Plugins

Importe au démarrage dans DSH wallpaper engine les fonds nouvellement téléchargés par l’application Hao Wallpaper, de façon incrémentale et idempotente. Nécessite Hao Wallpaper, Python 3.8+ et l’installation préalable de `dsh-plugin-wallpaper-engine` (elysia395/dsh-wallpaper-engine). Compatible macOS et Windows.

Affiche la navigation latérale en grille compacte à deux colonnes sur tous les écrans. Sur les écrans étroits, peu hauts ou écrans à pointeur de faible précision, limite aussi la navigation à 34vh avec défilement pour réserver 38vh à l’espace de travail et à l’historique des sessions. Répare également les enregistrements `dsh-resource://` dont le parseur d’URL du navigateur renvoie un protocole vide.

SOLIDWORKS pour DeepSeek Harness : lit, modifie, reconstruit, rend et exporte les modèles SOLIDWORKS 2016 ou ultérieurs sur le même PC Windows ou une VM Windows sur Mac. Lecture seule par défaut ; Windows détermine ce qui peut être écrit.

Enregistre `/daily`, qui demande au modèle de lire le dernier rapport bili-scroll et d’expliquer ce qu’il en a compris au lieu de répéter le texte ; un panneau latéral lance la même commande. Le plugin `dsh-bili-scroll` doit avoir écrit des rapports dans `~/.dsh/bili-duty/out`, sinon `/daily` n’en trouve aucun.

Visualiseur de graphe relationnel en forme de cerveau pour DeepSeek Harness, avec pipeline de base de connaissances Markdown qui importe des documents et construit le graphe. Le visualiseur inclut des données de démonstration et n’exige pas Python ; reconstruire le graphe depuis ses notes nécessite Node.js 20+ et Python 3.8+ et s’exécute en ligne de commande.

Carte de vœux parlante —156 clips vocaux préenregistrés avec coupure en un clic—, rapports de fin à chaque tour, notes d’accompagnement pour les longues sessions et panneau d’approbation de prise de contrôle dans la conversation DSH.

Enregistre plugin_guard pour analyser statiquement un package DSH avant installation. Signale raisons : dsh.bundle.patch absent/cassé, dsh.permissions manquant, install scripts, API risquées/obfuscation, risque de dépendance et source non indexée donc invérifiable. Lecture seule : aucun import, install, eval ou run du code.

Enregistre doc_ocr_sign_fix pour DeepSeek Harness sur macOS. Diagnostique/répare le chargement des extensions natives onnxruntime/cv2/pypdfium2 par le Python intégré, bloqué par hardened runtime/library validation : ajoute l’entitlement disable-library-validation, re-signe l’interpréteur et vérifie les imports. Idempotent, sauvegarde le binaire original et ne touche jamais au bundle applicatif externe.

HUD de performance côté client et enregistreur permanent : FPS/pire frame, attribution des tâches longues en quatre niveaux (React fiber/subtree/DOM writes/scheduler), taux callbacks/temps sync par plugin, croissance et auteurs DOM, JS heap, event loop host et RTT. Le night-watch garde les pires blocages et exporte des packs d’incident à rejouer.

Pool de routes sortantes DSH : 15 seeds + 20 candidates, 7 types de cible. Vérifie par handshake TLS avec chaîne complète (TCP seul peut déclarer saine une IP morte) ; cooldown 2/5/15 min après échec, route saine la plus rapide par type. Réécrit URL via 4 règles (prefix/registry/index/host-replace) pour git/pip/npm/pnpm/gh/curl/wget par shell bash (seuls downloads lancés par le modèle ; pas pwsh/host/renderer), tools line_pool_status/line_pool_run ou child-process spawn. Garde les retours ligne, change seulement le segment download. Jamais user:token@host ; aucun token aux mirrors, config globale intacte. Panel : latence/échec/cooldown, retest/activation par route, TUN/proxy via network-adapter/loopback. Revalide candidates toutes les 24 h.

Diagnostic en lecture seule dans la GUI web dsh : détecte les plugins non chargés, bundles jamais démarrés et liens cassés ; signale sans réparer, journaliser ni annuler.

Modélise et vérifie les affirmations de design/plan/document : rend et révise UML ; contrôle machines à états, protocoles, données et couverture/symétrie rollback des migrations ; route la concurrence vers un checker décisif, audite dépendances et compare rapports.

Notifications par priorité : main-line signale immédiatement fin/échec ; les fins side-line peuvent être groupées ; questions/permissions alertent à l’arrivée. Plusieurs marqueurs main-line ; sans marque, balanced mode traite toutes les sessions comme main-line.

Envoie l’état de session (working/done/error) à l’overlay desktop agent-pet sur macOS et permet d’ouvrir une session ou lancer un chat.

Repère les branches déjà intégrées à mainline (merge/squash, patch équivalent après rebase/cherry-pick, upstream disparu ou PR fusionnée). Par défaut, signale seulement ; supprime sur demande, sans changer de branche ni rebase. Sauvegarde les branches locales sous refs/backup/branch-cleaner/ ; pas de copie distante.

Dispatch bidirectionnel pour DSH : ouvre des sessions Desktop visibles pour les tâches reçues de Grok Bot/Yobiru, ajoute /dispatch-grok et /dispatch-zcode pour envoyer des tâches et renvoie le résultat au peer expéditeur à la fin. Les peers sont configurés par l’utilisateur ; aucun envoi avant configuration.

Framework de travail de test DSH : crée une arborescence produit/module/version, enregistre 7 outils test_framework_* et 4 skills runtime. Avant le démarrage, une barrière de prompt signale les divisions des documents d’exigences, versions, documents associés et identifiants d’environnement non enregistrés. Nécessite le serveur Playwright MCP, sans fallback.

Suit les installations réussies de plugins DSH par appareil, fusionne le registre entre appareils via un compte Baidu Netdisk autorisé par l’utilisateur et permet les réinstallations groupées pré-vérifiées.

Affiche le coût en contexte modèle de chaque skill et permet de la masquer du catalogue sans la supprimer. Liste toutes les skills sur disque avec la ligne exacte reçue par le modèle (description normalisée et tronquée à la limite), taille du contenu et estimation de tokens. Prévisualise octet par octet le message catalogue reçu par l’agent, le compare à la copie publiée dans la session actuelle et signale les skills absentes du catalogue (frontmatter invalide ou masquées par une racine prioritaire). Le masquage ajoute disable-model-invocation au frontmatter sans supprimer le fichier ; `/name` reste donc utilisable. Importe aussi depuis ClawHub, Skills.sh et des URL GitHub et désinstalle les skills appartenant à l’utilisateur.

Skill de réutilisation fondée sur les preuves pour DeepSeek Harness : avant implémentation, portage, choix de dépendances ou dépannage, cherche par couches des solutions existantes dans le projet et la machine locaux. Décide sur preuves vérifiables, refuse si des exigences essentielles ou risques ne sont pas satisfaits et signale ce qui n’a pas pu être vérifié. Bundle DSH qui enregistre la skill sur ctx.skills.

Examine les transcripts des sessions d’agents de code des deux dernières semaines et indique quelles skills, hooks et règles fonctionnent, nécessitent une attention ou restent inutilisés. Claude Code et Codex uniquement ; les transcripts de DSH ne sont pas pris en charge. Nécessite Python 3.

OCR des PDF scannés constitués uniquement d’images vers Markdown. Comme un livre prend environ une heure, chaque page est marquée par checkpoint pour reprendre après interruption ; un journal affiche la progression et le rapport qualité signale les pages vides et lignes peu fiables. Nécessite Python 3.10+ et `pip install -r requirements` ; le premier lancement télécharge le modèle OCR.

Notes de réunion pour dsh : une réunion par conversation, transcrite et séparée par locuteur sur l’appareil, avec points clés, tâches, notes manuscrites, revues et scores mensuels dans le même panneau. Exporte SRT/Markdown/Word et crée un zip portable importable par un autre dsh. Les tâches confirmées sont envoyées en un clic à DingTalk/WeCom selon vos réglages robot. Modèles de reconnaissance interchangeables, modèle local plus puissant importable depuis un fichier ; reconnaissance cloud désactivée par défaut, aucune requête avant consentement. Word requiert Python et python-docx ; le premier lancement télécharge un modèle de 28 ou 77 Mo.

Analyse prosodique locale et hors ligne pour DeepSeek Harness : indique comment une phrase a été prononcée — débit, hauteur, pauses, énergie — avec la transcription.