Plugin

Quattro strumenti di sola lettura su una base di conoscenza WeKnora: elenca basi di conoscenza, ricerca ibrida di passaggi, riassembla i chunk di un documento in ordine, e la risposta RAG citata o la risposta agente ReAct di WeKnora con un session id ripristinabile.

Fissa la lingua di ragionamento del modello sul livello scelto in Settings - General - Thinking language (cinese semplificato o un livello predefinito che limita solo le risposte e lascia il ragionamento al modello). Inserisce una sezione del system prompt all’ordine -1000000 e la riporta in prima posizione alla fine dell’assemblaggio; una copia facoltativa può precedere ogni messaggio utente per i modelli che seguono debolmente le sezioni statiche.

Configura visivamente il prompt, gli strumenti, le skill visibili, i subagenti e i modelli di fallback di un agente, e ne assembla diversi in un team. Non scrive né modifica mai alcun file preset dell'host.

Plugin per gestire il prompt di sistema predefinito di DeepSeek Harness: esplora, cerca e sovrascrive il prompt finale composto a ogni turno di sessione in «Settings» della Web GUI.

OMK — Osserva. Misura. Conosci. Modifiche della knowledge supportate da evidenze per applicazioni AI.

Team Multi-Agent per ruoli per DeepSeek Harness: prodotto, architettura, frontend, backend, revisione e QA operano in nove fasi controllate; disponibile un team persistente. Nessuna dipendenza runtime né build.

Localizzazione cinese per DeepSeek Harness: traduce a runtime tutti i prompt di sistema, le descrizioni degli strumenti e i contesti di esecuzione in cinese tramite la cascata system-prompt/assemble (1788 voci, nessuna modifica al sorgente, la disinstallazione ripristina l'inglese).

Plugin Context Assembler per DeepSeek Harness: assemblaggio del contesto a blocchi di argomenti, splitting degli argomenti a pressione d'acqua, tracciatura/riscrittura strumenti, iniezione di richiamo della realtà e pianificazione del passaggio.

A full-screen novel-writing workbench: chapter board, draft candidates reviewed and merged paragraph by paragraph, plot summaries carrying an index header, and a writing pack assembled from the outline, character cards and earlier chapters. It also reads a shelf of finished books you import, extracts their writing habits in one run, merges them into a single style standard, and puts that standard in the prompt for every later generation.

Nucleo di giudizio per DeepSeek Harness: un ciclo cognitivo attribuisce una fonte a ogni decisione e porta a termine la pianificazione; la memoria hippocampus condensa l’esperienza in conoscenza (diario, archivio episodico, decadimento della bassa confidenza); l’architettura fissa responsabilità e criteri coerenti; un team A2A gestisce la memoria tramite dsh-linghun-assembler. Richiede DSH ^0.1.0-rc.7 (rc.2 supportato).

Memory-assembly team for DeepSeek Harness: every message triggers a five-step cognition loop (judge, retrieve, assemble, feedback, calibrate) carried by role-playing subagents (judge, retriever, archivist, advocate, editor, scribe), using BM25 retrieval, time-ordered material, and LLM assembly to build useful material packs injected into linghun. Works with dsh-linghun.

Model attribution panel for the dsh web chat — local, zero-network structural fingerprinting (template token leaks, glitch canaries, tokenizer usage-vector matching) that scores which of 29 AI vendors a session's responses most resemble, with a per-claim evidence ledger and a 12-probe active battery.

Council of High Intelligence: riunisci un think tank di 18 figure storiche per un dibattito strutturato da più prospettive, con un pannello laterale DAG live, cronologia di esecuzione SQLite e impostazioni predefinite per progetto tramite .council.yaml.

Ispeziona, misura, cerca e confronta il contesto esatto, neutrale rispetto al provider, assemblato da DeepSeek Harness.

Memoria bi-temporale sostenuta da un daemon SodaMem: il richiamo contribuisce al prompt mentre ogni turno viene assemblato e ogni turno chiuso viene acquisito, senza chiamate a tool né al modello sul percorso di lettura; ogni fatto richiamato cita il turno da cui proviene e porta date di validità, così i fatti superati non vengono più recuperati.

DSH hardware sandbox plugin: assemble a 3D scene of ESP32 / BME280 / PIR / LED components with protocol- and voltage-checked port wiring, run real Python project code in the loop against simulated I2C/GPIO hardware with fault injection, let networked device simulators report over HTTP to a real backend (validated end-to-end against a live seat-reservation system), observe a real device read-only and map its state onto the scene, and add support for new boards through data-driven pin definitions. Ships 16 hw_* agent tools plus a bundled SKILL.md.

Assistente SSQ (Lotteria di Beneficenza Cinese Doppia Palla) per DeepSeek Harness: monitoraggio delle tendenze sulle ultime 1000 estrazioni, sei modelli di previsione con voto di insieme, analisi della struttura e generazione dan-tuo/casuale tramite lo strumento ssq.

Turns a Minecraft Java save into a Blender cover or animation: scans the .mca region files for flat open ground, exports the terrain to OBJ, and drives Blender headless with MCprep materials, the BPS character rig and three-point lighting. After each render it reviews the frame with OpenCV for facing, ground contact, exposure, lighting and composition, then re-renders with adjusted parameters when a check fails. Requires Blender 4.2 LTS or newer and Python 3.10+ with opencv-python and numpy; the first run assembles the Minecraft assets with the bundled setup command.

Semantic code search for DeepSeek Harness: registers two native tools, semble_search (find code by describing its behaviour, returning ranked file:line hits) and semble_find_related (neighbours of a known location), which run the Semble CLI via uvx, plus one bundled routing skill. Requires uv on PATH; the first query on a repository builds its index.

Standalone prompt assembly with a source registry, custom text, strategy editing and previews, and per-session strategy snapshots through DSH public hooks.

System-prompt surface drift gate: every section any plugin or preset contributes to the assembled system prompt is hashed and baselined; a silent rewrite of what the model is told fails loud.

Host-side long-task detection for small-context local models: long outputs are scaffolded into a parts skeleton (one part per reply, then assemble), and multi-step work into a PLAN.md ledger with notes/ (plan first, one step per reply). Detection is heuristic and host-side, so it does not depend on the model judging its own limits.

Read, build and take apart EPUB 3 books with no external dependency — the ZIP reader/writer and the XML scanner are both built in. Inspect metadata, reading order and TOC for structural problems, assemble a book from chapters, or split one back into per-chapter HTML.

Wire-level LLM inspector: captures the raw HTTP request and response bodies of model provider calls and attributes each capture to the session that caused it through the llm/stream waterfall. The request pane renders the body as a collapsible tree with per-node sizes — one measured request was 98.6% a single 973-entry array — and the response pane reassembles the OpenAI-style SSE chunk stream into reasoning, content, tool calls and usage. Shown in a Conversation View tab and a loopback viewer page.