Plugins

Plugin TraceScope pour DeepSeek Harness — interface React Slot intégrée + API de même origine

Un préréglage d'agent de codage plus rapide, plus efficace et plus précis. Sur 100 tâches difficiles SWE-bench Pro sélectionnées selon des critères multidimensionnels de difficulté, le temps moyen écoulé a diminué de 36 %, le nombre moyen de jetons d'entrée par tâche de 17 %, et la précision a augmenté de 5 points de pourcentage.

Délimite les personas de prompt système par chemin d'espace de travail ou id de session (exact, préfixe, contient, regex), avec une persona par défaut optionnelle pour les sessions que rien n'a revendiquées, un onglet 人设 sur la conversation affichant le prompt réellement envoyé, l'import et l'export de la liste, et un interrupteur qui refuse les écritures d'outils vers le magasin de personas.

Quota du forfait Command Code dans la barre latérale DSH, au-dessus des Réglages : fenêtres de 5 heures, hebdomadaire et mensuelle en pourcentages utilisés avec compte à rebours de réinitialisation, une commande /quota et une CLI sans dépendance. La clé est lue depuis votre propre route de fournisseur : aucune configuration ni autre plugin nécessaire.

Contrôle natif de l'effort de raisonnement pour la zone de saisie : une barre de niveaux bleu à violet avec un champ d'étoiles et un balayage de reflet. Il occupe le siège du modèle et pilote le service officiel des annuaires de modèles, si bien que l'échelle provient de la déclaration de raisonnement propre à chaque modèle et qu'aucun autre plugin n'est nécessaire.

Réveils proactifs au niveau de l'hôte pour DeepSeek Harness : le modèle programme ses propres alarmes (une fois, intervalle ou cron, avec jitter optionnel), les sessions froides sont réveillées à l'heure via session resume, les relances du modèle sont encadrées par des heures calmes et un budget quotidien, et les tours de réveil silencieux se terminent par proactive_reclaim et sortent du contexte comme des pierres tombales. Les fichiers de planification déclarés synchronisent par glob leurs JSON avec les alarmes de l'hôte ; min_idle_seconds reporte les réveils jusqu'à ce que la session cible se calme, et un panneau web gère alarmes et historique — le moteur de battement pour les compagnons IA et les personnages de rôle ayant leurs propres routines.

Gérez les skills et les commandes DSH depuis les Réglages : lister, activer/désactiver, modifier, supprimer et ajouter des skills aux échelles globale et projet, et enregistrer des prompts réutilisables comme commandes slash.

Moteur local de registre d'état personnel et de décision pour dsh : conserve chaque entrée octet par octet avec une provenance au niveau de la ligne, argumente contre ses propres conclusions en générant d'abord des réfutations, fait vieillir chaque fait stocké selon son propre TTL, et signale les décisions qui ne reposent sur rien du tout.

Fusionne le contexte d'autres sessions dans le tour en cours : résolution de conflits pondérée par les preuves, rétractation des affirmations dont les prémisses ont été rétractées, étiquetage de confiance qui résiste à l'injection de prompts entre sessions, et compactage limité par un budget. Livre un benchmark.

Un seul plugin pour DeepSeek Harness avec des boucles autonomes durables, la découverte GitHub dans la barre latérale, l'installation assistée par IA et des raccourcis d'espace de travail.

Transforme le voyant Verr. Maj du clavier du MacBook en voyant d'état de l'agent : allumé pendant que l'agent travaille, clignotant quand il attend votre approbation ou votre réponse, éteint au repos.

Enregistre six skills de flux de travail pilotés par les spécifications et les tests pour DeepSeek Harness : la rédaction de spécifications OpenSpec fusionnée avec la discipline TDD de Superpowers en un pipeline Phase 0-4 avec des jalons de revue. Zéro dépendance d'exécution.

Plugin de barre latérale droite DSH qui compare deux commits git, construit une liste de tests manuels à partir de la portée d'impact, et prend en charge les notes d'échec, les captures d'écran, les pièces jointes de tâche et la soumission de défauts vers Yunxiao, GitHub, GitLab ou un webhook.

Preset d'agent GLM Mode pour zhipuai/glm-5.3-flash : présentation d'outils PTC/Code Mode, garde de boucle de raisonnement et garde de spin d'outil (pilotée par incidents en direct), et auto-compaction spécifique à GLM à 75%/22%.

Modèles d'abonnement OpenCode Go comme fournisseur DeepSeek Harness : re-résout le catalogue de passerelle en direct toutes les quelques minutes, adapte automatiquement les modèles que la table intégrée n'a pas vus, et couvre le streaming, les appels d'outils, l'entrée d'images et l'usage de l'abonnement. Un fork maintenu de dsh-opencode-go : un conflit avec le paquet upstream sur l'espace de noms de paramètres llm-opencode-go le fait se retirer silencieusement au lieu de faire échouer tout l'arbre de plugins, et une route opencode-go déjà revendiquée le fait servir sur opencode-go-plus.

Barre de progression en direct sous le composeur, avec un pourcentage et un temps restant estimé pour le tour DeepSeek Harness en cours ; l'estimation se réancre au fil du tour et n'affiche jamais 100 % avant la fin du tour, et la barre devient rouge lorsque le tour échoue ou est interrompu.

Gestion de serveurs VPS par connexion clé SSH : 21 commandes /vps- sans jeton (requêtes d'état, installations de recettes avec plan et confirmation /vps-yes, redémarrage qui attend le retour de la machine), terminal en conversation (xterm.js via ssh -tt) pour programmes interactifs, 5 outils d'agent avec confirmation par niveau de risque, sauvegarde de fichiers avec restauration automatique et filet de sécurité pare-feu/SSH, 29 recettes intégrées, et page de paramètres pour ajouter des machines.

Planification de projet en carte mentale avec protection contre les dérives bloquantes : plans, modules et tâches sous forme de DAG de dépendances avec ordre d'exécution topologique, marqueur de position de l'agent, validation humaine à chaque modification du tableau, recoupements git et achèvement des tâches conditionné par des preuves.

Mène un débat thèse-antithèse-sceau dont le verdict est calculé à partir des codes de sortie réels des commandes et du nombre de cas, jamais à partir de la prose de l'agent.

Équipes multi-agents dirigées par un capitaine qui découpent un objectif en tâches et les répartissent le long d'une chaîne d'exécution vers des membres s'exécutant dans leurs propres sous-sessions, chacun avec son propre modèle.

Skill de méthodologie de clonage de sites web : un arbre de décision privilégiant la source réelle couvrant les sites statiques, les sites de contenu React/Vue/Next et les fronts riches en WebGL/Canvas, la vérification obligatoire du code exécutable cité d'analyses d'IA de seconde main, et 13 scripts Node sans dépendances pour la reconnaissance de navigateur via CDP, la collecte d'assets/polices, le crawling de routes, la chasse aux sourcemaps et l'audit par différence de pixels.

Génère des images via une session web ChatGPT connectée et les télécharge dans un répertoire local.

Envoie chaque prompt dsh dans le pipeline local de mémoire de retour agent-feedback-loop — capture l'insatisfaction, la transforme hors ligne en réflexions, et rattache au tour le contexte compilé des règles de récurrence, sans jamais bloquer un prompt. Nécessite le runtime agent-feedback-loop ; exécuter ensuite agent-feedback-loop install câble automatiquement les profils dsh existants.