Plugin

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

Measure whether a dsh setup change actually helped: register repeatable cases, run them, and diff the results before and after you change rules, skills, or models.

Evidence-first frontend release checks: real-browser content, accessibility, runtime, network, and baseline regression reports with screenshots.

Adds a /dshpp slash command that reports session and token usage, cache-hit rate, and estimated cost from harness session logs; the repo also ships a CLI and local web console for lifecycle, provider, session, and plugin-security management.

Codex-style fuzzy skill search for the DeepSeek Harness Web GUI: /bug, /diag, /regression all find diagnosing-bugs in the / skill menu.