Plugins

Déclaration des capacités par modèle pour DeepSeek Harness : niveaux d'effort de réflexion (orthographes réseau) + modalités de requête (vision) pour les fournisseurs compatibles OpenAI. Section de réglages, zéro dépendance runtime au harness, pas de YAML.

Pont HTTP AIGC agnostique du fournisseur + canevas infini + post-traitement ffmpeg ; 13 outils, dont liaison sur le canevas, relance (reroll) et édition média.

Plugin DeepSeek Harness qui relie les images de session à des API de vision interchangeables, tout en gardant DeepSeek comme modèle principal.

Chaînes de repli automatiques entre fournisseurs/modèles pour les agents DeepSeek Harness lorsque les requêtes LLM échouent de façon répétée (nouvelles tentatives épuisées, authentification, quota, limite de débit)

Thèmes Solarized + Selenized pour DeepSeek Harness : quatre palettes fidèles (Solarized Dark/Light, Selenized Dark/Light) enregistrées dans le runtime de thème de DSH avec une ligne de sélection dans les Réglages, y compris les couleurs de syntaxe canoniques pour les blocs de code Markdown.

Superpowers (obra/superpowers) pour DeepSeek Harness : les skills de méthodologie de développement logiciel ainsi que leur amorçage de session, sous forme de plugin dsh.

Plugin bundle d'humanisation de texte chinois : un workflow de réécriture profonde obligatoire (audit narratif à dix dimensions + chemin fonctionnel + distribution sur 15 couches) + un garde-fou de fidélité au contenu. C'est une aide à l'édition, pas un détecteur d'IA.

11 skills de workflow partageables (handoff, triage, to-spec, to-tickets, wayfinder, teach, wait-what, dsh-mode-routing, ask-matt, overnight-execution, full-throttle) en pack de skills installable.

Auto chess : humain contre IA, ou IA contre IA.

Le sélecteur de modèle de DSH : pointez-le vers n'importe quel endpoint compatible OpenAI, avec des préréglages de fournisseurs DeepSeek gratuits/économiques sélectionnés et un repli automatique quand un palier gratuit vous limite en débit.

Disjoncteur de modèle à deux niveaux avec bascule de secours : déclenche l'arrêt d'un modèle ou de tout un fournisseur après des échecs de requête répétés, et route la requête suivante vers un repli configuré.

SHOPLINE AI Toolkit : relie le serveur MCP officiel SHOPLINE Developer et fournit sept skills d'agent SHOPLINE (Admin REST, GraphQL, OAuth, webhooks, Sline) — l'équivalent SHOPLINE du Shopify AI Toolkit.

RAG à double graphe de connaissances pour notes Markdown : graphes de prérequis + de similarité (parcours P/S-Agent), découpage par paragraphe, recherche hybride n-gramme/embedding et boucle explicite de retour de pondération — via MCP.

Boîte à outils de médecine traditionnelle chinoise : diagnostic aux huit axes et recherche de paires d'herbes.

Portes de vérification par calcul réel : simplification mathématique, preuves logiques, validation regex, FOL par E-prover, vérifications de machine à états et réparation de code, adossées à des binaires compilés en Go avec exécutables Windows prêts à l'emploi.

Skill de coaching comportemental pour le TDAH : découpage des tâches, gestion de la surcharge, rituels de démarrage et récupération après échec.

Validation JSON Schema : validation/chemins/explication/normalisation.

Testez/extrayez/remplacez en toute sécurité/expliquez statiquement des regex, sans exécuter de code.

HeartFlow (心虫), une porte de discrimination de niveau 1 pour l'AGI, sous forme de plugin DSH : vérification de texte à base de règles sur 47 dimensions (outil heartflow_check), plus une supervision automatique de la sortie au niveau des outils/post-exécution, avec blocage par défaut (fail-closed) si le moteur est absent.

Passerelle de vision native au fournisseur LLM : les images collées dans le chat sont décrites par un modèle de vision (Qwen3-VL via pi-ai/llama.cpp), et la description textuelle est transmise à DeepSeek texte seul pour la réponse — l'admission, le routage et la compaction des images passent tous par les mécanismes natifs du harness, avec un cache de descriptions LRU et une reprise sur erreur 503.

Les images jointes au composeur sont transcrites en texte par un modèle de vision compatible OpenAI avant d'atteindre les modèles DeepSeek texte seul.

Mémoire locale bornée avec contrôle d'autorité CBDC : affirmations SQLite + FTS5, rappel ciblé avec des décisions explicables d'usage/vérification/ignorance et une piste d'audit complète, commandes /memory, ≤3 affirmations/1200 caractères injectés par appel, aucun appel modèle supplémentaire.

File d'attente de tâches inter-sessions avec notes de passation : les sessions et sous-agents publient, réclament, terminent et annulent des tâches sur une file partagée sauvegardée sur fichier, et laissent un résumé de passation pour la personne suivante.