Plugins

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.

Native DeepSeek Harness plugin: feeds every prompt into the local agent-feedback-loop capture pipeline and injects compiled recurrence rules back as context.

Contexte de réseau de connaissances métier OpenBKN pour DeepSeek Harness

Support du raisonnement DSV4.1 avec contexte multimodal et acceptation bornée d'artefacts pour DeepSeek Harness

Panneau Git façon IDE dans l'interface Web DSH : un onglet résident avec vue à trois colonnes (liste branches/tags, graphe d'historique de commits recherchable, détail du commit avec arbre des fichiers modifiés et message) et une page de modifications (barre de stats, liste non commitée avec stage/unstage/discard par fichier, zone de commit avec amend) ; les diffs côte à côte portent coloration syntaxique highlight.js paresseuse, expansion de contexte entre hunks à la demande et emphase intra-ligne au niveau du mot, avec fichiers image affichés en volets avant/après ; plus un marqueur de branche style zsh dans la barre de saisie. Chaque commande git s'exécute comme tableau argv via le service sous-processus hôte, cwd verrouillé sur la racine du dépôt.

Select text in the DSH web UI to stream a translation and an explanation of what it means in that specific context, read against the conversation it came from; the panel keeps a replayable history and can be promoted into a full session.

Outils de lecture web pour agents uniquement textuels. Cinq outils en lecture seule : web_fetch (toute URL rendue en Markdown propre ou en texte brut), web_links (inventaire des liens d'une page), web_feed (entrées RSS 2.0 / Atom), web_headers (statut HTTP, en-têtes de réponse et chaîne de redirections sans télécharger le corps, HEAD avec repli GET automatique) et web_table (tableaux HTML extraits en lignes structurées, avec détection des en-têtes et extension de grille colspan/rowspan). Le transport repose sur fetch de Node plus une implémentation de proxy HTTP sans dépendance (tunnélisation CONNECT, requêtes en URI absolu, NO_PROXY avec correspondance par suffixe/joker/IPv4-CIDR, Proxy-Authorization). Zéro dépendance d'exécution.

Passerelle universelle Model Context Protocol (MCP) pour DeepSeek Harness : connecte les agents à des serveurs MCP stdio/sse/websocket avec un moteur d'échelle de 10 000 outils dormants, une recherche d'outils BM25 en moins d'une milliseconde, une budgétisation dynamique des jetons et un tableau de bord web en temps réel.

Curseur animé en mode comète pour le composeur web DSH : une traînée lumineuse glisse jusqu'à la position du texte, avec couleur d'accent, épaisseur, traînée et clignotement d'inactivité de 500 ms configurables. Étend la surface aux champs des cartes de question et corrige la disparition du curseur sur un composeur vide ou au premier focus, la sélection par glissement vers l'avant qui ne suit pas le pointeur, les sauts de ligne souples mesurés sur la ligne précédente et le curseur dessiné hors du composeur lors du défilement d'une saisie longue. Fork maintenu de Lacquervii/smooth-cursor.

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.

Passerelle de vision pour les routes DeepSeek uniquement textuelles, qui analyse les images jointes et locales via des points de terminaison OpenAI Responses, Chat Completions ou Anthropic Messages configurables, tout en laissant les routes capables d'images en natif.

Préréglage d'agent minimal pour Windows sous DeepSeek Harness : persona fixe en une ligne, trois outils, aucun contexte d'exécution.

Suppression par message pour DSH : retirer un message utilisateur, une étape de réponse ou toute une réponse de l'assistant du contexte de modèle dérivé via le contrat officiel de remplacement de surface, et la masquer dans la transcription visible sans réécrire le journal en ajout seul.

Réveils proactifs au niveau de l'hôte pour DeepSeek Harness : le modèle programme ses propres alarmes (une fois, intervalle ou cron, avec jitter optionnel), les sessions froides sont réveillées à l'heure via session resume, les relances du modèle sont encadrées par des heures calmes et un budget quotidien, et les tours de réveil silencieux se terminent par proactive_reclaim et sortent du contexte comme des pierres tombales. Les fichiers de planification déclarés synchronisent par glob leurs JSON avec les alarmes de l'hôte ; min_idle_seconds reporte les réveils jusqu'à ce que la session cible se calme, et un panneau web gère alarmes et historique — le moteur de battement pour les compagnons IA et les personnages de rôle ayant leurs propres routines.

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.

Envoie chaque prompt dsh dans le pipeline local de mémoire de retour agent-feedback-loop — capture l'insatisfaction, la transforme hors ligne en réflexions, et rattache au tour le contexte compilé des règles de récurrence, sans jamais bloquer un prompt. Nécessite le runtime agent-feedback-loop ; exécuter ensuite agent-feedback-loop install câble automatiquement les profils dsh existants.

Affiche une session DSH comme une toile de conversation — chaque tour est un nœud, n'importe quel tour crée une véritable session enfant, et un contexte compacté se replie en un seul nœud vert depuis lequel vous pouvez continuer à parler ; le rail gauche regroupe les toiles par workspace DSH et les renomme au rythme des titres de session.

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.

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).

Ancre d'instructions de session pour DeepSeek Harness : la première étape d'une nouvelle session injecte un bloc d'instructions librement composé comme message issu du plugin, et il est réancré après une compaction par résumé, tous les N tours, ou lorsque la pression de contexte mesurée franchit un seuil. Une commande /anchor réancre à la demande sans appel au modèle ; une page de paramètres gère la bibliothèque de presets paginée, l'ordre d'injection, la source de réancrage et les limites de caractères.

Intégration des notes SiYuan (思源笔记) : 17 outils hôtes siyuan_* couvrant le listing des cahiers et documents, la recherche en texte intégral, la requête SQL, la lecture des documents et des blocs, la création et l'ajout de contenu, le déplacement et le renommage de documents, les notes quotidiennes et les attributs de bloc, plus une page de paramètres web pour l'URL SiYuan, le jeton d'API et les interrupteurs par outil.

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.

Portée MCP par workspace pour DeepSeek Harness — décidez quels serveurs MCP une session peut voir depuis le répertoire où elle a été ouverte.