Plugins

Plugin DSH de sélection automatique du niveau de raisonnement : le modèle Jev System One juge la quantité de réflexion que mérite chaque message, déduit le palier à partir des niveaux déclarés par le modèle, une enveloppe de contexte permet aux relances comme « continue » d'hériter de la profondeur du sujet, les égalités se tranchent vers le haut et tout échec réutilise silencieusement le niveau d'origine. | Effort de raisonnement piloté par Jev pour chaque message : échelles par modèle déduites de ce que chaque modèle annonce, enveloppe de contexte à taille fixe pour que les relances héritent de la profondeur du sujet, égalités tranchées vers le haut, repli silencieux sur tout chemin d'échec.

Lanceur de développement distant pour DeepSeek Harness : provisionne dsh sur un hôte distant via SSH et se connecte depuis le client local, les identifiants LLM étant relayés par un tunnel inverse pour qu'ils ne quittent jamais la machine locale. Livré à la fois comme CLI autonome et comme plugin dsh avec panneau de session, commande slash /remote et outils d'agent remote_*.

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.

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.

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.

Base de connaissances d'équipe pour le partage de connaissances hors ligne (scénario FDE box) : points d'entrée de navigation, de recherche en texte intégral et de raffinement ; la matière première est mise en file automatiquement et distillée en pages wiki par une session de bot sérielle (modèle Karpathy LLM Wiki : matière première immuable, raffinement en deux étapes, flux de journaux, lint mensuel).

Intelligence de base de code multilingue pour les IDE compatibles MCP, la CLI et DeepSeek Harness : chat, recherche, audit, refactorisation et rapports prêts à présenter à partir de code local.

Style de sortie Concis en un clic pour DeepSeek Harness : résultats d'abord, pas de remplissage, même profondeur de travail. Chaque réponse finale s'ouvre par une carte de résumé en langage clair (sélectionnez du texte pour copier), délimitée par session, fonctionnant aussi en headless/CLI, avec commande /concise, surcharges style.md et une API locale. Les liens et chemins de fichiers dans la carte de résumé s'affichent en puces cliquables : les URLs ouvrent directement, les fichiers locaux s'ouvrent avec l'application par défaut de l'OS (v0.9+). Un rappel de contrat pré-génération par étape (v0.11.2+) corrige mesurablement les oublis de résumé sur les réponses en forme de rapport d'audit/tableau.

Pont multi-plans local pour DeepSeek Harness : utilisez vos abonnements existants ChatGPT Codex, Claude, ZCode (GLM) et Qwen via un unique proxy en loopback, avec une carte d'état dans la page de réglages et un provisionnement en un clic. Aucune modification du cœur de dsh.

TUI de terminal plein écran pour DeepSeek Harness avec parité avec l'interface web, streaming en direct, préréglages d'agent et style bleu DeepSeek.

Crochet de mémoire L-clone : à la fin de chaque tour (turn/end), DSH capture automatiquement vers le cerveau externe ; le bouton « Tableau de bord du cerveau » de la barre latérale de l'interface web ouvre l'atelier de mémoire en un clic.

Adaptateur de fournisseur LLM qui route les appels de modèle via n'importe quel serveur ACP (Agent Client Protocol) — Claude Code, Codex, Gemini CLI, Devin et plus — avec navigateur de registre, UI de réglages par serveur, authentification paresseuse et découverte dynamique des modèles.

Une logique de compression de contexte inspirée du cerveau humain qui réduit fortement l'occupation du contexte et la consommation de tokens des tâches longues.

Une fois que le llm-retry officiel (n/5) abandonne, continue de réessayer les échecs API transitoires (timeout, transport, limite de débit, 5xx, SSE interrompu) sur la même étape ouverte jusqu'au succès, à l'annulation ou à la pause ; AUTH, QUOTA et le Stop de l'utilisateur ne sont jamais réessayés.

Tarifs des modèles dans la page de réglages DSH : ~7 250 modèles / 213 fournisseurs avec le catalogue du harness superposé, comparaison honnête du prix le plus bas listé, coûts de session calculés selon la route réelle, attribution des fuites de cache et un flux de promotions vérifié.

Épingle chaque requête au palier natif d'effort maximal et ajoute un panneau de profondeur de raisonnement par modèle/mode avec un curseur de capacité de 0 à 20, des profils Velocity/Apex isolés et des boîtes à outils de raisonnement hors ligne. Distribué en build obfusqué ; usage commercial autorisé, rétro-ingénierie fermée.

Garde de nettoyage irréversible des secrets : réécrit les clés d'accès, les jetons bearer et les blocs de clé privée en marqueurs `[REDACTED:<category>]` avant qu'ils n'atteignent le journal de session et le modèle.

Surveille les traces d'exécution de l'agent et déclenche une revue LLM à la fin de chaque tour réussi lorsque des signaux se déclenchent, cristallisant des flux de travail réutilisables en compétences enregistrées qui s'améliorent progressivement au fil des exécutions ultérieures.

Fournisseur LLM Volcengine Ark Coding Plan pour DeepSeek Harness : saisie de PDF et d'images à portée du fournisseur, avec prise en charge du streaming de l'API Responses.

Serveur MCP qui recherche dans le Roblox DevForum et la documentation officielle pour créateurs, afin que les agents de codage IA puissent déboguer des jeux Roblox à partir de connaissances réelles de la communauté et du moteur.

Profilage des capacités par modèle pour DSH : transforme l'historique des sessions locales en tableaux de bord par modèle affichant le nombre de sessions, l'utilisation des outils, les taux d'erreur et les principales signatures d'erreur, avec des filtres par plage horaire et la comparaison multi-modèles.

Ajoute un onglet Graph qui représente l'exécution d'une session sous forme de DAG interactif des tours, étapes LLM, outils, Skills, sous-agents, modifications de code et tests, avec statut en direct, agrégation des tentatives, chemin critique et lien avec la trajectoire.

Explique localement les exécutions d'agent DeepSeek Harness en échec, puis produit un plan de reprise expurgé. Aucun modèle requis.

Utilisez AItelier comme sous-agent depuis DeepSeek Harness : générez, modifiez, exécutez, exportez et importez des pipelines SkillFlow. Client uniquement — nécessite un backend AItelier en cours d'exécution (Docker ; voir le README).