Plugin

Sostituisce i provider del filesystem e bash con uno spazio di lavoro virtuale mirage: gli strumenti per i file e i comandi shell vengono eseguiti su risorse montate (RAM, S3, Redis, Slack, Gmail, Notion, Postgres) invece che sul disco host, con modalità di lettura/scrittura/esecuzione per ciascun mount, instradamento sandbox per comando (monty, pyodide, quickjs in processo; docker, e2b, daytona remoti) e CLI installate (git, gh, slack, linear, ntn, gws, oppure una registrata dall'utente) come parole iniziali nel terminale virtuale.

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

Espone i modelli gratuiti OpenCode Zen a DeepSeek Harness, senza chiave API.

Labirinto di esecuzione per le sessioni DSH: il percorso reale dell'agente — avanzamento principale, deviazioni fallite o senza uscita, ritorni indietro, ritentativi di richiesta e rami dei subagent — disegnato su una sola timeline di tempo reale, con tre tracce sotto ciascuna corsia che condividono quell'asse (densità dei tool-call, impulso dei token, pressione del contesto) e un pannello di analisi deterministico sotto di esso (matrice dei risultati degli strumenti, catene fallimento-recupero, distribuzione delle durate); guardalo crescere in tempo reale in una scheda sessione, oppure carica fino a 5 log di sessione per un confronto sullo stesso asse.

Memoria causale per dsh: bridge MCP stdio senza dipendenze che monta i 17 strumenti del server causal-memory con nomi puliti (senza prefisso mcp__) — archi decisione → esito con relazioni tipizzate (caused / enabled / prevented) in un archivio SQLite locale che persiste alla compattazione — più una sezione di prompt di sistema fissata. Richiede il binario del server causal-memory nel PATH (pip install causal-memory, oppure una release precompilata).

Trace Compare & Live Maze: disegna l'esplorazione reale dell'agente — percorso principale, deviazioni fallite o senza uscita, ritracciamenti e rami dei sotto-agenti — su un'unica linea temporale a orologio da parete; carica 1–2 log di sessione per un confronto sullo stesso asse oppure osserva la crescita in diretta in una scheda di sessione.

Pannello di anatomia per gli organi di Agent-Body: fornisce una dashboard dei parametri vitali in tempo reale su /anatomy all'interno dell'harness stesso — organi, battito, registro di guarigione, contatori di auto-addestramento e il flusso di impulso reale — letti direttamente dai file di runtime anziché ridigitati. Solo host, senza bundle client e senza fase di build.

Motore di contesto Zero-residence: i payload di grandi dimensioni degli strumenti vengono espulsi dal contesto attivo verso un archivio interrogabile e rimangono solo puntatori deterministici, così i token di prompt per turno smettono di crescere con la trascrizione. Qualsiasi contenuto mascherato viene ricostruito alla lettera dal log della sessione su richiesta, tramite id di chiamata dello strumento o seq della sessione.

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.

L'organo di memoria di Agent-Body: dopo 2 minuti di silenzio entra in sonno leggero e dopo 5 in sonno profondo, dove regole deterministiche distillano l'esperienza reale in carte di memoria (trappole, playbook, hotspot, problemi irrisolti, fatti). I comandi in arrivo richiamano le carte correlate per parola chiave e le iniettano nel contesto; le carte inutilizzate a lungo decadono con un tempo di dimezzamento e vengono archiviate invece che eliminate. Inoltre elimina il rumore degli avvisi di omeostasi di tutto il corpo: le ripetizioni entro una finestra vengono contate invece di essere ristampate, e un avviso che ricorre senza mai guarire converge in uno scostamento di stato stazionario noto e tace. Consolidamento e richiamo non fanno chiamate al modello.

Livello di coordinamento dei plugin: i plugin dichiarano le proprie capacità, i comandi vengono instradati al plugin proprietario senza una chiamata al modello, gli schemi dei tool si caricano su richiesta per ridurre i token del prompt, la cronologia delle esecuzioni si consolida in memoria a lungo termine nei momenti di inattività e i guasti vengono classificati prima di qualsiasi retry.

Livello di integrazione nativo DSH per il motore di memoria Minta: compone la riga ufficiale dsh-mcp-client, registra la skill minta-memory-governance più un prewarm della memoria all'avvio della sessione, e fornisce un preset agente Minta; richiede il motore Minta distribuito separatamente (Python/Docker) per fornire i 19 strumenti MCP — non utilizzabile senza di esso.

Compressione senza perdita del contesto per DeepSeek Harness: l'intervallo più vecchio viene sostituito da un riassunto, mentre gli originali restano nel registro della sessione.

La CLI self di Superself come strumenti rivolti al modello (contesto progetto, unità di lavoro, report, decisioni) più un comando /self — stato di progetto cross-sessione e cross-progetto tenuto fuori dal repo di codice.

Swarm in stile Kimi-Code: dispatch di subagent in parallelo a lotti con pianificazione adattiva, un comando /swarm e righe di progresso in diretta in chat.

Aggiunge contratti di esecuzione persistenti, grafi di lavoro ricorsivi, chiarificazione critica e gate di evidenza per attività Harness lunghe o poco specificate.

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

Plugin per DeepSeek Harness: la CLI `self` di Superself come strumenti rivolti al modello più un comando /self — stato del progetto tra sessioni e progetti per gli agenti.

Esamina il codice locale e GitHub/npm prima dello sviluppo per trovare implementazioni riutilizzabili, valuta riuso contro riscrittura e verifica il coupling dell’architettura.

Ship DeepSeek Harness to your own VPS: one command (or a form in DSH Settings → VPS Deploy) installs a zero-dependency login gateway, automatic HTTPS through Caddy, systemd supervision and one-click DSH upgrades.

One-command VPS deployment for DeepSeek Harness: a zero-dependency login gateway with automatic HTTPS that proxies the native web UI, a token-protected setup wizard, and one-click DSH upgrades with automatic rollback; as a plugin it adds Settings → VPS Deploy with version, upgrade and gateway status, or the one-command setup when DSH is not yet on a VPS.

Deterministic loop guard: denies a tool call repeated with identical arguments and caps per-agent calls, in code outside the model; incident log lets a parent interrupt a stuck subagent.