Plugin

Bridge per ShiGuang Memory Engine (SGME): memoria a lungo termine condivisa multi-agente via HTTP — distillazione L0/L1/L1.5/L2, iniezione basata su scenario, ricerca unificata e segnali proattivi di cura (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), installabile come `dsh-sgme`

Knowledge base di team per la condivisione di conoscenza offline (scenario FDE box): punti di accesso per navigazione, ricerca full-text e raffinamento; il materiale grezzo viene accodato automaticamente e distillato in pagine wiki da una sessione bot seriale (modello Karpathy LLM Wiki: materiale grezzo immutabile, raffinamento in due fasi, flusso di log, lint mensile).

Preset agente in modalità apprendimento: un agente di coding che insegna mentre programma — spiegazioni concrete basate su scenari, guida socratica e spazi vuoti per esercitazioni TODO(你), modellato sullo stile di output Learning di Claude Code; installabile tramite dsh plugin add (dsh-learning-mode su npm).

Pratica di colloqui con IA per DeepSeek Harness Web: genera domande in quattro modalità (ripasso dei concetti, colloquio simulato, scenari, LeetCode Hot 100), valuta le risposte e fornisce spiegazioni.

Plugin DeepSeek Harness che risparmia token in modo aggressivo senza intaccare la qualità: troncamento senza perdita di testa/coda dei risultati degli strumenti (default), ripiegamento dei risultati grep, delega a dsh-compaction-basic attivata dalla pressione e una sottoclasse CompactionEngine con riassunto LLM per la modalità aggressiva. Risparmia il 97,6% dei token di input su una suite sintetica di 8 scenari, con tutte le riduzioni che passano dal flusso di eventi dsh, così modello-visibile = registrato resta valido.

L'AI può scrivere il testo del curriculum, ma i modelli possono comunque apparire errati, le pagine possono debordare, possono rimanere spazi vuoti e piccole modifiche possono destabilizzare il layout. dsh-resume offre un workflow DSH end-to-end per affinamento veritiero dei contenuti, selezione dei modelli, ottimizzazione del layout A4, revisione visiva e versioni del curriculum su misura per diversi scenari di ricerca lavoro.

Assistente per la registrazione di asset dati: verifica scenari vietati e controversie di proprietà, individua l’agenzia per tipo di dato/area e fornisce checklist con standard di triplo audit e flusso in sette fasi.

Preset agente Learning Mode: un agente di coding che insegna mentre programma — spiegazioni concrete basate su scenari, guida socratica e spazi vuoti per esercitazioni TODO(你), modellato sullo stile di output Learning di Claude Code; installabile tramite dsh plugin add (dsh-learning-mode su npm).

Memoria stratificata per DeepSeek Harness: ogni turno inietta profilo persona e indice per rilevanza; trascrizioni complete su disco, ampliate su richiesta senza saturare il contesto. Fatti per attributo: un nuovo valore ritira il precedente. Il modello ricava il profilo persona dalla memoria. Tre filtri scartano chiacchiere di sviluppo, bloccano gli echi delle proprie iniezioni e fondono riformulazioni con parole comuni. La consolidazione unisce quasi duplicati, riassume temi lunghi e archivia con tag le vecchie voci poco utili; il testo originale non viene mai eliminato. Archivio append-only compattato sul posto (4,7 MB → 355 KB, misurati). Nessuna dipendenza esterna né build. L’iniezione per turno riduce inevitabilmente i cache hit dei prompt; sconsigliata per il lavoro.

Feedback audio per l’interfaccia web di DSH: classifica le pressioni dei pulsanti per semantica (normal, primary, toggle, send, close, danger, link) e riproduce un segnale per le transizioni dell’attività della sessione (started, finished, failed) e le interazioni in sospeso. Ogni scenario ha un selettore di segnali e un interruttore dedicati nella pagina delle impostazioni. Tutti i 78 segnali e i 12 pacchetti audio sono sintetizzati nel browser con Web Audio API: il pacchetto non include file audio e non effettua richieste di rete. Port comunitario di dsh-plugin-uisfx a DSH 0.2.0, con le modifiche registrate in PROVENANCE.md.

Raggruppa cinque skill TIA Portal (ricerca documenti Siemens PLC, generazione logica ladder, rendering SimaticML in PNG, simulazione del ciclo di scansione con scenari PASS/FAIL e gateway TiaLink per pilotare un progetto TIA Portal reale) e cinque endpoint MCP. Per progetti reali serve TiaLink a pagamento (Windows + TIA Portal V19/V20 + Openness). I quattro servizi cloud richiedono API key, con 100 chiamate gratuite ciascuno e poi a pagamento; il rendering è addebitato per chiamata anche se fallisce. Richiede Node 22+ e rete; frammenti di programma caricati su tia.hubwiz.com.

Pipeline di riconoscimento delle intenzioni in cinque livelli (regole, recupero pgvector, punteggio Jev, arbitraggio ottimizzato, fallback LLM), con UI di gestione degli scenari, archivio PostgreSQL e servizi API distribuibili.

Plugin di configurazione scenari: diverse combinazioni di plugin formano scenari diversi, gestione unificata di accensione/spegnimento dei plugin (la pagina di configurazione rileva automaticamente i plugin installati e cambia a caldo per scenario); il modello è selezionato dall'utente nella finestra della sessione secondo necessità.

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.

Valuta in sola lettura, su 16 scenari, se un database Dameng DM8 è recuperabile e fino a quale LSN o orario, quindi crea un rapporto HTML. Richiede Java 8+ e il driver JDBC Dameng (DmJdbcDriver8.jar), fornito dall’utente.

Costo token in tempo reale per chat, subagenti e intero albero di sessione. Snapshot `models.dev` incluso con 7 provider e 139 modelli tariffati; aggiunge i costi di lettura/scrittura cache se pubblicati e usa la tabella ufficiale DeepSeek di punta/fuori punta. Mostra il prezzo di ogni risposta conclusa e calcola dai log le chat chiuse. Un ledger JSONL append-only nel progetto registra le spese per intervallo e conserva la tariffa applicata allora. Include piani entro un limite di spesa, scenari per scegliere i modelli utili, documenti in inglese/cinese/russo e avviso per spese senza unità assegnata.

Pannello di pratica dello spagnolo per DeepSeek Harness: sei tipi di esercizi valutati localmente (coniugazione in 11 tempi, genere dei nomi, plurali, riconoscimento del lessico, frasi da completare, grammatica ser/estar e congiuntivo), scheda di scrittura di scenari valutata dal modello, ripetizione dilazionata a 8 livelli e quattro strumenti agent. Il plugin calcola e valuta le risposte; il modello serve solo per insegnamento e spiegazioni.

Plugin DSH per la revisione delle decisioni basato sullo Yijing: motore di aggregazione ponderata a sei livelli (dai 384 yao al taiji) con regole di veto per associazioni forti. JavaScript puro, senza dipendenze da solver. Il piano gratuito è limitato a 9 esecuzioni al giorno; i codici di attivazione aumentano il limite. Nello scenario sulle tendenze azionarie, recupera in tempo reale da Tencent le quotazioni dei codici azionari inclusi nella richiesta.

Monta il servizio semantico tsm-core-dlr (vettori + grafo LanceDB) come tool MCP, con skill DLR/TSM indipendente dallo scenario, stato e regole agent. Dipendenza obbligatoria, il servizio deve essere attivo prima del bundle.

Dossier delle Skill e report di lavoro per DSH: consente di consultare, cercare e archiviare ogni Skill (direzione, ambito, limiti e scenari), revisionarla o eliminarla e riunire i briefing quotidiani in report giornalieri, settimanali e mensili.

Preset agent che trasforma un’idea in una riga in requisiti, piano tecnico e base di manutenzione; ogni fase viene riformulata e confermata da te prima di procedere. Nessun preset di scenario: carica in base al contesto 73 skill atomiche (6 principali, un dispatcher di verifica e 66 sub-skill).

Instrada le richieste dsh in base allo scenario della conversazione e riprova con modelli di fallback in caso di errore.

Pacchetti di scenari di plugin dsh (i dotfiles del mondo plugin): strumento per elencare, cercare, applicare e combinare ambienti plugin pronti con sequenze di installazione ordinate.

Kit introduttivo DeepSeek Harness: benvenuto, percorso di apprendimento 0→1, raccomandazioni plugin per scenario e checklist di autoverifica, insieme al repository tutorial cinese dsh-handbook-zh.