Plugins

Regroupe pour DSH les 27 skills mises en avant par mattpocock/skills v1.3.2 (TDD, revue de code, grilling, flux de spécification et tickets, modélisation de domaine). Corps identiques octet par octet à l’amont et politiques d’invocation préservées ; avec script de synchronisation et contrôle de contrat hors ligne.

Regroupe les skills en ensembles nommés, activez n’importe quelle combinaison, réorganisez-les par glisser-déposer et prévisualisez le coût en tokens du catalogue de chaque ensemble.

Traduit des articles PDF entiers avec votre installation BabelDOC (CLI Python, clé API compatible OpenAI dans config.toml). Fournit une sortie bilingue en pages en vis-à-vis, estime le coût en jetons avant lancement, réutilise un glossaire par domaine et désactive le surcoût de réflexion côté serveur pour la traduction.

Compagnon de lecture IA limité aux pages déjà lues : il ne dévoile pas la suite et ne résume pas tout le livre. Sélectionnez une phrase pour poser une question ou interrogez-le sur votre lecture ; il reformule souvent votre propos et pose une question concrète. Les notes enregistrées deviennent des cartes de révision reliées à la phrase. EPUB, MOBI, FB2, TXT, Markdown, HTML et CBZ.

Éditeur de texte natif IA pour DeepSeek Harness : onglets, sauvegarde respectant l’encodage, IA sur la sélection ou le document avec revue des différences, aperçu Markdown et associations de fichiers Windows.

Représente le contexte d’une conversation sous forme de carte d’architecture en couches : objectifs, décisions, actions, artefacts, risques et questions ouvertes. Export en SVG, HTML interactif et Markdown Mermaid.

Résout une URL partagée pour obtenir titre, auteur, texte, couverture et liens vidéo directs. Analyse Bilibili, Douyin, Xiaoheihe et GitHub de façon structurée ; WeChat, Zhihu et les autres sites passent par un résumé OpenGraph. Téléchargement facultatif du média pour le renvoyer dans la conversation.

Pilote NI Multisim 14.3 sous Windows avec neuf outils msim_* : ouverture et sauvegarde de fichiers .ms14, édition des composants et paramètres, analyses DC/AC/transitoire, export des schémas, BOM et netlists. Win32 pilote la fenêtre pour récupérer les vues et courbes Multisim ; un moteur SPICE traite les conceptions sans sonde et un lecteur hors ligne ouvre .ms14 sans lancer Multisim. Requiert Windows, NI Multisim 14.3, Python 32 bits 3.11–3.13 et pywin32.

Publie et lit les posts QQ Zone via les actions qzone_* de SnowLuma OneBot ; SnowLuma 2.2 ou ultérieur connecté à QQ est requis. Pour comprendre les images, utilise un modèle de vision local via une passerelle compatible OpenAI ou l’OCR de Windows.

Crée une vidéo explicative narrée à partir d’un script. Par défaut, diapositives en cartes de texte (rapides et précises pour les tutoriels) ou séquences générées par IA pour chaque segment (AGNES_API_KEY requis). Comprend 14 voix neuronales chinoises en ligne et 3 voix hors ligne Windows, avec un pack d’échantillons à générer en une commande pour les comparer. ffmpeg requis. Pour les voix en ligne, copier le skill fourni video-remix vers `<workspace>/.dsh/skills/video-remix` et y lancer npm install.

Passerelle en lecture seule sur vault Markdown local, quatre outils. `wiki_recall` renvoie la section complète, les citations par page, l’état du vault et une trame de réponse. `wiki_context` fournit extraits, verdict d’appui et lacunes explicites ; `wiki_verify` contrôle un brouillon et signale les affirmations non étayées, chiffres compris ; `wiki_observe` compte les corrections. Réglages et panneau latéral utilisent la même requête que le modèle, donc la recherche manuelle correspond à son contexte. Les trois outils (`wiki_context`, `wiki_verify`, `wiki_observe`) nécessitent un pont local Python 3 : `bridge.python` et `bridge.toolsRoot` avec `wiki_bridge.py`, sinon `E_PYTHON_UNAVAILABLE`.

Mémoire auto-narrative en cinq segments limités (800 caractères, pas le contexte complet) : note à la première personne du modèle, profil utilisateur tiré des faits approuvés, données d’environnement séparées de l’identité, conclusions classées et habitudes. Chaque fait injecté est traçable et révocable par ID ; profil modifiable à la main, notes en lignes simples effaçables. Les faits s’estompent avec l’usage et le temps sans changer de crédibilité. Les préférences possibles sont détectées comme candidates, jamais approuvées ; conflits conservés côte à côte. Avec rappel des échanges cités, index incrémental décodant seulement les nouvelles trames, couche chaude à pointeur obligatoire, doctor des pannes, heartbeat d’injection et export/import vers une autre machine.

Hub unifié de mémoire à long terme : capture les tours comme preuves L0 puis les distille en arrière-plan en faits L1, scènes L2 et profil L3 (profondeur réglable). Recherche hybride BM25+fuzzy, 13 outils memory_*, filiation traçable jusqu’aux tours source, backend Hindsight facultatif et panneau mémoire intégré à trois points d’entrée.

Mémoire durable pour dsh, avec défense en profondeur. Deux niveaux : `.dsh-memory/` du projet et `$DSH_HOME/memory/` de l’utilisateur ; JSON modifiable avec limites d’entrées et étiquettes. Écritures atomiques (temporaire unique puis rename), `history/` borné et verrous par niveau entre processus, avec récupération des verrous obsolètes. Un écart de révision disque bloque l’écriture pour éviter les pertes. Délimite le texte comme donnée non fiable, ôte les marques falsifiées à l’écriture, vérifie les bornes au chargement et interdit les sorties par lien symbolique (MEMORY_STORE_ESCAPE). Sans filtre heuristique ni confirmation ; la consolidation sans interface reste automatique. Installation : `dsh plugin --profile web add github:RocoFish/deepseek-memory`.

Classe les conversations de l’espace de travail, avec tri par glisser-déposer, groupes repliables, indicateurs d’activité et enregistrement de l’espace par chemin de répertoire.

Précalcule en arrière-plan le résumé de compactage et valide le résultat conservé lorsque le compactage sous pression se déclenche, évitant un aller-retour du modèle au premier plan. S’enregistre comme moteur de compactage de session, fixe la portion résumée pour que l’empreinte de la charge corresponde lors de la validation, élague les résultats d’outils avant celle-ci et revient au parcours standard au premier plan en cas de dérive de charge ou de dépassement du contexte.

Recule un tour terminé sur place : un bouton à côté de votre message le retire, ainsi que tout ce qui suit, du contexte du modèle et remet son texte dans le composeur pour modification. Peut aussi restaurer les fichiers modifiés par ce tour via DSH filesystem service.

État de persona et évolution lente pour DSH. Cinq dimensions — valence, activation, énergie, intimité et concentration — évoluent après chaque tour puis reviennent vers leur niveau de base avec le temps. Quatre scènes (work, tech, support, chat) modulent longueur et chaleur des réponses sans modifier l’état lui-même. Le panneau Soul conserve une carte de persona et des entrées d’évolution pondérées, puis les injecte en donnant priorité à la persona dans le prompt système, sous un budget de 4000 caractères. Un panneau navigateur permet de modifier la carte et de voir les cinq mesures et les six derniers événements ; il ajoute une trace JSONL au disque et crée une persona par défaut utilisable à la première installation.

Le menu des modèles du composeur devient une liste à deux niveaux (fournisseur, puis ses modèles) et affiche ensemble le modèle actuel et son fournisseur. Le niveau de raisonnement est demandé après le choix ; les réglages permettent de masquer des fournisseurs entiers ou des modèles individuels.

Sélecteur de modèles du composeur, organisé d’abord par fournisseur : tous les fournisseurs à gauche, leurs modèles dans le volet droit. Fournisseurs, modèles par fournisseur et épingles se réordonnent par glisser-déposer ou Alt+Arrow. Chaque fournisseur peut avoir un alias d’affichage local ; l’un d’eux devient la valeur par défaut du panneau. Les niveaux de raisonnement se déplient en ligne ; la recherche porte sur noms et alias de modèles et fournisseurs. Le changement passe par le model directory service fourni : la fenêtre `/model` et le panneau restent synchronisés.

Skin de fond d’écran pour DeepSeek Harness : images fixes, vidéo et dégradés génératifs, cinq modes d’ajustement, réglages de flou, assombrissement, contraste et saturation, rotation et six transitions. Le mode étendu applique la même création à la barre latérale, aux panneaux, menus et au cadre de fenêtre, pas seulement au canevas de conversation. Échantillonne l’image sur une grille 12×8 pour calculer des couleurs de texte vérifiées WCAG et l’opacité des surfaces. Les réponses ajoutent uniquement de la couleur, jamais de boîtes.

Ajoute une pastille de coût à droite de la ligne de statistiques du composeur, avec le coût estimé du tour actuel et le total de session. Au clic, panneau à deux colonnes détaillant entrées/cache/sorties par tour et session, tours de dialogue, dépenses du jour et cumulées, taux et économies de cache de la session. Suit la tarification officielle DeepSeek, y compris les heures de pointe (double en semaine de 09:00 à 12:00 et de 14:00 à 18:00, heure de Pékin, hors jours fériés légaux). Chaque message est facturé au tarif de son règlement ; prices.json se recharge sans redémarrage.

Permet de réordonner et ranger sept bandes de boutons/cartes DSH : barre latérale gauche, pied de barre, onglets de conversation, dock du composeur, icônes d’en-tête de session, barre latérale droite et navigation des paramètres. Avec interrupteurs de glissement par zone et import/export JSON de disposition. Les éléments rangés vont dans le menu Plus intégré à la zone et peuvent être ramenés par glisser-déposer.

Connexion WHOOP en quatre étapes (créez votre propre application développeur WHOOP et collez Client ID/Secret). Synchronisation automatique lors des visites du tableau de bord et graphiques récupération, effort, sommeil et entraînements dans DeepSeek Harness.