Plugin

Plugin di analisi della sicurezza per DeepSeek Harness: 33 strumenti in sei ambiti di sicurezza, per prove, rapporti e toolbox, oltre a ciclo di vita dei casi, instradamento e registro degli strumenti. Include un flusso dei casi legato alla sessione, catena delle prove, convalida E-id e risultati riproducibili; 362 riferimenti su richiesta; tre profili persona intercambiabili; e un workspace con quattro schede (armor / case / intercept / about), che ripristina lo stato del caso dopo la compattazione del contesto.

Ottimizza i token in DeepSeek Harness con ricerca e caricamento differito degli strumenti MCP, controlli configurabili e stato della compattazione, riduzione dell'output degli strumenti, riepilogo visivo dei testi lunghi e archiviazione facoltativa delle conversazioni con recupero paginato.

Usa un abbonamento ChatGPT/Codex in DeepSeek Harness con modelli GPT, generazione di immagini, ricerca web, report sulla quota dell'abbonamento, controllo di modelli e funzionalità e accesso OAuth tramite browser o codice dispositivo.

Pipeline a livelli per l'ottimizzazione dei token per DeepSeek Harness: scala di output, caricamento lazy MCP, driver di compattazione, report sugli hit della cache. Basato su API reali dei plugin DSH; risparmio di ~40–60% di input nelle sessioni lunghe.

Bacheca Kanban per le sessioni DeepSeek Harness: l’agente principale assegna attività a subagent worker/verifier monouso, con pianificazione delle dipendenze, blocchi esclusivi per file, sospensione/congelamento per arbitrato, avanzamento delle tappe e statistiche token per attività.

Plugin di verifica degli obiettivi basata su evidenze per DeepSeek Harness. Blocca gli obiettivi tramite /ultragoal e verifica il completamento in base ai codici di uscita dei comandi e agli artefatti generati, impedendo al modello di segnalare falsamente il completamento delle attività.

Plugin per DeepSeek Harness: considera attendibile un sito dsh dietro un reverse proxy (non loopback), così le impostazioni si caricano invece di mostrare "settings are unavailable in this browser".

Usa immagini e video locali come sfondo della finestra DSH Desktop: rotazione temporizzata con dissolvenze incrociate da 0,7 s, primo fotogramma pronto prima della dissolvenza, testo chiaro/scuro automatico per la leggibilità, regolazione di sfocatura e opacità di pannelli/barra laterale, miniature video ed endpoint probe per stato di caricamento, livelli e selector. Legge solo i file locali indicati.

Tiene traccia in WakaTime delle letture di file, delle visualizzazioni di immagini e delle modifiche al codice di DSH, inclusi i conteggi esatti delle righe aggiunte ed eliminate dall'IA. Mantiene il tracciamento delle attività attivo mentre DSH risponde, raggruppa gli aggiornamenti tra i file e coordina i limiti di reportistica per progetto tra processi DSH paralleli. Installa e aggiorna automaticamente wakatime-cli.

Registra un provider wrapper che assegna un percorso LLM dedicato ai subagenti delegati: spawn singoli tramite provider.start e membri di Agent Teams tramite un hook su startActivation; l’agente principale mantiene il proprio modello. Include scelta del percorso in Settings, file di override per esperto, flag di capability sui punti intercettati e record di disponibilità scritto al mount.

Aggiunge Delete session al menu contestuale laterale; dopo la conferma con dimensione dei log e attività corrente, scollega correttamente file di log, projection checkpoint e registrazioni di memoria host.

Collega più gateway OpenAI-compatibili. Ognuno è un gruppo nel selettore, si può nascondere senza perdere impostazioni e recupera informazioni pubbliche dal proprio indirizzo. Gestione/test dei modelli per gateway e report quota facoltativo.

Diagnostica endpoint API LLM di terze parti dalla barra laterale in quattro livelli: DNS/TCP/TLS, chiave e modello, conversazione reale in streaming, poi ripetizioni cronometrate. Riporta time-to-first-token, velocità di output e tasso di successo; associa ogni errore al passaggio bloccato e indica i byte realmente usciti dal computer. 37 preset di provider, nessun nome di modello codificato.

Assistente per la ricerca econometrica: 6 strumenti per selezione del metodo, preparazione dei dati, specificazione del modello, analisi empirica con modelli di codice Python/R/Stata, verifiche di robustezza e reportistica dei risultati.

Organizza le sessioni del workspace di DeepSeek Harness rinominandole come 类别｜主题 e fornendo suggerimenti di archiviazione, rinomina e revisione.

Registers one tool, report_health, that answers whether a scheduled report job actually ran. It judges by side effects rather than exit codes: how old the newest report folder is, how many documents it holds, whether more than one report category is present, whether the audit ledger was synced recently, and how long ago the last log was written. Exits nothing, calls no model, and reads only local paths you can override by config or environment variable.

Pannello in sola lettura con bundle plugin, inserimenti patch, skill e stato di upgrade e disaccoppiamento dell’istanza.

Consente al modello di avviare la compattazione in un punto sicuro tramite compact_now (anche a turno in corso). context_status indica l’uso reale dei token rispetto alla finestra di contesto effettiva della sessione.

Mantiene visibili tra i turni le liste di attività incompiute. DSH azzera la proiezione all’inizio del turno e attende che il modello riscriva tutta la lista: se interrotto, il piano resta nel log ma scompare dall’UI. `todo_write` è di sola scrittura. Un listener session/event ricorda l’ultima lista per sessione e la riaggiunge a `turn/start` se resta lavoro aperto. Nessun fork di tool-todo né waterfall: la proiezione non è sostituibile per mismatch di `stateVersion`, quindi aggiunge l’evento consumato dal fold. Solo liste incompiute, massimo un evento per inizio turno, fail-open. Verificato con A/B controllato su sessioni reali e la vera definizione della proiezione. Zero dipendenze.

Plugin DeepSeek-Harness per orchestrare più modelli con scomposizione ricorsiva delle attività, instradamento dinamico, controlli di qualità, recupero dagli errori e report KPI.

Deterministic review of synthetic AI-agent claims in DeepSeek Harness, reporting bounded verdicts, reasons, and evidence references.

One-step local model onboarding plus a light harness for DSH. On load it probes loopback and private-network inference endpoints (llama.cpp, Ollama, vLLM, LM Studio), reads each model's context window and output budget from the backend, and registers the provider through settings, so a local model becomes selectable without hand-writing config. It then trims only that provider: masks the tool list through tools.restrict, drops named system-prompt sections and memory contexts, swaps the injected instruction block for a short one while preserving its first 80 and last 96 characters, and truncates tool-schema descriptions without touching structure or required fields. Cloud providers are returned as the same assembly object, untouched. The injected block is re-read from disk on every assembly, so editing the file takes effect on the next request with no reload. The panel in the plugin detail page is a live operations view: it shows whether the takeover is active and by which hook, how many characters the last assembly was trimmed from and to, and which providers are online (probed concurrently, with a real one-shot completion reporting latency and reply text per provider). If a local backend is not running, the panel offers a one-click launch: it probes the port first (never starting a duplicate), then starts the matching server (ollama serve, or a custom command you supply) detached and polls until the endpoint answers, clamping the wait to 3-600 seconds, reaping the child it just spawned if it never answers, and naming the paths it searched when it cannot find the binary. A stop button kills backends this plugin started (SIGTERM, then SIGKILL) and refuses to touch a server somebody else launched. When a model has just been downloaded and no backend exists yet, the panel can also scan the machine for .gguf files with hard caps (300 models, 20000 directory entries, Downloads only one level deep), start llama-server on the chosen one (skipping the .mmproj. vision projection and reusing a server that already answers), register the provider under the model id the backend reports, and run one real completion to prove it works. Before spawning anything it compares the model file size against available memory and refuses a model that cannot fit (or that exceeds 80% of the budget) until you confirm, switching to --no-mmap in that case; the honest limit is that this reads OS-visible RAM only, not GPU-side memory.

All’avvio controlla nuove versioni dei plugin abilitati, li mostra in una scheda d’angolo e li aggiorna tutti con un clic, indicando esito per plugin. Risolve il dsh CLI incluso per macOS, Windows e Linux invece di presumere un eseguibile Windows.

Mappa passo passo del workflow DeepSeek Harness: riassume una sessione in un elenco di fasi, indica la provenienza di ogni percentuale anziché mostrare un numero isolato e mette in coda il prompt della fase successiva, revocabile prima che venga preso in carico.