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.

Collega DeepSeek Harness alla base di conoscenza personale locale-first e autoevolutiva di ReMe: cattura automaticamente le conversazioni completate dell'agente principale come memoria Markdown di proprietà dell'utente, cerca nelle conversazioni e nel materiale sorgente tramite reme_search con BM25, embedding opzionali ed espansione dei wikilink, e pianifica il consolidamento giornaliero della memoria.

Pacchetto di metodi di ingegneria del software per agenti di coding, con competenze per la pianificazione basata su baseline, il debug sistematico, l'igiene dei prompt, la verifica prima del completamento e il tracciamento di riparazioni/dismissioni.

Legge i file di sessione che altri 22 agent 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 sessioni precedenti alla sua installazione. Include sei strumenti (deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), un comando /deja e un recall automatico opzionale aggiunto al contesto di runtime. Indice BM25 locale, senza LLM, senza embedding, senza rete (dsh plugin --profile web add dsh-deja).

Memoria tra sessioni con ambito di progetto: archivio SQLite a sette livelli (soul/user/project/fact/lesson/rules/topic) su node:sqlite, iniezione nel primo messaggio adatta alla cache più corrispondenze di parole chiave per messaggio, strumenti memory_remember/search/find_similar/read/update/project e consolidamento nella finestra di inattività («dream») con soppressione nelle ore di punta. I testi dei prompt sono distribuiti come file di dati per lingua — il framework supporta utenti multilingue.

Animale domestico desktop DSH fluttuante con 12 animazioni di stato autoprodotte per richieste, strumenti, compaction, archivio e miglioramento dei prompt; occupazione del contesto in tempo reale; un Registro a Vita persistente tra sessioni; totali per fornitore/modello, tendenze orarie e viste a 7/30 giorni; commutazione tema scuro/chiaro; stime dei costi opzionali (disattivate per impostazione predefinita) con editor visivo dei prezzi e avviso di budget mensile; importazione ZIP skin lato client; esportazione dell'utilizzo JSON/CSV; letture del pannello solo snapshot con indicizzazione incrementale in background; e miglioramento dei prompt opt-in con anteprima modificabile e invio al composer DSH.

Guardia della disciplina ingegneristica: verifica dei requisiti prima della prima modifica, gate di evidenza dei test rosso/verde, revisione avversaria biforcata e un rapporto di consegna con un flusso di verifica per dimensione.

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.

Banco di lavoro per progetti QA di dsh: gestisci progetti di test, requisiti, casi di test, difetti, milestone, report e gate di approvazione tramite un'interfaccia browser e 18 strumenti del dominio QA.

Strumenti email IMAP/SMTP (list/read/search/send/folders/attachment/health/watch/mark/reply) con filtri di intervallo di date since/until, email_mark per letto/non letto/preferito/sposta, email_reply per rispondi/rispondi a tutti/inoltra con header di threading, preset QQ/163/126/Sina/Aliyun/Gmail/Outlook/iCloud, supporto multi-account, un gate di approvazione dell'invio, una pagina web di impostazioni e un popup di nuova email con una whale-girl azionato dal checker incrementale email_watch. Il login Outlook OAuth2 con device code funziona subito tramite un client community integrato, e un account può comunque fornire il proprio clientId.

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.

Grafo di conoscenza del codice local-first per agenti di coding: 10 strumenti MCP per compressione contestuale a livelli, pianificazione DAG, indicizzazione AST incrementale, flywheel di competenze cross-session, diagnostica e import/export di artefatti del grafo.

Analizza l'utilizzo tra modelli, provider, spazi e periodi, con date personalizzate su tutta la cronologia, cache-hit visibile e ripartizioni per modello e provider. Include trend orari/giornalieri, heatmap di 53 settimane in stile GitHub, serie, anelli di quota token per modello e spazio (token, costo, %), filtri combinabili, efficienza della cache, saldo DeepSeek, alias degli spazi, export CSV e un registro durevole che conserva l'utilizzo dopo la cancellazione di sessione o spazio (riga Deleted) e si ricostruisce in modo incrementale. Il registro degli spazi si aggiorna via sonda DSH domain/changed; contano solo gli spazi registrati. Contabilità separata di input, cache e ragionamento. Cinese: ora locale; inglese: UTC; API solo loopback.

Modalità cinese globale: un piccolo interruttore a pillola accanto al composer che inserisce un requisito linguistico nel prompt di sistema di qualsiasi preset (persona complete escluse); risposta, ragionamento e output degli strumenti si alternano ciascuno tra cinese e inglese, e sono supportati i preset ancorati.

Guardia di deriva dei requisiti a runtime che mantiene gli agenti DSH di lunga durata allineati con l'obiettivo, i vincoli e le decisioni approvati dall'utente.

Miglioramento del prompt con un clic nel composer — riscrive la bozza in un prompt strutturato (ruolo e obiettivo, passaggi eseguibili, formato output, criteri di accettazione, casi limite) con anteprima prima/dopo, reinserimento e annullamento. Non modifica mai l'intento né inventa requisiti.

Bridge di memoria Honcho: sincronizza automaticamente ogni turno di conversazione con un servizio Honcho self-hosted, con strumenti recall/search/remember/context/status, iniezione del contesto all'avvio della sessione e un pannello delle impostazioni visivo.

Metti in pausa / riprendi / annulla l'attività di conversazione in corso dall'area del composer: la pausa forzata interrompe immediatamente e ricorda lo strumento interrotto, la pausa sicura atterra dopo che lo strumento o il ragionamento finisce, la ripresa chiede conferma, e la granularità della pausa predefinita è configurabile nelle impostazioni.

Agente di coding da terminale per DeepSeek Harness con UI a schermo intero in alternate-screen, navigazione delle sessioni consapevole dei turni e un flusso di lavoro /ship con gate che porta requisiti di una riga attraverso specifica, TDD e controlli di accettazione rieseguiti.

Math Agent Framework per DeepSeek Harness: motore di derivazione simbolica (CES / forme quadratiche / ODE / PDE), verifica con SymPy, dimostrazioni formali verificate dal compilatore Lean 4 e verifica avversariale multi-agente in stile QED, esposti come strumenti DSH nativi tramite una shell TS che fa da ponte a un motore Python. Richiede la clonazione del repository math-agent-framework e `pip install -r requirements.txt`, con MATH_AGENT_HOME che punta alla radice del repository. Ogni risultato riporta la provenienza (versioni dei motori, seed, tolleranze) ed è contrassegnato come dati non attendibili.

Uno swarm governato di sei agent DSH specialisti — orchestrator, planner, bridge alla knowledge base, developer e due reviewer — trasforma un requisito in una pipeline di fasi rigida in cui ogni consegna deve dimostrare il proprio valore con evidenze strutturate prima che possa iniziare la fase successiva; i reviewer sono sola lettura, i merge del codice avvengono solo dopo un passaggio di review e un log eventi append-only offre replay completo e audit su una bacheca kanban live. Il suo design trae ispirazione dal kanban di Hermes Agent.

Memo — ricerca nella memoria di sessione per agenti DeepSeek Harness: recupero full-text tra sessioni (memo_search), note distillate (memo_remember) e statistiche del corpus (memo_stats) tramite il servizio ufficiale sessionQuery. Zero infrastruttura, local-first.

Aggiornamento di DSH + sincronizzazione documentazione ufficiale in Settings: aggiornamento npm con un clic di @deepseek-ai/dsh con avanzamento live (stream di output npm, timer trascorso, barra monotona), protezione multi-copia che tocca solo l’istanza in esecuzione, modalità source-tree tramite git pull, installazione PowerShell 7 con un clic su Windows, sincronizzazione incrementale di docs/ ufficiale con progresso, e gli strumenti modello dsh_docs_search / dsh_docs_read.

Memory Lake come livello di memoria persistente per dsh: strumenti memory_search, memory_remember e memory_forget tramite la CLI memorylake, una riga di stato della sessione e competenze guidate di configurazione/diagnostica, condividendo una sola identità ~/.memorylake e lo stesso set di memoria con i plugin Claude Code e Codex.