Plugin

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.

Le capacità di DeepWatch, installabili in un profilo DeepSeek Harness esistente

Motore di report di ricerca verificabili per DeepSeek Harness con un registro delle evidenze indirizzato per contenuto, report sigillati versionati in cui ogni affermazione reca un verdetto di verifica e l'hash del manifest sigilla la directory, e orchestrazione di recupero che riutilizza le giunzioni ctx.web e ctx.jobs.

Ricerca unificata con verifica delle evidenze per agenti: oltre 120 motori con instradamento multilingue, domini verticali e schede di modalità strutturate, 10 strumenti MCP più orchestrazione wide_research e un ciclo fetch-verify che completa i punteggi delle evidenze.

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.

Verifica della qualità dei dati per DeepSeek Harness — pipeline di profilatura, pulizia e verifica con report strutturati.

Workflow multi-agente per gare di modellistica matematica: il preset "UltraMath" esegue un problema dalla lettura attraverso framework, derivazione, coding, verifica, carta e revisione, più 4 preset di ruolo a stadio singolo (matematico, ingegnere, scrittore, revisore) e 33 documenti skill di libreria di modelli.

Strumenti read / edit / batch_edit / undo_last_edit ancorati tramite hash: ogni riga riceve un hash di contenuto univoco di 3 caratteri, le modifiche puntano agli hash invece che ai numeri di riga, e la verifica dello stato servito rifiuta gli intervalli obsoleti con ancore aggiornate.

Installa quattro preset di ricerca matematica multi-agente per DSH: v2 (pipeline guidata dalla probabilità con dibattito tra più verificatori), v3 (base di conoscenza Markdown in stile paper con un agente pianificatore e una libreria di metodi riutilizzabile), v4 (residenti persistenti auto-organizzati che si scrivono e si incontrano) e v5 (un istituto di ricerca con un accademico che scompone e assegna il lavoro, ricercatori votanti, lavoratori temporanei, chat di gruppo e una board di attività compare-and-set); tutti e quattro supportano la ripresa da checkpoint, l'intervento umano e un interruttore opzionale di verifica formale Lean (off/encourage/require) la cui prova superata trasforma il voto in un controllo di fedeltà delle affermazioni Lean.

Oh My DSH (OMD) aggiunge riepiloghi di contesto con richiamo della fonte originale, verifica legata alle attività, ottimizzazione dei prompt, navigazione del codice CodeGraph, controllo del computer OpenCU e quattro temi che coprono layout, barre laterali e impostazioni.

Abilità di verifica del browser in ambiente isolato per lo sviluppo di plugin DSH: un DSH_HOME usa e getta, un proprio profilo `verify_<random>`, una propria porta e una propria istanza del browser in un solo comando, puliti all'uscita, così il profilo effettivamente in uso non viene mai toccato; fornisce un driver CDP puro senza dipendenze (snapshot / click / screenshot / eval) e un audit di isolamento opzionale.

Backup e ripristino con un comando dei dati utente di DSH con pannello visivo nelle Impostazioni: backup automatico pianificato, verifica sha256, ripristino rafforzato con rollback automatico, sotto-backup tipizzati (--types skills), mascheramento delle credenziali in un caveau locale, sincronizzazione GitHub per spostarsi tra macchine e un canale di soccorso fuori processo che funziona anche quando l'host non si avvia. /backup doctor controlla e ripara i log di sessione danneggiati da un backup integro noto; migrate-check prevede staticamente quali sessioni romperebbe un aggiornamento dell'host e la sentinella delle credenziali conserva copie pre-migrazione; backup intelligenti prima degli aggiornamenti e quarantena dei log danneggiati. macOS/Linux/Windows.

Sistema di workflow ingegneristico per agenti di coding AI — pianificazione obbligatoria, TDD, verifica, revisione e analisi intelligente del grafo del codebase.

Strumenti di uso del computer desktop per Windows (click, type, key, screenshot) con controlli di freschezza, approvazione obbligatoria, verifica dell'identità del processo per ogni azione e una traccia di audit sanitizzata.

Guida il plotting scientifico di OriginLab Origin dalla chat AI via MCP: 62 strumenti. Watchdog dei dialoghi modali, gate di sicurezza LabTalk, release/reconnect, fitting con parametri iniziali/fissi/pesati, modifiche fini di grafici e sheet, strumenti matriciali, FigureSpec YAML dichiarativo (diff-abile e rieseguibile), snapshot di sola lettura delle MCP Resources, ponte matplotlib-figure, assemblaggio PowerPoint con etichette dei pannelli, ricerca di modelli nel Graph Gallery, esportazione EPS, whitelist di accesso ai file, baseline di regressione visiva e OPJU modificabile con verifica deterministica di rilettura.

Trasforma documenti locali in markdown e testo in una base di conoscenza interrogabile con ricerca ibrida semantica e per parole chiave, verifica delle citazioni e iniezione di fonti.

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.

Pipeline di ricerca multipiattaforma e ricerca profonda: harvest_scout per la scoperta parallela su GitHub, Web, Twitter, Reddit, Xiaohongshu, Bilibili e YouTube; harvest_deep_research per report di ricerca completi automatizzati; più estrazione, verifica incrociata delle fonti e audit di credibilità.

Skill di flusso di lavoro di ricerca AI-for-Science per DeepSeek Harness, rivolto a ricercatori e studenti post-laurea che usano IA agentica: revisione della letteratura multi-angolo con file per angolo, progettazione di esperimenti con elenco di caveat, lettura di figure e articoli; ogni lavoro restituisce file più un briefing di verifica incrociata per un secondo modello. Zero dipendenze, MIT.

Affidabilità delle attività: nuovo tentativo automatico su timeout/errori del modello, continuazione automatica delle attività non finite, verifica di completamento, interruzione dei cicli di pensiero, ripresa dopo sospensione o riavvio, modalità autopilota e endpoint di attivazione remota (npm: `dsh-task-reliability`).

Aggiunge /pua per guidare l'agente a provare un altro approccio e verificare i risultati prima di dichiarare il completamento, con 15 stili aziendali, modalità persona, impostazioni globali e per conversazione, e un ciclo opzionale che continua finché un comando di verifica non passa, si raggiunge il limite di iterazioni o l'utente annulla.

Bundle di preset agente Programming Mode: l'agente di coding standard con una persona che impone la disciplina Superpowers (prima le skill, brainstorming prima della costruzione, piani prima del codice, TDD, debugging sistematico, verifica prima del completamento) più una disciplina di volume di codice Ponytail sempre attiva (scala di codice minimo a 7 livelli, predefinito completo); include tutte e venti le skill (14 superpowers + 6 ponytail) e inietta meccanicamente la skill using-superpowers completa nella prima richiesta di ogni nuova sessione.

Disciplina di esecuzione modulare d'avanguardia per DSH: instradamento basato sulle evidenze attraverso 26 skill, pianificazione dei file in stile Manus, gate di verifica, recupero dopo sequenze di errori e dashboard web interattiva.

Spazio di lavoro per media e visione per DeepSeek Harness: generazione di immagini, video e parlato, Q&A sulle immagini e localizzazione degli elementi, OCR di immagini lunghe, diff a livello di pixel, verifica tramite screenshot HTML e riassunto di video, con provider DashScope e compatibili OpenAI, pool di modelli e un client workbench.