Plugins

Sélectionnez n'importe quel texte dans une conversation et appuyez sur le bouton Explain pour obtenir une bulle d'explication Markdown en streaming, avec des questions de suivi récursives.

Branchement de conversations à la manière de Git, reflétant la collaboration des vrais programmeurs : une branche racine de secrétaire distribue les tâches à des branches enfants avec leurs propres contextes, puis fusionne en retour uniquement des résumés compressés via squash ou rebase ; inclut des commandes /branch, un onglet de branches, la messagerie de branche à branche, et une base de gouvernance associant chaque branche de session à un git worktree.

Canal IM Feishu/Lark pour les agents DeepSeek Harness avec messages natifs de processus de réflexion, cartes d’approbation, cartes live d’objectifs et de tâches, lignes de fan-out de workflow, recherche textuelle de session, et notifications de règlement des jobs en arrière-plan et des sous-agents. L’accès est limité par le périmètre de visibilité propre à l’application Feishu par conception — toute personne admise par l’application peut piloter l’agent et répondre à ses approbations, sauf si les listes autorisées optionnelles pour l’expéditeur, le groupe et l’approbateur sont renseignées.

Plugin de mémoire inter-sessions pour DSH (v0.6.1, npm @asherliner/dsh-memory-connect) : extraction automatique, indexation SQLite FTS5, rappel sémantique RRF injecté dans le prompt système à chaque tour, maintenance planifiée, consolidation LLM via ctx.llm, prévention de l'explosion du contexte, identité Soul globale via ~/.dsh/soul.md. v0.5.0 : graphe de contexte temporel, modèle de confiance, résumé en fin de tour. v0.6.0 : embeddings sémantiques locaux (BAAI/bge-small-zh-v1.5), aucun appel au cloud. v0.6.1 : correction de l'expansion de ~ dans la config des chemins. Installation sans configuration.

Plugin Context Assembler pour DeepSeek Harness : assemblage de contexte par blocs thématiques, découpage thématique par pression d'eau, trace/réécriture d'outils, injection de rappel de réalité et planification de passation.

Un port léger de Headroom : compresse la sortie des outils, réduit jusqu'à 20 % du contexte, sans affecter le cache de contexte du modèle ni les performances de l'agent.

Exporte les événements de tour, modèle, outil, approbation, nouvelle tentative et erreur de DSH (métadonnées uniquement) vers Tuning Engines pour des traces gouvernées, une évaluation des politiques, une analyse des coûts et une revue des Work Sessions, avec une file de nouvelles tentatives persistée sur disque.

Localisation en chinois de DeepSeek Harness : traduit à l'exécution tous les prompts système, descriptions d'outils et contextes d'exécution en chinois via la cascade system-prompt/assemble (1788 entrées, aucune modification du code source, la désinstallation restaure l'anglais).

Pont mémoire Honcho : synchronise automatiquement chaque tour de conversation vers un service Honcho auto-hébergé, avec des outils recall/search/remember/context/status, injection de contexte au démarrage de la session et un panneau de paramètres visuel.

Base de connaissances polyvalente pour DSH : importation de fichiers md/txt/json/yml/docx/pdf, gestion des dossiers, recherche plein texte FTS5 (BM25) et une interface web d'administration.

Fournisseur LLM NewAPI (passerelle compatible OpenAI) : enregistre une route `newapi` avec découverte de modèles limitée au chat, remplit automatiquement les paramètres du modèle (fenêtre de contexte, effort de raisonnement) depuis models.dev, et ajoute une section de paramètres web pour l'URL de base et la clé API.

Adaptateur de chat natif Ollama Cloud : traduction NDJSON directe du format de transfert /api/chat d'Ollama, découverte des modèles avec fenêtres de contexte et capacités, et fournisseurs de recherche/récupération web sous l'id ollama-cloud, plus une carte de paramètres Web.

Thème Web DSH néomorphique avec palettes claire et sombre, éclairage ambiant, ombres de matériau, texture de grain, surfaces en verre dépoli et micro-interactions.

Zone de marque personnalisable pour l'interface Web : remplacez le logo de la baleine et le logotype DeepSeek par des images locales, et modifiez le texte du badge HARNESS (double-clic pour changer, clic droit pour réinitialiser).

Aperçu de modèle 3D PBR pour l'art de jeu : GLB/GLTF avec textures, éclairage d'environnement IBL, contrôles d'orbite, et inspecteur de canaux de matériau (baseColor/normal/roughness/metallic/AO/emissive/wireframe) ; canaux scalaires affichés en niveaux de gris selon la spec PBR, via la clôture pbr3d et l'outil pbr_render.

Plugin DSH qui livre images et fichiers aux modèles texte seul sous forme de chemins d'espace de travail : les images conservent l'interface de pièce jointe native, les autres fichiers apparaissent sous forme de puces carrées dans la barre, les chemins sont ajoutés à l'envoi — se combine avec dsh-vision-toolkit pour voir l'image simplement en la collant.

Plugin de gestion de serveurs MCP pour DeepSeek Harness : page Réglages → MCP, authentification OAuth (PKCE + enregistrement dynamique de client) ou par jeton statique, outils enregistrés sous la forme mcp__<name>__*

Installateur et vérificateur de serveurs MCP pour DeepSeek Harness : l'init interactive écrit de vraies entrées de patch dans un profil, list et validate les inspectent, et un vérificateur imposé par la CI se connecte à chaque serveur curaté.

Discutez avec, surveillez et approuvez vos agents DSH depuis WeChat via la passerelle iLink : texte dans les deux sens, ciblage de session, battements de cœur de résumé, et invites d'approbation numérotées.

Assistant de sélection de texte façon ChatGPT pour DeepSeek Harness : sélectionnez du texte dans une conversation et un bouton flottant 「询问 DeepSeek」 apparaît ; cliquez pour citer la sélection dans le composeur.

Remplace le résumeur de compactage DSH intégré par un résumé de passation en cinq sections et garde chaque message masqué lisible dans un répertoire de segments.

Lit les conversations DSH à voix haute en utilisant la lecture vocale intégrée de la page web DeepSeek, pilotée par une petite extension de navigateur.

Tableau Kanban de tâches pour les sessions DeepSeek Harness : l'agent principal répartit des tâches de codage vers des sous-agents worker/verifier à usage unique, avec ordonnancement des dépendances, niveaux de pipeline, gestion des escalades et injection de contexte de fichiers/notes.

Fallback OCR local pour les routes en texte seul : lorsque le modèle de session déclare qu'il ne peut pas accepter d'images, l'image jointe est mise en cache localement et son chemin est injecté pour que le modèle puisse appeler ocr_image — PP-OCRv5 + ONNX Runtime sur CPU, sans clé API, les images ne quittent jamais la machine. Silencieux lorsque le modèle peut voir les images.