Plugins

Relie les skills et la configuration de Pi Agent à DeepSeek Harness.

Orchestrateur de tâches et tableau de bord multi-fournisseurs compatible Symphony pour DeepSeek Harness.

Un plugin de méta-agent natif au modèle pour DeepSeek Harness : le modèle synthétise à l'exécution des workflows spécifiques à la tâche à partir de cinq patrons de workflow agentique (chaînage de prompts, workers parallèles, routeur, superviseur, boucle d'évaluation) et coordonne les outils et les sous-agents.

Extension d'assistant d'apprentissage pour DeepSeek Harness (dsh) : tutorat DeepTutor pour votre agent — explications approfondies, questions d'auto-évaluation, parcours d'apprentissage, recherche dans une base de connaissances personnelle (RAG) et archivage de notes (HTTP/WS en priorité, repli CLI ; s'adapte automatiquement au local/distant).

Observabilité Langfuse pour DeepSeek Harness : exporte les journaux de session en traces OpenTelemetry (conventions sémantiques GenAI) vers l'endpoint OTLP de Langfuse.

Couche de compatibilité Claude Code pour DeepSeek Harness : charge les skills/commandes/agents .claude et installe les plugins des marketplaces Claude Code comme skills dsh natifs.

Génération de PPTX stable et modifiable pour agents IA — IR sémantique en entrée, DrawingML natif en sortie.

Poste de travail de bureau auto-modifiable pour DeepSeek Harness : une réplique complète de dsh web avec un mode édition dans lequel l'agent modifie le poste de travail (couches de patch, plugins, UI) avec rechargement à chaud.

Revue de diff Git interactive native pour DeepSeek Harness, avec annotations structurées renvoyées à la session Agent en cours.

Gestion du budget de tokens pour l'arborescence d'agents.

Analyse les skills et les configurations MCP à la recherche d'injections de prompt, d'homoglyphes, d'Unicode caché, de commandes shell dangereuses et de fuites d'identifiants.

Outils d'informations d'appareil Windows en lecture seule : un outil agent par catégorie d'appareil Win32 (heure, système, cpu, mémoire, disque, gpu, réseau, batterie, processus, usb, audio, imprimantes) via WMI/CIM et des collecteurs Node os.

Redéfinitions par appel du modèle, du fournisseur, de la persona et du toolFilter pour la délégation aux sous-agents, avec des références @preset: et des identifiants composites fournisseur/modèle.

Découverte d'outils à la demande par agent et divulgation progressive des schémas.

Empaquette .pack.json/.pack.zip du projet dans .agent-pack/modpacks/ et expose les skills via une liste blanche au niveau de l'espace de travail.

Importez votre bibliothèque existante d'Agent Skills (SKILL.md) dans DSH : découvre les skills dans les chemins Claude/Codex/Cursor/Gemini, injecte un index à divulgation progressive et charge les contenus à la demande.

Scanner local respectueux de la vie privée pour les métadonnées de session/workflow de Codex, Claude Code, WorkBuddy et CodeBuddy ; conserve des preuves agrégées et recommande des préréglages d'agent DSH intégrés, sans conserver de contenu, sans réseau, et sans modifier les préréglages.

Mémoire inter-sessions à l'échelle du projet : instantané PROJECT.md injecté dans le premier message utilisateur, un outil memory_remember et une auto-réflexion après les tâches ReAct ; chaque projet garde son propre fichier de mémoire.

Mémoire citée sur le journal de session sans perte de DSH : les faits condensés portent des citations `(sessionId, eventRange)` qui se déplient vers l'extrait exact du journal d'origine.

Deep-collaboration writing agent for DSH: per-user writing-style learning from edit pairs, clarify→outline→section-writing→red-team→reader-gallery flow, project-to-report synthesis (lab report / product intro / survey / README), 41 MCP tools, and web selection-improve UI with in-app file preview.

Drive Origin scientific plotting from DeepSeek Harness AI chat via MCP: write data, plot line/scatter/column, export PNG/SVG.

Falsification-driven correction loop for agent sessions: risky work commits an evidence-checkable claim first, deterministic gates verify it, falsified claims force mutually exclusive replacement hypotheses with discriminating experiments, and every event lands in an append-only evidence ledger.

Pre-flight plugin-library check for DSH agents: task-type requests trigger a Top-K hint of suitable plugins with use_when/not_for capability declarations, making plugin usage predictable instead of opportunistic.

Per-file-type multimodal chains: preset processing models per wildcard convert image/video/audio files into prompt tokens before they reach the text-only session model, with per-preset fallback chains and a Multimodal settings page.