Plugins

OpenCode CLI dans DeepSeek Harness : outil de délégation `opencode`, commande `/opencode` et route fournisseur LLM `opencode`, via `ctx.subprocess`, avec découverte par `opencode models`.

Passerelle de canaux pour DeepSeek Harness : normalise le trafic fournisseur en un contrat de message, signale les messages entrants comme événements typés et autorise à la frontière de transport.

Un harness qui s’améliore avec l’usage et ne souffre pas de mémoire de poisson rouge : avant chaque prompt, récupère une stratégie éprouvée de l’historique local et du réseau EvoMap ; après le tour, l’évalue selon les contrôles exécutés, la conservation des modifications et la réponse utilisateur, puis la transmet au réseau qui la pondère par les preuves. Chaque succès devient un raccourci, chaque échec un avertissement.

Wrapper installable pour le plugin DSH de `dsh-kdczyz-mode/` : pool de modèles WorkBuddy, connecteur Trae et pool de comptes Qoder comme trois fournisseurs indépendants, avec une page Settings à six onglets (XD Pool / configuration Trae, notamment changement de fournisseur et liaison de compte).

Utilise des comptes d’abonnement comme fournisseurs LLM DeepSeek Harness : Kimi Code (OAuth device flow), Grok/X Premium (OIDC + PKCE), Google Antigravity (Google OAuth + Cloud Code Assist) et GLM/BigModel (connexion navigateur ZCode), avec visibilité par modèle.

Révise le code avec Open Code Review : résolution déterministe du périmètre et des règles, évaluation par votre propre modèle DSH, sans clé API.

Générateur de titre manuel avec confirmation préalable : un bouton d’en-tête ou une entrée du menu demande au modèle de résumer toute la conversation, affiche la proposition dans une boîte modifiable et ne renomme qu’après validation. N’ajoute aucun fournisseur de titres et ne change pas la titration automatique.

Visionneuse en lecture seule pour dock-files, compatible XLSX, XLS, ODS, CSV et TSV, avec onglets de feuille, tri, filtres, recherche et liens de cellule.

Preset d’audit statique de sécurité de plugins GitHub basé sur DeepSeek Harness. Code généré par IA, cadre principal construit par l’auteur ; coopération de deux agents (« éclaireur + auditeur ») et auto-tests offensifs/défensifs expérimentaux par IA. Comprend une coupe du contexte contre les blocages et revendique une défense contre empoisonnement et injection de prompt, 21 lignes rouges, examen en chaîne de l’arbre de dépendances et validation YAML automatique. Exploration de la sécurité IA par un étudiant de 20 ans non spécialisé, qui sollicite des conseils. Ne remplace pas un audit humain. Ne pas utiliser en production ni avec des identifiants sensibles.

Gère les variables d’environnement, fichiers `.env` et identifiants dans DeepSeek Harness, y compris les variables utilisateur et système de Windows.

Recharge DSH Web UI en un clic : purge les caches reconstructibles (Cache Storage, service workers et octets des bundles `/plugins/**`) puis recharge la page, afin qu’un plugin client injecté à chaud apparaisse sans redémarrer l’application.

Atelier de régression et d’acceptation API : capture les réponses des endpoints enregistrés avant la modification du backend, les rejoue toutes après, puis examine à côté du diff source un diff structuré par champ (codes d’état, ajouts/suppressions, valeurs numériques ancien→nouveau et delta). Validez chaque endpoint séparément avant d’exporter un rapport Markdown ou HTML autonome.

Redémarre le processus DSH en cours via un outil modèle ou un contrôle GUI en bas à droite. Détecte launchd KeepAlive et offre un superviseur détaché en recours, qui annule la sortie si son propre handshake échoue. Avec parcours de redémarrage du bureau macOS et journaux JSONL corrélés par arm id, pid et profile pour distinguer les redémarrages des activités sans rapport.

Atelier de mémoire et d’analyse empirique pilotant IBM SPSS depuis la conversation : `spss_check` (autodiagnostic), `spss_variables` (liste des variables .sav avec libellés, types, niveaux de mesure et nombre de cas), `spss_data` (échantillon de lignes pour repérer valeurs manquantes et atypiques), `spss_run` / `spss_run_file` (exécute syntaxe SPSS ou .sps et recale les chemins relatifs `CD`/`GET FILE`), `spss_analyze` (fréquences, descriptifs, tableaux croisés avec chi carré, tests t, ANOVA à un facteur, corrélation, régression linéaire). Résultats sous forme de tableaux structurés extraits via OMS. Détection auto SPSS 25–31 ; serveur MCP stdio sans dépendance.

Enregistre la skill project-cross-migration pour DSH : migration de projets agent en cinq couches (conversations, mémoire, persona, outils, environnement), validation d’entrée, contrôle d’intégrité JSONL et restauration lisible. Migration réelle de 1 418 messages vérifiée entre trois plateformes. Bibliothèque standard Python uniquement ; MIT.

Mode sélection pour l’aperçu HTML et les onglets du navigateur : cliquez sur un élément d’une page de démonstration servie localement pour inscrire son localisateur (sélecteur, texte, extrait HTML) dans le chat et demander une modification IA précise.

Ajoute un fournisseur de recherche Firecrawl avec paramètres de clés API multi-comptes.

Contrôle du bureau Windows avec captures liées aux fenêtres, état d’accessibilité, lecture de texte, validations DSH et superpositions d’activité.

Utilise un modèle dédié pour récupérer la compaction du contexte et ajoute la compaction manuelle à la fenêtre contextuelle native.

Améliore la lisibilité de l’interface Web DSH selon le fond : relève trois tokens de texte secondaire peu contrastés via `color-mix` et un halo réglable. Applique au seul Markdown de conversation des règles de gras, liens toujours soulignés ou recolorés, titres et texte teintés ; ajoute des effets réglables de bord arc-en-ciel et de dégradé, charge des polices depuis le dossier du plugin ou DSH home et propose un aperçu WYSIWYG déplaçable avec badge de contraste WCAG.

Accès en un clic à la passerelle TokenDance depuis DeepSeek Harness : la connexion OAuth enregistre la clé API, fournit un catalogue de modèles en direct avec visibilité par modèle et des outils agent pour chat, génération d’images/vidéos et décisions typées.

Pilote un navigateur à partir d’un objectif en langage naturel : un service de décision choisit l’opération et la cible suivantes depuis une table d’éléments indexée, pour qu’une session DSH utilise un seul appel d’outil plutôt qu’un tour par clic.