Plugins

Session-header task capsule with color-coded run states, click-to-jump and a multi-task dropdown, plus task notification cards (done / error / waiting-for-confirmation) with synthesized sound and optional system notifications.

Dynamically trusts every Host header that actually arrives and flips the default web binding to 0.0.0.0: wildcard or unenumerable entry domains work without editing the start command, the authentication layer is untouched, and hosts are evicted by LRU beyond a capacity cap.

Turn event notifications: six event classes (completed, error, interrupted, approval requested, AI question, limit reached) delivered via sound, system notification, in-page banner, webhook, IM and host desktop-notification channels; when several browser windows are open, only one rings.

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.

Per-project memory for DeepSeek Harness. Three Markdown files per workspace — PROJECT.md, DECISIONS.md and SESSIONS.md — are auto-created on the first step of any session in that workspace, re-read from disk and re-injected only when they change (and re-injected if compaction dropped them), and written back by classification through a memory_checkpoint tool, with a bounded end-of-turn nudge when a turn did work but recorded nothing. memory_read and memory_search read the live log and the archive, the latter over a zero-dependency BM25 index. The session log is capped at 200 entries with the overflow moved to SESSIONS-archive.md — never injected, but visible, readable and searchable, and restorable one entry at a time. Settings page: a workspace list with a path filter, read-only tabs for the three memory files plus the archive, reload, export/import of one workspace's memory as a JSON bundle, a two-step clear, a panel that rewrites or removes the AGENTS.md instruction block, and a PROJECT.md staleness reminder. A composer status chip shows that workspace's sync state and creates the files on click. Zero dependencies — no vector store, no embeddings, and no model calls.

Same-origin in mechanism with the two loudest lines in context compression. The code-skeleton gate follows the skeletonization approach of Headroom (Apache-2.0), whose published headline is 20% fewer tokens for coding agents and 60–95% fewer tokens for JSON, same answers. The estimator channel follows TokenPilot (arXiv:2606.17016), which reports up to 60% lower cost for long-session agents. Both figures are theirs, quoted as-is; this plugin ships no benchmark of its own and claims no reduction of its own. What it adds for DeepSeek Harness: choose a compression profile, set the Auto Compact trigger level and toggle code-skeleton compression from one settings section, with exact DeepSeek V4 tokenizer measurement, same-revision count verification, and fail-open behaviour that keeps the original tool results on unsupported models.

Transforme une session DSH dans un navigateur classique en client léger WhaleHarbor : une fenêtre navigateur --app autonome avec une barre supérieure façon client et des notifications de tâches, pendant que l'installateur complet pour bureau se télécharge en arrière-plan (multi-sources, vérifié SHA-256) et qu'une invite d'installation apparaît lorsqu'il est prêt.

Proxies the loopback-only dsh web onto a LAN port so phones and other machines can reach it, with an optional access password that browsers type in and the bundled Android client unlocks with biometrics. Adds a LAN-access settings page with QR codes, inlines dsh-web-mobile (MIT, attribution kept) for the mobile layout, and the Android client in the same repository adds finish/approval notifications, voice input and a home-screen widget.

Adds a restart row to Settings → General that relaunches dsh web with the same invocation through a detached helper, refuses under a detected systemd supervisor unless allowRestart is true, and tests whether the listening port is free by connecting to it rather than binding it.

Affiche une notification système lorsque DSH a besoin d'une réponse humaine ou lorsqu'un tour de conversation se termine. Plugin client dsh standard et installable.

Communication inter-sessions dans le même processus, création de sessions homologues et tableau noir partagé pour DeepSeek Harness.

Panneau de réglages non officiel de DeepSeek Harness pour Command Code : crédits, fenêtres d'usage et synchronisation du catalogue de modèles.

Outils natifs Windows pour les agents DSH : lecture et écriture du presse-papiers, notifications système, inspection du fichier hosts et diagnostics réseau, chacun renvoyant des données structurées avec des cartes d'interface issues de PowerShell protégé contre l'injection.

Restauration de conversation de style TRAE — points de contrôle par tour (fenêtre glissante de 10 tours) restaurent les fichiers touchés et tronquent le contexte du modèle sur place, en conservant le même identifiant de session. Initié uniquement par l'humain : commande /rollback ou bouton Web par tour (fonctionne aussi sur les tours interrompus), avec aperçu listant chaque fichier affecté et son action — restaurer, récupérer, supprimer ou ignorer.

Team cost captain: meters every model call (subagents included), attributes each call to a member by workspace rules, prices it with the built-in DeepSeek 2026-09 catalog (peak/off-peak, CNY/USD) or user overrides, and appends it to a local JSONL ledger. Adds hot-reloadable member budgets, 80%/100% webhook alerts, optional over-budget enforcement, a team_cost_report tool with CSV export, and a settings-page team dashboard served over a Typert RPC service.

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.

Plugin web DSH : un bouton QR code dans le pied de la barre latérale qui permet à un téléphone de scanner et de réémettre l'URL de lancement authentifiée du navigateur courant, en réutilisant le même échange ?token que le poste de bureau vient d'effectuer.

Notifications de tâches à trois canaux : toasts dans la page avec carillons, bannières OS du navigateur et toasts OS directs de l'hôte qui continuent de fonctionner navigateur fermé, plus un panneau cloche avec historique persistant.

Adobe Lightroom Classic comme outils dsh natifs via le serveur MCP lightroom-py : lit le catalogue, applique paramètres de développement et préréglages, exporte JPEG/TIFF/PSD/DNG, et écrit notes, libellés, mots-clés et IPTC — 15 outils pilotant le Lightroom Classic installé sur la machine locale, sans aller-retour cloud ; le paquet Python est sur PyPI et le plugin Lightroom s'installe en une commande.

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.

Notifications multicanales pour DeepSeek Harness : enregistre un outil send_notification et une page de paramètres diffusant vers NotifyX, webhook d'application WeCom, robot de groupe WeCom, e-mail (Resend), SMTP, DingTalk, robot Feishu ; plus les notifications du navigateur et une notification automatique à la fin des tâches et lors d'événements bloquants.

Vérification de rapport complet pour les rapports scientifiques : contrôles par affirmation contre Crossref, PubMed (analyse des rétractations), ClinicalTrials.gov, UniProtKB, GEO/SRA et PatentsView, accessibilité des URL et concordance des titres, sens affirmation-vs-source à température 0, et un registre d'audit durable et redémarrable avec un rapport annoté.

Agent au niveau du projet auto-évolutif pour DeepSeek Harness : 16 compétences de workflow SDD (clarification, PRD, ticket, codage, localisation, acceptation, revue) ainsi qu'une mémoire et des connaissances de projet qui s'accumulent avec le temps.