Plugin

Bundle opzionale solo-Skill per DeepSeek Harness dedicato alla skill di diagrammi architetturali Archify.

Swaps the filesystem and bash providers for a mirage virtual workspace: file tools and shell commands run over mounted resources (RAM, S3, Redis, Slack, Gmail, Notion, Postgres) instead of the host disk, with per-mount read/write/exec modes, per-command sandbox routing (monty, pyodide, quickjs in process; docker, e2b, daytona remote), and installed CLIs (git, gh, slack, linear, ntn, gws, or one you register) as head words in the virtual terminal.

Ponte visivo per modelli solo testuali: incolla un'immagine e ottieni prove strutturate in JSON (OCR, layout, semantica).

DeepSeek Harness tool plugin that exposes BrowserSkill (bsk) browser automation to the model

Runs local security audits of AI API relays and LLM proxies from DeepSeek Harness, producing Markdown reports for prompt injection, model substitution signals, tool-call rewriting, error leakage, stream integrity, and profile-gated Web3 risks.

Attività visive per modelli solo testuali: Q&A su immagini consapevole dell'intento, OCR su screenshot lunghi, riproduzione UI, grounding e confronto pixel.

Runtime agente open source compatibile CMA per qualsiasi modello, con strumenti MCP, sessioni sandboxed, audit, replay e una console locale. Include un bundle nativo per DeepSeek Harness via MCP su stdio.

Componenti UI interattivi renderizzati in linea nelle risposte: layout, grafici, form, quiz, mermaid, scene 3D e un loop di eventi d'azione che torna al modello.

UI generativa all'interno della conversazione: il modello genera card HTML interattive nello stream della chat, con anteprima in streaming e rendering sandboxed.

Sidebar usage panel that attributes tokens to the relay site that served each request, read from your existing provider config: today/month/all-time totals, per-site and per-model breakdowns, a year activity heatmap, and New API / Sub2API / DeepSeek balances.

Adaptive reasoning slider skin that maps each model's available reasoning efforts onto a 0–30 visual intensity scale, with synchronized portraits, background, and interface colors.

DSH适用的Codex风格的思考强度滑块，以及大肥鱼跑步滑块。Codex-style model and reasoning-effort slider for DeepSeek Harness

Mappa di calore dell'uso dei token, ripartizione per modello e saldo dell'account DeepSeek per la GUI web di DeepSeek Harness (dsh web).

Plugin provider LLM non ufficiale per DeepSeek Harness dedicato a Command Code: catalogo dei modelli in tempo reale, supporto per il livello di sforzo di ragionamento, card nella pagina Modelli. Porting da pi-commandcode-provider (MIT).

Persistent multi-model squads configured in Settings and selected in the Composer, with per-member model/tool policies; the main Agent dynamically plans each send as a bounded DAG with bounded reviewer/repair loops, while Run Center tracks retries and per-member tokens from official Harness usage events.

DeepSeek Harness (dsh) bundle wiring SkillRoute's skill router into your agents.

Let Your Ideas Flow — Tydora is a modern desktop Markdown editor combining WYSIWYG editing, bidirectional links, mind maps, and an infinite canvas — empowering deep thinking and effortless expression.

Espone al modello gli strumenti di analisi documenti di MineRU.

Second-model auto-review on the approval answerer chain: a read-only reviewer subagent returns structured allow/deny verdicts with reasons, fail-closed by default.

Word alternatives and underscore-gated fill-ins in the composer. End a line with _ and it is filled; misspellings are flagged as you type. Routes through the model dsh is already configured with, so it needs no API key.

Canale bot di messaggistica Lark/Feishu per DeepSeek Harness: le chat pilotano gli agenti, e risposte e approvazioni tornano come messaggi e card.

Silky streaming reveal for the Web UI: text appears at the model's arrival rate, new lines glide in, no flicker; follow stays with the user and prefers-reduced-motion is respected.

Modalità Auto per DeepSeek Harness (dsh): una voce Auto nel selettore dei permessi le cui richieste di approvazione vengono gestite dalla policy di OpenGuardrails invece che da un umano, con il motore di guardia OGR completo sotto il cofano. Nessuna modifica al core.