Plugin

Motore di memoria tra sessioni per DeepSeek Harness: archivio SQLite + specchio Markdown modificabile dall'utente, consolidamento autoDream, ricerca semantica offline (vettorizzazione/riordino/clustering locali), timeline entità-attributo, Sleep Mode, autoSummarize con modello personalizzato e 7 strumenti di memoria.

Preset di agente Multitask in cui la conversazione principale pianifica, istruisce i subagenti e riassume i risultati; lettura di file, comandi, ricerca e build avvengono nei contesti dei subagenti. Quattro tipi di worker, approvazione per operazioni pericolose e nessuna modifica al codice sorgente DSH.

Lettura approfondita e sintesi per DSH: libri, articoli, video e web trasformati in note strutturate di Obsidian tramite parser di plugin, sottoagenti paralleli MapReduce di lettura profonda, output JSON Schema e cache idempotente.

Memoria di progetto per dsh con integrazione nativa del task system: i todo di sessione e le letture dei file si condensano automaticamente in record di task cross-sessione (link task↔file), così i workflow sono commutabili e riprendibili senza ricontestualizzare. Memoria in lettura (nessuna scansione preliminare): estrae simboli di codice, riassume la documentazione e collega docs↔symbol; potenziamento semantico TS opzionale (attivo automaticamente quando TS è installato). Le note di esperienza vengono deduplicate automaticamente. Ogni richiamo include una citazione tracciabile. Solo JS, una sola dipendenza, funziona subito, operazione silenziosa, overhead zero.

Titoli di sessione intelligenti per DSH: dopo ogni turno di conversazione una chiamata LLM ausiliaria indipendente riassume la trascrizione completa utente+assistente in un titolo che segue il tema reale della sessione invece di ripetere il primo messaggio; il primo messaggio viene intitolato subito, i titoli integrati falliti vengono ritentati nei turni successivi, le rinomine manuali non vengono mai sovrascritte e le sessioni di subagente/fork vengono saltate.

Sostituisce il riassuntore di compattazione integrato di DSH con un riepilogo di passaggio in cinque sezioni e mantiene leggibile ogni messaggio ombreggiato in una directory di segmenti.

Multi-agent roundtable discussion: each member runs as a subagent on its own model and speaks in turn, a host summarizes each round, and termination writes meeting-minutes Markdown.

Accedi a DeepSeek Harness con un abbonamento Claude Pro/Max (senza chiave API), riduci le immagini delle richieste Anthropic a un lato lungo di 2000px, alleggerisci i payload del sintetizzatore /compact e mostra l'utilizzo del piano a 5 ore/settimanale più i conteggi dei messaggi di DSH.

Chat vocale in stile Doubao per DSH: tenere premuto il microfono del compositore converte la voce in testo e invia automaticamente, e le risposte dell'IA vengono lette a voce alta. Condensazione opzionale tramite LLM (le risposte lunghe vengono riassunte in brevi frasi parlate, seguendo il modello della conversazione corrente), pulizia del testo adatta al TTS, voci Edge TTS selezionabili, arresto automatico al silenzio regolabile e impostazioni incorporate nella finestra di dialogo delle impostazioni di DSH.

Select text in any Windows app to explain, summarize, translate, or read it aloud with DeepSeek Harness — answered in a streaming always-on-top overlay with a horizontal capsule menu.

Preview conversation context and selectively keep, summarize, or omit exchange groups before applying persistent compaction through Harness session services.

Riformatta i titoli delle sessioni dsh come "data | tipo | argomento" (tipo e argomento sono riassunti da un modello dall'intera conversazione) e nasconde le sessioni inutilizzate dalla barra laterale senza eliminarle.

Gestore di contesto per DeepSeek Harness: riassume automaticamente ogni turno in record ordinati per priorità, li inietta insieme a note cross-sessione fissate e testo personalizzato in ogni richiesta al modello, e condensa in riassunti, per risparmiare token, intervalli di conversazione reale di qualsiasi dimensione. Persistente e sicuro ai riavvii. NOTA: installazione manuale in più passaggi — copia le tre cartelle del pacchetto in profiles/node_modules e aggiungi le righe fornite di cordis.patch.yml, poi riavvia DSH; non è un'installazione standard con un solo comando.

Un interrupt button verde accanto alla casella di invio: interrompe silenziosamente un agente in esecuzione, che poi riassume il proprio progresso e chiede nuovi requisiti, con un interrupt prompt personalizzabile.

Windows only. Bilibili video summarizer: downloads the audio track, transcribes it locally with faster-whisper (Python + faster-whisper, about 725 MB of models on first run), then writes the analysis markdown and renders a one-page infographic PNG.

Model-callable compact_agents tool that force-compacts context in every live session (main session, ordinary sub-agents and AgentTeams members alike), queues busy targets and compacts them when the turn ends, reports the shadowed node count and estimated tokens per target, and ships a browser form for the trigger ratio, retained ratio, controlled-phase output budget, auto-continue budget and an end-of-turn pre-compaction ratio that compacts near the trigger line once a turn ends, so a reply no longer opens with a wait for the summarizer.

Single-file persistent companion memory: interests, preferences, tasks, and past works summarized into the system prompt, with read/update tools.

Passa sessioni lunghe a una nuova e pulita: /handoff riassume la conversazione con un LLM, crea una nuova sessione e un agente nello stesso workspace, inietta il documento di passaggio come primo messaggio e lo apre automaticamente; la sessione originale resta invariata.

Scheda «轨迹解读» (interpretazione della traiettoria) che riassume ogni turno dell'utente — cosa si voleva, come l'assistente ha ragionato ed eseguito, file, comandi ed errori — tramite un motore di regole più una narrazione LLM opzionale; i messaggi dell'utente restano letterali.

Passa contesto focalizzato senza aspettare o interrompere l'Agent attivo: congela uno snapshot di Sessione limitato, riassumilo asincronamente con un LLM no-tool isolato e consegna una capsula con provenance a un'altra Sessione o a una Room autorizzata — silenzioso di default per le Sessioni, con wakeup esplicito disponibile.

Saves architecture and validated plans, runs native AgentTeams workers with approval, parallel coding and independent review, and summarizes progress and verification results.

Notes-backed context compression for DeepSeek Harness: replaces LLM-summarized compaction with a model-written persistent notebook plus recoverable raw history, so the rollover boundary itself costs zero model calls.

Chunked compaction for oversized sessions: takes over only when the live context exceeds 85% of the model window (or the request exceeds 4 MB), summarizes the history in 1.5 MB chunks and merges them; smaller sessions keep the built-in compaction.