Plugin

Legge file di sessione già creati, anche prima dell’installazione, da altri 42 agenti di coding su questa macchina (Claude Code, Codex, Cursor, VS Code Copilot Chat, opencode, OpenClaw, Hermes, Kimi, Cline, Zed e altri). Offre sei strumenti (deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), il comando /deja e richiamo automatico facoltativo nel contesto runtime. Indice BM25 locale, senza LLM, embedding o rete. Installazione: dsh plugin --profile web add dsh-deja

Memoria tra sessioni con ambito di progetto: archivio SQLite a sette livelli (soul/user/project/fact/lesson/rules/topic) su node:sqlite, iniezione nel primo messaggio adatta alla cache più corrispondenze di parole chiave per messaggio, strumenti memory_remember/search/find_similar/read/update/project e consolidamento nella finestra di inattività («dream») con soppressione nelle ore di punta. I testi dei prompt sono distribuiti come file di dati per lingua — il framework supporta utenti multilingue.

Squadre multi-modello persistenti configurate in Impostazioni e selezionate nel Composer, con policy di modello e strumenti per membro. Per impostazione predefinita l'Agent principale completa da sé il lavoro semplice e delega solo quando serve la squadra salvata; il lavoro delegato viene eseguito come DAG limitato con revisione e riparazione opzionali. Run Center traccia i tentativi e i token per membro dagli eventi di utilizzo ufficiali di Harness.

Migliora l’esperienza dei modelli: diversi modi per inserire parametri, compatibilità, memoria dello sforzo di ragionamento, subagenti che seguono in tempo reale modello e sforzo del genitore e autoregolazione dello sforzo da parte dell’IA.

Plugin di memoria Honcho di Plastic Labs: inietta il profilo utente, il riepilogo della sessione e le conclusioni rilevanti all'inizio della sessione, carica ogni turno su Honcho in background con i segreti oscurati, e aggiunge gli strumenti honcho_search / honcho_chat / honcho_remember più il comando di stato /honcho; configurato tramite ~/.honcho/config.json condiviso con le altre integrazioni Honcho, verso honcho.dev ospitato o un'istanza self-hosted.

Memoria Markdown tra sessioni con LLM-Wiki/SOUL.md. Per default viene iniettata dopo il primo messaggio solo nella sessione attiva. remember/recall/consolidate/forget, skill, migrazione pack/unpack e ricordi personali in inattività. Budget per file evita indice troncato; last_access permette decadimento. Salute in sola lettura: dimensione/freschezza/lint. Indice via summary:, grafo pagine/tag trascinabile con zoom, filtri tag/type/salience/hot/stale, suggerimenti di link, checkup con azioni prioritarie. Skill su richiesta riduce payload iniziale ~23%. Icona propria e feedback al repo. Richiede formato DSH v4, DeepSeek Harness ufficiale 0.1.7+; fonte messaggi plugin:memory.

Team di agenti: genera compagni di squadra nominati e di lunga durata, coordinandoli con un elenco di attività condiviso, una casella di posta dei membri e spazi di lavoro virtuali, e osserva il team in diretta in una scheda stanza del team.

Workspace unificati: fonde più directory in una singola sessione, gestisce le unioni da un pannello di impostazioni e legge/scrive i file membri tramite gli strumenti uw_read/uw_write/uw_edit/uw_delete/uw_move.

Persona e diario tra sessioni per DeepSeek Harness. Un filtro locale sceglie i turni da ricordare; una chiamata extra al modello crea un diario in prima persona e un’impressione dell’utente, legati al momento specifico. Le conversazioni successive ricevono circa 2000 tokens di memoria personale in tre livelli: nucleo della persona, giudizi scritti dal modello e diario. Uno strumento consente al modello di registrare giudizi con parole proprie. Il plugin può solo leggere il Markdown umano. Dalla barra laterale si può leggere, dimenticare o esportare l’archivio; dimenticare abbassa la priorità senza cancellare, e una forte corrispondenza tematica può farlo riemergere. Cartella locale modificabile e trasferibile. I segreti vengono rimossi prima dell’invio. Nessuna dipendenza runtime né build.

Aggiunge un pannello di impostazioni multiutente al client web DSH: selezione della modalità d'uso, gestione dei membri con stato online e associazione dei dispositivi, e cambio o condivisione delle basi di memoria e conoscenza per ciascun membro.

Metti in pausa / riprendi / annulla l'attività di conversazione in corso dall'area del composer: la pausa forzata interrompe immediatamente e ricorda lo strumento interrotto, la pausa sicura atterra dopo che lo strumento o il ragionamento finisce, la ripresa chiede conferma, e la granularità della pausa predefinita è configurabile nelle impostazioni.

Preset Agent Team riutilizzabili per DeepSeek Harness. Settings salva Team con nome: un captain con prompt e lista di strumenti consentiti propri, più membri con route provider/model, reasoning effort, prompt e strumenti individuali. Un controllo del composer applica un Team alla Session corrente, installa il prompt del captain e registra spawn_team_member, get_team_preset e update_team_preset.

Pillola quota nell'angolo inferiore destro e pannello che aggregano le quote di abbonamento su piattaforme AI (Kimi Code, DeepSeek, Zhipu Coding Plan, BigModel, Qwen, Scnet, TokenRouter, SupaWriter), sincronizzando automaticamente le chiavi API dal dominio credenziali DSH con barre di utilizzo colorate.

Regola il numero di membri e attività di Agent Team, la dimensione dei messaggi e il timeout di chiusura.

Tre strumenti consentono a qualsiasi agente, anche a un membro del team, di elencare, guidare e fermare i subagenti avviati da lui.

Divide «New Session» nella barra laterale web di DSH in due modalità: una riga 日常聊天 apre una sessione sul preset di agente `daily` che il plugin installa nella home dell'harness (persona, ricerca e fetch web, ask-user e compattazione — niente file, shell, plan mode o subagenti), dentro il proprio workspace daily-chat la cui area laterale elenca solo quelle chat, mentre 开始工作 mantiene l'agente di coding fornito; il pulsante integrato New Session viene nascosto e ogni altro punto di ingresso a New Session segue la modalità attiva, ricordata in localStorage.

Bundle client dsh: una dashboard laterale di utilizzo e costi — statistiche sui token, prezzi per modello sensibili alle fasce di punta/fuori punta, scala di appartenenza, obiettivi raggiunti e una mappa di calore giornaliera.

Bridge di memoria Honcho: sincronizza automaticamente ogni turno di conversazione con un servizio Honcho self-hosted, con strumenti recall/search/remember/context/status, iniezione del contesto all'avvio della sessione e un pannello delle impostazioni visivo.

Memory Lake come livello di memoria persistente per dsh: strumenti memory_search, memory_remember e memory_forget tramite la CLI memorylake, una riga di stato della sessione e competenze guidate di configurazione/diagnostica, condividendo una sola identità ~/.memorylake e lo stesso set di memoria con i plugin Claude Code e Codex.

Hub OneBot v11 tra un’implementazione upstream (LLOneBot e simili) e i bot downstream: inoltra eventi e azioni senza modificarli. Offre una timeline per sessione, registro delle azioni, memoria a livelli (argomenti e attività attivi, eventi a lungo termine, profili di persone e gruppi) e strumenti onebot_* per risposte, media, membri e chiamate API grezze.

Memo — ricerca nella memoria di sessione per agenti DeepSeek Harness: recupero full-text tra sessioni (memo_search), note distillate (memo_remember) e statistiche del corpus (memo_stats) tramite il servizio ufficiale sessionQuery. Zero infrastruttura, local-first.

Suite di estensioni runtime per DeepSeek Harness: casella di posta tra sessioni con riattivazione a freddo, team di agenti (capitano + membri + bacheca attività con dipendenze + team_wait), policy di generazione subagent con approvazione escalation, preimpostazione di routing consapevole delle attività, mercato plugin, gestore competenze e iniettore runtime.

Deposito di memoria cross-sessione: strumenti remember / recall / forget, iniezione nel prompt per turno e un browser delle voci nella pagina delle impostazioni

Tavola rotonda multi-agente: ogni partecipante interviene a turno come subagente sul proprio modello, il moderatore riassume ogni giro e alla chiusura viene prodotto un verbale Markdown.