Plugin

Indica quali skill ha invocato ogni turno (caricate dal modello, digitate come /name, o nessuna) e gestisce la directory locale delle skill: installazione da un repository, una cartella, uno SKILL.md o un indirizzo zip incollati; si può impostare un nome visualizzato in cinese nel meta.yaml della skill e rimuovere una skill conservandone un backup.

Regole di permessi dichiarative in stile Claude Code: regole YAML ordinate allow/deny/ask che confrontano nomi degli strumenti, argomenti, percorsi dello spazio di lavoro e identità dell'agente nella cascata tools/pre-execute, con audit completo del log di sessione, modalità dry-run e ricarica a caldo.

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.

Provider nativo Rapid-MLX per DeepSeek Harness (dsh) — dsh legge le informazioni del modello dal server anziché dal tuo settings.yaml.

Ambiente di lavoro per preset: modifica le personalità dei singoli agenti, le sezioni del prompt di sistema e le descrizioni degli strumenti; consente di scegliere strumenti e skill, vedere l’anteprima del contesto della richiesta e importare o esportare configurazioni JSON/YAML.

Harness di valutazione per i plugin DSH: casi di test YAML guidano esecuzioni reali dell'agente in modalità headless, verificano chiamate agli strumenti, argomenti, risultati e utilizzo dei token, con un gate di baseline per le regressioni in CI.

Preset per scrivere web novel in DeepSeek Harness. L’agente principale fa da caporedattore e delega scaletta, stesura, revisione, gestione della lore e ricerca a cinque assistenti in sette fasi. Il romanzo è conservato in una directory novel/ strutturata con Markdown/YAML (schede dei personaggi, macchina a stati dei presagi, cronologia e memoria narrativa), con pannello creativo nella barra laterale e sei comandi CLI senza dipendenze.

Guardiano della stesura di brevetti per dsh - verifica prima l'idea rispetto allo stato della tecnica cinese, poi esegue interviste di allineamento a cinque parti, la redazione della descrizione in otto capitoli, figure e simulazioni, una revisione a sette dimensioni e l'esportazione in docx/PDF. Le skill funzionano subito; gli strumenti di ricerca, esportazione ed esperimento provengono da un servizio MCP Python incluso che arriva disattivato - una riga in ~/.dsh/patent-services.yaml lo abilita, e uvx scarica la wheel da PyPI.

Modello predefinito configurabile per le deleghe ai subagenti tramite settings.yaml, con strategie a modello singolo e multi-modello a rotazione o casuali.

Segnala quali skill ha invocato ciascun turno (caricate dal modello, digitate come /name, o nessuna) e gestisce la directory locale delle skill: installazione da un repository incollato, cartella, SKILL.md o indirizzo zip, impostazione di un nome visualizzato cinese nel meta.yaml della skill e rimozione di una skill mantenendo un backup.

Gestisce i modelli OpenCode Zen di livello gratuito e Go in settings.yaml: recupera gli elenchi di modelli live da opencode.ai, segnala la deriva tra configurato e live per rotta, e aggiunge o rimuove voci tramite quattro strumenti agente e una sezione impostazioni OpenCode Models.

Riscrivi la copia cinese di un plugin installato dal mercato in inglese usando un modello già configurato nell'harness: automaticamente all'installazione del plugin, poi con ricarica live. Ogni file è tradotto in un passaggio intero, convalidato da un parser reale dove esiste (node --check per JavaScript, parser JSON e YAML altrimenti) e restituito al modello con l'errore per fino a tre tentativi di riparazione; i file sopra 48 KB, o che non vengono mai analizzati, ripiegano su un passaggio per intervalli di righe che verifica ogni riga restituita contro l'originale per la struttura. Frasi di attivazione e tabelle di locale possono opzionalmente essere preservate invece di tradotte, e l'originale intatto è conservato accanto al file come .zh.bak.

Hook del ciclo di vita basati su configurazione, inclusa l'iniezione di contesto: dichiara event, handler e outcome in YAML, dove handler è uno strumento in-harness (MCP incluso), un comando shell o un endpoint HTTP, e outcome è model-visible context, un denied tool call, oppure fire-and-forget.

Motore di regole di permesso in stile Claude Code: livelli hard/deny/ask/allow con un livello hard sopra l'accesso completo, regole per spazio di lavoro, protezione dei percorsi con wildcard e un editor visuale a fasi; le regole persistono in settings.yaml.

Gestisci le automazioni con file versionabili e revisionabili: YAML/JSON/JS con schedule, prompt, model, permission e cartella di lavoro. DSH Schedule si crea/aggiorna/disabilita/elimina esattamente entro un secondo dal salvataggio. Ogni task ha una conversazione propria, persistente o nuova per esecuzione. /automations sincronizza su richiesta e segnala errori; zero task non svuota mai Schedule.

Collega il server MCP remoto ufficiale di GitHub come plugin DSH: salva il PAT nel centro credenziali di DSH (.credentials.yaml) tramite github_set_token ed espone gli strumenti GitHub come mcp__github__*.

Esegue pipeline AItelier da DSH tramite MCP: 39 strumenti (22 lettura, 17 scrittura) per generare, eseguire, ispezionare, modificare, esportare e importare pipeline SkillFlow multi-fase. I passi vengono eseguiti in AItelier anziché nella sessione DSH e sono interrogati tramite run_id, si mettono in pausa ai checkpoint imposti dal motore a cui si risponde con answer_checkpoint, e lasciano tracce per passo e output di passo da leggere successivamente; add_provider / map_model / edit_role puntano un singolo ruolo verso un endpoint locale o più economico. Include un'abilità aitelier-pipelines.

Editor delle capacità dei modelli: modifica inline i livelli reasoning-effort e la dichiarazione di input immagini (multimodale) nella pagina ufficiale, riscrivendo l'intero gruppo in settings.yaml. Un accesso flottante fa da fallback se l'ancora non funziona.

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.

Usa AItelier come subagente da DeepSeek Harness: genera, modifica, esegui, esporta e importa pipeline SkillFlow. Solo client — richiede un backend AItelier già in esecuzione (Docker; vedi README).

Toolkit di ricerca sui modelli del mondo: ispeziona frame, assegna nomi a percorsi 3D/pixel/latent, assegna punteggi pred vs GT e competenze RSI / wm.yaml.

Defines multi-agent team rosters as YAML or JSON files, validates them, bridges each member into dsh-agent-teams member arguments, and verifies the result against the running team.

Definisce roster multiagente in file YAML o JSON, li valida, collega ogni membro agli argomenti member di dsh-agent-teams e verifica il risultato con il team in esecuzione.