Plugins

Convertit DOCX en PDF sans Microsoft Office, LibreOffice ni réseau avec le moteur Rust/Skia dxpdf. Répare l’OOXML invalide selon le schéma produit par WPS Office et rétablit les pages blanches insérées par Word aux sauts de section pair/impair. Python 3.8+ dans PATH et `pip install dxpdf lxml` requis.

Synchronise groupes, clés et modèles d’une instance sub2api vers les provider routes de dsh-llm-pi-ai. Connexion par mot de passe/OAuth depuis le panneau et une route par clé de relais.

Animations de démarrage et de fermeture DeepSeek Harness : cinq styles dessinés à la main (whale light-sweep, pulse, stardust, typewriter, radar rings) ou vidéo/GIF personnel. Réglages vitesse, particules, couleur, texte, muet et ajustement. L’animation de sortie exige le patch desktop-shell ponctuel et réversible fourni : `node tools/patch-asar.mjs --apply` ; sans lui, fermer masque seulement la fenêtre.

dsh-dual-bridge: Plugin de barre latérale pour `@deepseek-ai/dsh` : empaquette le contexte du projet en prompt structuré et le copie dans le presse-papiers pour lire/poser des questions dans DeepSeek Web ouvert sur le même écran. Extraction texte PDF/Word/PPT/Excel, OCR image, détection de poppler local. Tout reste local : pas de réseau, d’API Web ni de contrôle du navigateur.

Surveillance de sites web avec Relvato pour DeepSeek Harness : ajoute le serveur MCP hébergé de Relvato (58 outils) via `dsh-mcp-client` et nécessite une clé API Relvato.

Maintient le backend QQ NapCat à côté de DSH. Vérifie au démarrage le port HTTP OneBot 11, lance NapCat s’il ne répond pas, puis revérifie toutes les 45 secondes. Tue les chaînes de processus dupliquées et masque la console. Peut créer une tâche planifiée à l’ouverture de session si un nom de tâche est défini. Ajoute une page de réglages et les outils `napcat_status`, `napcat_restart`, `napcat_dedupe`. Après confirmation du risque, peut mémoriser le mot de passe QQ pour renouveler un jeton fast-login expiré sans QR. Windows uniquement ; sans tâche planifiée, le QQ lancé s’arrête avec DSH.

Recherche sur BOOTH de vêtements, shaders, modèles de base, accessoires, textures, animations et objets pour avatars VRChat, via un onglet dédié à côté du chat ou deux outils en lecture seule. Les mots-clés chinois sont traduits en japonais avant la requête.

Dix arrière-plans animés plein écran pour le panneau de conversation DSH — ciel étoilé, pluie de code, circuits, combat à l’épée, chat, fille, avion de chasse, course, neige, bulles — ; un thème aléatoire par tour et un voile sur la colonne de texte pour préserver la lisibilité.

QQbot surveille les groupes QQ choisis via OneBot 11 et regroupe les messages selon un seuil de nombre. Il résume chaque lot avec un modèle déjà configuré dans DSH et envoie le rapport de chaque groupe à des amis choisis par message privé QQ. Comprend filtres par mot-clé et expéditeur, page de réglages, console Web locale et archive des résumés.

Coloration syntaxique pour les rapports via un seul outil `highlight_code` : 68 langages, 15 thèmes et 11 formats (HTML intégré, SVG/PNG pour Word, LaTeX), dont les thèmes classiques de SyntaxHighlighter. PNG nécessite Python 3 et Pillow ; les autres formats n’exigent aucun runtime externe.

Cite Lens pour dsh : sélectionnez du texte dans un PDF, onglet Files, pour le citer ou poser une question dans le chat actuel. Les citations du modèle au format `[main.pdf p.7 "exact words"]` deviennent des liens qui ouvrent le PDF et surlignent le passage. `/cite-links` fait citer chaque affirmation du chat.

Saisie vocale locale par mot de réveil pour DSH. Prononcez le mot, attendez le signal sonore puis parlez ; le texte est envoyé à une session DSH. L’audio est traité localement par défaut et n’est pas stocké. Le service de saisie vocale DSH (`speechToText`) doit être disponible.

Mesure le coût réel d’une conversation : nombre d’appels modèle, taille du system prompt et de la table d’outils, tokens cumulés, dépense estimée et distance avant compaction automatique du contexte. Lit uniquement le journal de session local ; aucun appel modèle et aucun ajout au system prompt. Tokens et coûts sont estimés à partir du nombre de caractères, pas de l’usage fournisseur.

Compare chaque affirmation terminée avec la sortie d’outil lue pendant le tour. Seulement si la citation qui démontre une contradiction apparaît dans cette même sortie, guide une correction unique durant le tour. Signale les affirmations non étayées dans le journal et stderr. Vérifie gratuitement d’abord les termes absolus et nombres discordants ; sans outil, le contrôle n’atteint pas le modèle.

Onglet de recherche par mots-clés et graphe de code, ancré dans la barre latérale droite intégrée de l’interface Web dsh.

Révisez les Word, PowerPoint, PDF et HTML générés par IA dans l’aperçu officiel : encadrez les problèmes, modifiez le texte sur place et transmettez les notes à l’agent. PDF et images : annotations uniquement. L’édition nécessite le kit LibreOffice fourni avec Harness et Python.

Remplacement de caractères sensibles pour DeepSeek Harness. Vérifie les messages et résultats d’outils avec une liste YAML que vous gérez (globale, par ID de fournisseur ou par modèle) avant lecture par le modèle, puis assainit encore la requête sortante avant envoi. Empêche ces caractères de déclencher l’erreur 400 Content Exists Risk de l’API officielle.

Synchronise les groupes, clés et modèles d’une instance sub2api vers les routes fournisseur de dsh-llm-pi-ai. Connexion depuis le panneau (mot de passe/OAuth) ; une clé relais par fournisseur.

Simulateur de débat multi-agent chinois : huit débatteurs, discussion live en deux colonnes et notes brouillon, juges/scoreboard, horloges d’un seul côté, ZIP par round. Le volet entraînement s’arrête au seuil de victoires ou après un nombre fixe de rounds. Pack de préparation Word inclus.

Conseiller de plugins DSH : décris ton besoin, il classe les packages npm tagués dsh-plugin selon des métriques filtrées (base quotidienne, croissance hebdo, cadence de release, fraîcheur) en premier choix, alternatives et plugins à éviter. Panneau latéral, quatre outils IA, installation en un clic.

Intégrité de compaction : compare au résumé les lignes directives extraites de la plage compactée (marqueurs never/must/必须), mot pour mot ou par couverture des mots clés. Signale et consigne dans un ledger JSONL les contraintes oubliées ; celles épinglées en config sont contrôlées à chaque compaction.

Coffre local chiffré de credentials pour DeepSeek Harness : gestion dans la barre latérale, outil info_records pour recherches avant connexion, capture de chat facultative et mode manual-only par entrée. AES-256-GCM protégé par Windows DPAPI, macOS Keychain ou Linux Secret Service.

Audit des credentials avant publication : parcourt l’arborescence et repère API keys, tokens, clés privées, chaînes DB et mots de passe codés en dur avant commit/publication/livraison. Sans dépendance, entièrement hors ligne ; seuls les six premiers caractères des constats restent visibles.

Extrait les sous-titres plateforme/IA de Bilibili ou utilise en fallback des sous-titres externes/incrustés, l’ASR ou l’OCR, puis produit Markdown, Word, PDF, TXT, SRT ou JSON avec horodatage, alignement bilingue et rapport qualité. Nécessite Python 3.10+. Les sous-titres plateforme/IA exigent le cookie SESSDATA Bilibili ; OCR/ASR/PDF nécessitent ffmpeg, faster-whisper et LibreOffice ou reportlab.