Plugin

Collega DeepSeek Harness alla base di conoscenza personale local-first e auto-evolutiva di ReMe: cattura automaticamente le conversazioni completate dell'agente principale come memoria Markdown di proprietà dell'utente, cerca conversazioni e materiali originali tramite reme_search con BM25, embedding opzionali e espansione dei wikilink, e pianifica una consolidazione giornaliera della memoria.

Legge i file di sessione che altri trentatré agenti di coding su questa macchina hanno già scritto — Claude Code, Codex, Cursor, VS Code Copilot Chat, opencode, OpenClaw, Hermes, Kimi, Cline, Zed e altri — incluse le sessioni precedenti alla sua installazione: sei tool (deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), un comando /deja e il richiamo automatico opzionale aggiunto al contesto di runtime. Indice BM25 locale, nessun LLM, nessun embedding, nessuna rete (dsh plugin --profile web add dsh-deja).

Miglioramento dei prompt con un clic (5 modalità, catena di memoria, fallback multi-modello) più riconoscimento vocale (Qwen3-ASR cloud / SenseVoice offline, arresto automatico al silenzio) per il composer, con riavvio del servizio DSH con un clic.

QA di fedeltà al design per modelli solo testuali: uno strumento `deepseek_vision` prende in prestito un occhio da qualsiasi percorso vision compatibile con OpenAI, così il modello può giudicare se un'implementazione corrisponde al mock — fornito con il benchmark alla base di quel giudizio (quattro fixture, 23 difetti iniettati, trascrizioni grezze) e la disciplina di interrogazione da cui dipende.

Cervello DeepSeek + trascrizione automatica delle immagini: allega immagini nella GUI e ognuna viene trascritta tramite il deepseek-v4-flash-vision-exp ufficiale per impostazione predefinita (un cervello V4-Pro puramente testuale può vedere le immagini), con qualsiasi VLM compatibile con OpenAI o Ollama locale come alternative.

Budget di pensiero per richiesta, un backend di compattazione e una scheda impostazioni per la linea locale Qwen3.8 (llama.cpp o NInfer).

Invia task autonomi da DSH a 11 CLI di agenti esterni (Codex, Claude Code, TraeCode, OpenCode, Gemini, Cursor, Kimi, Qwen, Copilot, WorkBuddy, Grok): un bundle solo host che registra lo strumento conductor_dispatch più una skill conductor attivata automaticamente.

Fidanzata IA vocale per la UI Web: input microfono con FunASR, risposte vocali Qwen3-TTS, finestra animata del compagno e chat QQ bidirezionale (push di testo/voce/immagine) tramite NapCat.

Forza la compressione del contesto durante l'esecuzione di modelli llama.cpp a basso contesto come Qwen3.8-27B, migliorando l'efficienza del modello e la fluidità d'uso, insieme a prompt di compattazione ben raffinati.

Un percorso del provider gateway visione-linguaggio: le immagini incollate vengono descritte da un modello VL configurabile (Qwen-VL per impostazione predefinita) prima di essere inviate a DeepSeek.

Bridge di visione gratuito per modelli solo testo: comprensione delle immagini, OCR, analisi dell'interfaccia e debug tramite provider di livello gratuito (Qwen3-VL-Flash, Doubao, DeepSeek-OCR) con una GUI delle impostazioni.

Usa la tua IA web con accesso effettuato (DeepSeek, GLM, Kimi, Qwen, Doubao...) come provider di modelli in DeepSeek Harness. I modelli web emettono chiamate agli strumenti, DSH le esegue sotto il suo sistema nativo di permessi e i risultati tornano nella stessa sessione web. Nessuna chiave API.

Configurazione dei modelli gratuiti con un clic per DSH web, pensata per chi inizia a programmare: installer con un clic per Windows (install.bat) e macOS/Linux (install.sh, v1.7.0+); quattro canali gratuiti in modo permanente — Zhipu GLM (testo + immagini), SiliconFlow (Qwen3-8B più oltre 15 modelli sotto i 9B), iFlytek Spark Lite e il pool gratuito OpenRouter, che passa per openrouter/auto e sceglie da un pool che cambia nel tempo; il suggerimento di configurazione in basso a sinistra scompare quando un modello gratuito è collegato; promemoria in tempo reale dei prezzi DeepSeek di punta e fuori punta; centro assistenza integrato per principianti.

Scansiona oltre 20 agenti AI su questa macchina (Codex, Claude Code, cc-switch, Hermes, opencode, Gemini, Grok, Kimi, CodeBuddy, Trae, OpenClaw, Qoder, WorkBuddy, Zcode, Cursor, Windsurf, Cline, Roo Code, Qwen Code, ...) e sincronizza, gestisce e aggiunge con un clic i loro server MCP e skill in DSH — globale o per workspace.

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.

Orchestratore multi-modello: il cervello principale scompone le attività complesse e distribuisce i sottocompiti a subagenti GLM / Kimi / Qwen in base ai punti di forza di ciascun modello, con utilizzo di token per modello.

Plugin adattatore LLM per modelli Qwen distribuiti localmente dietro un endpoint vLLM compatibile OpenAI, con switch multimodale per modello, reasoning effort completamente configurabili, più una pagina web di impostazioni da cui si può modificare il deployment dal frontend.

Router unificato per la generazione di immagini per DeepSeek Harness (DSH): scopre automaticamente i modelli immagine da qualsiasi endpoint compatibile OpenAI, fornisce gli strumenti draw_image e draw_list_sources, supporta SenseNova, StepFun, Agnes, Qwen, Flux, SD, Imagen e altri.

Fix della compaction per gateway qwen3.8-27b ospitati su NInfer: disattiva il thinking nelle chiamate di compaction del contesto dsh e di titolo della sessione, così il ragionamento xhigh smette di bruciare l'intero budget di output; la stessa idea vale per altri metodi di avvio, questo pacchetto è pensato solo per NInfer.

Visualizza inline nel chat di DSH Web le immagini incollate o caricate e dà la vista ai modelli solo testuali: lo strumento visual_review, richiamabile dal modello, usa prima una qualsiasi API multimodale compatibile con OpenAI e, se fallisce, passa a un worker locale Qwen3-VL.

Bridge di visione nativo del provider LLM: le immagini incollate in chat vengono descritte da un modello di visione (Qwen3-VL via pi-ai/llama.cpp) e la descrizione testuale viene passata a DeepSeek solo testo per la risposta — ammissione delle immagini, instradamento e compattazione avvengono tutti tramite meccanismi nativi dell'harness, con una cache LRU delle descrizioni e retry sui 503

Bridge locale multi-piano per DeepSeek Harness: usa i tuoi abbonamenti esistenti a ChatGPT Codex, Claude, ZCode (GLM) e Qwen tramite un solo proxy di loopback, con una scheda di stato nella pagina delle impostazioni e provisioning in un clic. Nessuna modifica al core di dsh.

Consumer dello strumento ui_mockup: nella fase di discussione genera wireframe e bozzetti ad alta fedeltà di UI, salva il progetto su disco, chiede conferma e poi blocca la specifica di design; include card client, routing delle immagini e i18n.

Genera wireframe UI e mockup ad alta fedeltà in DeepSeek Harness con fornitori di immagini DashScope e Volcengine selezionabili.