Plugin

Pet da desktop per la Web UI di DSH con 25 animazioni trasparenti, vagabondaggio sullo schermo, reazioni al clic e trascinamento, più una pipeline riproducibile per la generazione degli asset.

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.

Accesso remoto multi-dispositivo per DeepSeek Harness: continua una sessione attiva dal telefono, tablet, browser o da un altro computer tramite un canale cifrato end-to-end (Noise IK + trasporto relay/WebRTC adattivo), con autorizzazione dei dispositivi, capacità remote limitate ad ApiProxy e anteprima dei file in sola lettura tramite dsh-file-viewer — niente shell, desktop remoto o accesso in scrittura.

Accesso remoto multi-dispositivo per DeepSeek Harness: continua una sessione attiva dal telefono, tablet, browser o un altro computer tramite un canale crittografato end-to-end (Noise IK + trasporto adattivo relay/WebRTC), con autorizzazione dei dispositivi, funzionalità remote esclusive di ApiProxy e anteprima dei file in sola lettura tramite dsh-file-viewer — senza shell, desktop remoto o accesso in scrittura.

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).

Porta in DeepSeek Harness tutti i 38 temi opencode (33 TUI, 4 desktop 2.0 e system). Include pipeline JSON → risoluzione colori → override DSH, persistenza per browser, scelta monospace/proporzionale e cinque font per codice; il fallback system conserva solo la tipografia.

Verifica della qualità dei dati per DeepSeek Harness — pipeline di profilatura, pulizia e verifica con report strutturati.

Toolkit di R&D quantitativa per DeepSeek Harness — 59 strumenti in sei ambiti che coprono dati di mercato, indicatori, valutazione dei fattori, validazione ML walk-forward, rischio (VaR/CVaR/drawdown/Beta con Kupiec POF), opzioni, obbligazioni, FICC e simulazione di fondi, con una pipeline di ricerca end-to-end PDAT→PET.

Pipeline QA come 10 agent skill: analisi dei requisiti, strategia di test, scrittura e revisione di casi, automazione E2E (Playwright) e API, esplorativa, ambito di regressione e analisi dei bug, supportata da una knowledge base condivisa con regole di formato, modello di rischio e validatori di schema.

lowtide: pipeline di task in batch fuori picco con decisione umana per dsh (consapevole dei prezzi picco/vallo)

Controlla la lingua di ragionamento di DeepSeek Harness. Default English fa solo seguire alle risposte la lingua della domanda; Simplified Chinese imposta in cinese anche il ragionamento. Inserisce una sezione del prompt di sistema renderizzata per prima tramite order minimo e protegge il riordino dell’assemble pipeline da plugin precedenti o con order minore. Facoltativamente antepone al messaggio utente di ogni turno un testo con marcatore idempotente. Si cambia in Settings → General e si applica subito con schemastery >= 3.18.3.

Installa quattro preset di ricerca matematica multi-agente per DSH: v2 (pipeline guidata dalla probabilità con dibattito tra più verificatori), v3 (base di conoscenza Markdown in stile paper con un agente pianificatore e una libreria di metodi riutilizzabile), v4 (residenti persistenti auto-organizzati che si scrivono e si incontrano) e v5 (un istituto di ricerca con un accademico che scompone e assegna il lavoro, ricercatori votanti, lavoratori temporanei, chat di gruppo e una board di attività compare-and-set); tutti e quattro supportano la ripresa da checkpoint, l'intervento umano e un interruttore opzionale di verifica formale Lean (off/encourage/require) la cui prova superata trasforma il voto in un controllo di fedeltà delle affermazioni Lean.

Lettura approfondita e sintesi per DSH: libri, articoli, video e web trasformati in note strutturate di Obsidian tramite parser di plugin, sottoagenti paralleli MapReduce di lettura profonda, output JSON Schema e cache idempotente.

Generazione di immagini e video AI per la GUI Web DSH. Cataloghi per canale e adattamento per famiglia (gpt-image, Grok Imagine, Nano Banana, Seedream, GLM-Image, Qwen-Image, MiniMax image-01, DALL-E 3), studio laterale, canvas infinito a nodi, anteprima file, skill del canvas e modelli prompt. Il video supporta testo/immagine in video, primo/ultimo keyframe e più riferimenti, invio/sondaggio/download asincroni, strumenti video host, nodi video e unione locale con ffmpeg di due o più nodi in un MP4.

Shell web mobile per la GUI Web DSH: cassetti overlay, FAB trascinabile, correzioni del composer mobile e un pulsante flottante per il caricamento immagini fissato sopra il composer (galleria/fotocamera nativa, integrato con la pipeline add-images validata), nessuna regressione desktop. Pubblicato su npm come dsh-webui-mobile.

Pipeline per il costo in token di DeepSeek Harness: compattazione a livelli sensibile alla pressione (proiezione senza perdite sotto il 40% di pressione del contesto, riassunto con LLM sopra), allowlist dei tool per agente, conversione di testi lunghi in immagini con riassunto visivo e un comando /token-status che traccia pressione, livelli e token risparmiati.

Portato dal plugin ARS Claude Code (44k+ stelle su GitHub): skill di ricerca accademica per DeepSeek Harness — un team di agenti di ricerca approfondita, una pipeline di scrittura articoli, un pannello di peer-review multi-prospettiva e un orchestratore end-to-end, più sedici comandi /ars-*.

Il bundle DeepSeek Harness registra un'abilità che converte la produzione lunga (articoli accademici, analisi di settore, commenti aziendali) in pipeline a 9 ruoli: scout T1 letteratura / T2 dati / T3 casi in parallelo, T4 analista, T5 scrittore, T6 compagno critico, T7 revisore contabile, T8 finalizzatore, T9 revisore paritario eseguiti dal coordinatore. Su 6 fasi con verifica triangolare delle evidenze, M-gate di 23 controlli, audit G0-G14 incluso gate di tracciamento IA cinese, punteggio peer-review con abbinamento riviste, e 4 checkpoint umani. Installazione con `dsh plugin add lunheng-article-pipeline` (package.json#dsh.bundle.patch più lib/index.js); fornisce schede ruolo T1-T9, modelli e 11 script di verifica senza dipendenze, con README in cinque lingue.

Pipeline di ricerca multipiattaforma e ricerca profonda: harvest_scout per la scoperta parallela su GitHub, Web, Twitter, Reddit, Xiaohongshu, Bilibili e YouTube; harvest_deep_research per report di ricerca completi automatizzati; più estrazione, verifica incrociata delle fonti e audit di credibilità.

Preset modalità esperto DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordinatore + 17 subagenti esperti con delega automatica. Funzioni: taskboard (stati pending/ready/running/done/failed, DAG dipendenze, rivendicazione atomica, retry, ripristino), gate qualità (pipeline 5 fasi: requisiti, implementazione, verifica, revisione, integrazione; 2 rilavorazioni), Five-Anchor (revisione/convergenza/anti-deriva/cooperazione/risorse), Near-distance (modello identità/compito/output), divulgazione progressiva (~28% risparmio token), persistenza, bus P2P, revisione incrociata, pool esperienza, via rapida, auto-retry. 17 esperti: dati, copywriting, legale, PM, frontend, UI/UX, architetto, social, growth, fin. quant., backend, DevOps, DB, QA, sicurezza.

Team Multi-Agent per ruoli per DeepSeek Harness: prodotto, architettura, frontend, backend, revisione e QA operano in nove fasi controllate; disponibile un team persistente. Nessuna dipendenza runtime né build.

Trasforma un requisito in una riga in una consegna verificata. TeamFlow esegue triage, PRD, design, piano tecnico, sviluppo parallelo, QA con correzione dei difetti e accettazione. Include 12 strumenti `teamflow_*` e una postazione con grafico della pipeline live e kanban del backlog. Ogni requisito ha una cartella con PRD, design, piano tecnico, rapporto QA e verbale di accettazione.

Plugin «scrittura mono-core» per DeepSeek Harness: strumenti meticolosamente semplificati e output irrobustito per modelli piccoli quantizzati, adatto a eseguire pipeline di romanzi lunghi in locale con modelli on-device.