Plugin

Preset di agente bioinformatico con 17 skill analitiche BioDSH (single-cell, RNA-seq bulk, sopravvivenza, regressione, ANOVA), libreria di oltre 2.000 skill consultabile tramite lo strumento skill_library, selezione della skill per messaggio e guardia di convergenza per tempo/passaggi.

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.

Guida il plotting scientifico di OriginLab Origin dalla chat AI via MCP: 62 strumenti. Watchdog dei dialoghi modali, gate di sicurezza LabTalk, release/reconnect, fitting con parametri iniziali/fissi/pesati, modifiche fini di grafici e sheet, strumenti matriciali, FigureSpec YAML dichiarativo (diff-abile e rieseguibile), snapshot di sola lettura delle MCP Resources, ponte matplotlib-figure, assemblaggio PowerPoint con etichette dei pannelli, ricerca di modelli nel Graph Gallery, esportazione EPS, whitelist di accesso ai file, baseline di regressione visiva e OPJU modificabile con verifica deterministica di rilettura.

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.

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.

Harness di valutazione per i plugin DSH: casi di test YAML guidano esecuzioni reali dell'agente in modalità headless, verificano chiamate agli strumenti, argomenti, risultati e utilizzo dei token, con un gate di baseline per le regressioni in CI.

Competenza di verifica delle affermazioni che confronta documenti di progettazione e piani con i fatti del codice, escalando le affermazioni comportamentali a verifica eseguibile con primitive logiche per macchine a stati e modelli di dati, con regressione prima/dopo, vincoli di dominio e mining dei rischi di concorrenza.

Plugin auto-evolutivo per DeepSeek Harness: osserva come lavora l'agente, propone miglioramenti ai propri asset tramite l'LLM, valida ogni proposta in un agente di prova in sandbox e applica solo mutazioni verificate — con registro versionato e rollback automatico in caso di regressione.

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.

Esegui Stata tramite DeepSeek Harness: il servizio nativo Stata AI Skill si avvia automaticamente con DSH (binari macOS/Windows inclusi), per eseguire regressioni, do-file e flussi di lavoro econometrici senza configurazione manuale.

Debug e test frontend GUI per agenti DeepSeekHarness: 36 strumenti browser_* per automazione strutturata, confronto visivo, analisi dinamica dei frame e debug di rete su Web/Chromium.

Interruttore di sicurezza per turni di agente inattivi: monitora agent/assistant-stream e annulla un turno che produce solo ragionamento — né testo né chiamata allo strumento — dopo 45s, dopo 80000 caratteri di ragionamento o su un pattern di ripetizione degenerato (unità di ripetizione esatta, ripetizione del modello di frase, ripetizione sparsa o densità a 6-grammi). All'intervento inietta un'istruzione di continuazione che richiede che la prossima azione sia una chiamata allo strumento e fornisce 11 casi di regressione più il tuning per soglia.

dsh-lint-loop v0.7.0 aggiunge verifiche delle prove limitate e in sola lettura per modifiche osservabili a shell/bash/pwsh e agli strumenti file. Le prove incerte restano incomplete. [Release](https://github.com/lemonxiny55/dsh-lint-loop/releases/tag/v0.7.0)

Adattatore mobile per la shell web di DSH: barra laterale e pannelli dei dettagli a comparsa, composer e impostazioni responsive sotto i 768px, zero regressioni sul desktop.

Plugin orchestratore di QA per DeepSeek Harness: un agente esplora la tua app e lascia evidenze, poi il percorso esplorato viene riprodotto in modo deterministico. Pilota i driver per browser, desktop macOS, iOS e Android.

Il comando slash /dshpp riporta dai log di sessione harness uso di sessione e token, cache hit rate e costo stimato. Il repository include anche CLI e console web locale per gestire ciclo di vita, provider, sessioni e sicurezza dei plugin.

Memoria di decisioni e obiettivi con lignaggio: comandi espliciti e un tool di modello registrano le decisioni in modo deterministico, una scheda di stato le riancora attraverso la compattazione, un flusso di eventi senza perdita con recupero BM25+jieba la supporta, e una suite di regressione sulla fedeltà a livello di scenario gestisce i rilasci.

Esegui Stata tramite DeepSeek Harness: il servizio nativo Stata AI Skill si avvia automaticamente con DSH (binari macOS/Windows inclusi), così puoi eseguire regressioni, do-file e flussi econometrici senza configurazione manuale.

Test di accettazione browser indipendenti per i deliverable degli agenti: in input una specifica JSON, in output un verdetto da Chromium reale.

Registra i bug del browser, blocca i risultati attesi e verifica le correzioni rispetto a un nuovo controllo del codice originale.

Harness di regressione dei contratti per autori di plugin: un adattatore LLM scriptato guida la pipeline reale in processi figli isolati con asserzioni sugli eventi di sessione (livelli load/contract/behavior/fault); senza chiavi API, pronto per la CI.

Merges your configured, runtime-registered and locally cached models into one panel, probes and minimal-request tests them, pulls each channel's upstream /v1/models catalog, and chains the keepers into named schemes. A virtual ModelPool provider fails over at request time with per-model cooldowns, exponential backoff, image-request avoidance for text-only models, and a 10-minute memory for rejected reasoning levels. Adds a token ledger by day and model with CSV export, and 21 regression probes. Not a fork of dsh-llm-fallbacks.

Records a session as a run, replays it in an isolated workspace copy with another model or prompt, diffs the two trajectories side by side, aggregates runs into a task × variant matrix, and gates regressions with task assertions and a CI exit code.

Agent application development evaluation skill (skill bundle) for DeepSeek Harness: offline/online suites judged from audit side effects, baseline diff with zero tolerance for safety regressions, and mutation tests proving the evaluators themselves catch regressions. Framework-agnostic - needs a callable chat endpoint and queryable tool-call records. DSH host compatibility is deliberately undeclared.