioni, monitoraggio della padronanza, ripetizione dilazionata e importazione di corsi progettata dal tutor.

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).

Ciclo di autoaffinamento continuo: memoria persistente, revisione e affinamento periodici, conoscenza condivisa tra sessioni e rollback automatico tramite uno strumento harness_refine richiamabile dal modello.

Instradamento e evoluzione intelligenti dei subagent: associa ruoli a qualsiasi provider/modello registrato in DSH, inclusi i modelli forniti dai plugin provider di Codex e Claude Code, con apprendimento del workspace.

Plugin cognitivo ispirato al cervello: memoria episodica, semantica, procedurale ed emotiva con segnali di apprendimento per rinforzo, una pila di obiettivi con trigger temporali, ricerca web autonoma guidata dalla curiosità e iniziative proattive.

Preset agente in modalità apprendimento: un agente di coding che insegna mentre programma — spiegazioni concrete basate su scenari, guida socratica e spazi vuoti per esercitazioni TODO(你), modellato sullo stile di output Learning di Claude Code; installabile tramite dsh plugin add (dsh-learning-mode su npm).

Agente di scrittura in collaborazione approfondita per DSH: apprendimento dello stile di scrittura per utente da coppie di modifiche, flusso clarify→outline→section-writing→red-team→reader-gallery, sintesi progetto-report (report di laboratorio / introduzione prodotto / sondaggio / README), 41 strumenti MCP e UI web di selezione-miglioramento con anteprima file in-app.

Esporta eventi DSH di solo metadati — turno, modello, strumento, approvazione, nuovo tentativo ed errore — verso Tuning Engines per tracce governate, valutazione delle policy, analisi dei costi e revisione delle Work Session, con una coda di ripetizione su disco.

Bridge di tutoraggio DeepTutor: spiegazioni approfondite, domande di autoverifica, pianificazione del percorso di apprendimento, ricerca nella base di conoscenza personale (RAG) e archiviazione delle note tramite gli strumenti deeptutor_run / deeptutor_kb / deeptutor_note.

Preset agente Learning Mode: un agente di coding che insegna mentre programma — spiegazioni concrete basate su scenari, guida socratica e spazi vuoti per esercitazioni TODO(你), modellato sullo stile di output Learning di Claude Code; installabile tramite dsh plugin add (dsh-learning-mode su npm).

Preset agente di documentazione tecnica per DeepSeek Harness: scrittura basata su modelli con libreria di modelli auto-apprendente, rimozione del sapore IA per documenti tecnici e toolkit di garanzia della qualità (audit documenti, coerenza tra documenti, ridenominazione, sincronizzazione versioni, esportazione PDF e Word, automazione screenshot).

Compagno di apprendimento con thread di citazioni durevole per conversazioni DeepSeek Harness

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

Memoria di sessione → plugin di consolidamento della conoscenza OKF: sistema di memoria neuro-auto-apprendente a guida predittiva. Deposita come memoria a lungo termine i contenuti di alto valore delle sessioni secondo la specifica OKF v0.1, richiamandoli automaticamente tra le sessioni. Plugin di memoria sessione→OKF con neuro-auto-apprendimento (richiamo predittivo, cattura guidata dall'incertezza, feedback di rinforzo).

Ciclo di autoapprendimento per dsh: registra lezioni, redige e promuove skill; revisione periodica del curatore che corregge, consolida e ritira le skill.

Publishes a lesson into the DSH conversation: the dependency spine, the question and the vault's drawings, drawn in the vault's own palette.