Plugin

Connette dsh a un runtime locale SandBase Harness tramite stdio MCP per gestire agenti e sessioni, trasmettere turni, ispezionare artefatti e annullare attività.

Le capacità di DeepWatch, installabili in un profilo DeepSeek Harness esistente

Osservatore in sola lettura del percorso di lavoro della sessione: ripiega i turni in riepiloghi di fase, esecuzione, durata e tok/s, poi espande rami paralleli, risultati degli strumenti e ragionamento visibile al fornitore.

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.

Pannello di gestione runtime in sola lettura per il client MCP ufficiale di DSH: stato della connessione, strumenti registrati, errori e conteggio delle riconnessioni tramite il comando /mcp e una scheda Impostazioni, con visualizzazione sanificata e suggerimenti di patch per attivazione/disattivazione.

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.

Converte gli eventi del ciclo di vita di sessione, ciclo dell'agente, LLM e strumenti in trace e metriche OpenTelemetry GenAI, esportati tramite OTLP/HTTP standard verso qualsiasi backend compatibile, con l'acquisizione dei contenuti disattivata per impostazione predefinita.

Esporta il flusso di eventi della sessione verso OpenTelemetry OTLP e Langfuse come trace e metriche sanificate e bufferizzate, disattivato per impostazione predefinita.

Osservabilità dei token local-first a quattro categorie: dashboard persistenti per sessione/provider/modello/giorno, tendenze, segnali di budget e anomalie, stime delle tariffe pubbliche, esportazioni aggregate sicure e analisi dell'utilizzo o della traiettoria di sessione con opt-in esplicito.

Livelli di utilizzo e schede statistiche condivisibili: 🐟→🐳 classifiche per consumo mensile di token con percentile stimato calcolato localmente, prezzi precisi per 46 modelli di 6 fornitori (inclusi prezzi cinesi per fascia di dimensione), backfill delle sessioni pre-installazione e confronto vecchio/nuovo dopo la modifica delle tariffe del 2026-08-17. Solo locale, nessuna telemetria.

Esporta il loop dell'agente verso GreptimeDB come tracce, metriche e log OpenTelemetry, con sette dashboard Grafana che coprono utilizzo di token, costo, esiti della sessione e latenza per turno.

Operazioni conversazionali di Grafana: ispeziona i dati live della dashboard tra sorgenti nominate, quindi apporta modifiche sicure e verificabili alla dashboard con approvazione e controlli di versione.

model router per passo: preset nominati con regole ordinate di gruppi immagine/parole chiave instradano ogni passo dell'agente attraverso ogni provider e modello montato, aggiungendo flussi di collaborazione per la trascrizione delle immagini, una protezione delle immagini, un pannello quote multi-piano e osservabilità delle decisioni per passo.

Interfaccia di gestione del ciclo di vita per il provider di modelli llm-pi-ai: crea, modifica, elimina, attiva e disattiva provider con intestazioni personalizzate e chiavi API cifrate con AES-GCM; ripristino sicuro alla disinstallazione dei provider parcheggiati, individuazione di modelli remoti con scrittura in batch, routing intelligente con cinque strategie, compositi di unione/intersezione, test di connettività per modello e osservabilità delle richieste.

Revisione delle traiettorie in sola lettura in una barra laterale di conversazione ridimensionabile, con analisi delle regole, spiegazioni opzionali del modello, navigazione delle evidenze e confronto tra esecuzioni dello stesso intervallo.

Memoria markdown a lungo termine tra sessioni con struttura LLM-Wiki e persona SOUL.md, iniettata all'avvio (di norma solo dopo il primo messaggio e solo nella sessione attiva), più workflow remember/recall/consolidate/forget, skill di memoria integrata, migrazione pack/unpack e un promemoria nei tempi morti. Aggiunge l'osservabilità che mancava: budget per file all'avvio che evita il troncamento della tabella di routing, last_access automatica perché il decadimento della salienza funzioni, compilatore d'indice dichiarativo, grafo di memoria interattivo, query strutturate, link incrociati suggeriti e un report `checkup` con azioni prioritizzate. Il payload di avvio cala del ~23%.

Report di deriva comportamentale per le sessioni DSH: confronta due log di sessione e riporta l'allineamento delle sequenze di strumenti, la miscela degli strumenti, il volume di ragionamento, i tempi, i tentativi ripetuti e i file coinvolti, con un gate di soglia opzionale per la CI. Zero dipendenze.

Osservabilità del Conversation Flow per gli swarm di DeepSeek Harness, con topologia, ispezione dei messaggi instradati, pause HITL, follow live e navigazione alle sessioni figlie.

Pannello di insight in sola lettura per un profilo: cinque viste sugli stessi dati — layer di configurazione, albero plugin, servizi, nomi strumenti e modelli — ogni voce mostra quale layer l'ha inserita o disabilitata e se è in esecuzione.

Invia in streaming sessioni, messaggi, attività degli strumenti ed esiti dei turni di DeepSeek Harness a una board JARVIS Mission Control con stato delle attività e revisione umana.

Telemetria a runtime a zero intervento per DSH: ogni sessione scrive automaticamente task, livello del modello, strumenti, errori, durata e stato in un diario leggibile con una sezione statistiche (puro osservatore — nessuno strumento, nessuna chiamata LLM, nessuna iniezione)

Mostra il saldo DeepSeek e la spesa giornaliera stimata, unisce i record JSONL delle vision-call esterne e aggiunge una dashboard per sessione con statistiche del modello, TTFT, tasso di cache, log delle chiamate, stime dei costi, filtri ed esportazione CSV.

Analisi dell'esecuzione della sessione: passaggi, chiamate agli strumenti, fallimenti, azioni ripetute, utilizzo dei token e segnali di verifica, resi come report in testo/Markdown/JSON.

Profilazione delle capacità per modello per DSH: trasforma la cronologia delle sessioni locali in dashboard per modello con conteggi delle sessioni, utilizzo degli strumenti, tassi di errore e principali firme di errore, con filtri per intervallo di tempo e confronto multi-modello.