Plugins

Cerveau DeepSeek + transcription automatique d'images : attachez des images dans la GUI et chacune est transcrite par le modèle officiel deepseek-v4-flash-vision-exp par défaut (un cerveau V4-Pro en texte pur peut voir les images), avec n'importe quelle VLM compatible OpenAI ou Ollama local comme alternatives.

Tableau de bord multi-plateforme des soldes et de l'utilisation des API pour l'interface web DSH : soldes DeepSeek, Zhipu GLM, Kimi, StepFun, SiliconFlow, MiniMax, OpenRouter, Novita et xAI sous le compositeur, coût estimé par session et par sous-agent avec tarification heures pleines/creuses DeepSeek, découverte automatique des relais configurés dans les paramètres DSH, et un widget baleine glissant optionnel.

Faites correspondre vos modèles et vos budgets de tokens à chaque rôle, puis laissez DSH déléguer des sous-agents spécialisés selon le type de tâche. Couvre l’analyse d’architecture, l’UI/UX, l’implémentation de code, l’exploration de la base de code et la recherche documentaire, avec configuration automatique ainsi qu’un effort de raisonnement et des permissions d’outils par rôle.

Récupération après redémarrage pour DeepSeek Harness web : après un crash ou un redémarrage, un tour d'agent interrompu reprend automatiquement (listener agent/created côté hôte, pas de conflits de synchronisation navigateur).

Mémoire à long terme inter-sessions sous la métaphore du « palais de la mémoire » : deux portées de stockage SQLite (utilisateur + projet par origine git), recherche hybride FTS5 + vecteurs locaux avec fusion RRF et bonus de classement par récence et par preuve, capture automatique depuis le journal de session (y compris le dernier tour), chaînes d'audit de provenance, distillation par consolidation et oubli par décroissance, et un panneau Bibliothèque de mémoire dans les réglages avec topologie des couloirs, majordome de visite et liste de rénovation.

Preset mode expert DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH) : coordinateur principal + 17 sous-agents experts de domaine avec délégation automatique. Fonctions : taskboard (états pending/ready/running/done/failed, DAG dépendances, réclamation atomique, retry, récupération), portes qualité (pipeline 5 étapes : exigences, implémentation, vérification, revue, intégration ; 2 reprises), Five-Anchor (revue/convergence/anti-dérive/collaboration/ressources), Near-distance (modèle identité/tâche/sortie), divulgation progressive (~28 % économie de tokens), persistance, bus P2P, revue croisée, pool d'expérience, voie rapide, auto-retry. 17 experts : données, rédaction, juridique, PM, frontend, UI/UX, architecte, social, growth, fin. quant., backend, DevOps, BD, QA, sécurité.

Ajoute un modèle de vision configurable aux modèles principaux textuels uniquement : un outil vision_read_image, un sélecteur de modèle de vision dans la barre de composition, et une conversion automatique image-texte pour les routes textuelles uniquement.

Plugin DeepSeek Harness qui transforme les jugements Jev en trois actions automatiques — élaguer la sortie d'outil surdimensionnée vers les segments pertinents pour la requête, filtrer les pages récupérées à la recherche d'instructions visant le modèle, et choisir la skill adaptée à l'étape suivante — plus les outils jev_ask et jev_gate, un registre de jugements qui survit aux redémarrages et un rapport /jev-status. Nécessite une clé d'API TypeSafe ; sans elle, il reste inerte et n'envoie rien.

Approbation automatique basée sur des règles pour les escalades du bac à sable de DeepSeek Harness, avec un réviseur LLM optionnel et un repli humain natif.

Une meilleure barre de pliage : replie automatiquement les appels d'outils et les segments Think dans des barres de pliage d'étape, et condense chaque tour terminé en un seul en-tête de tour avec des métriques en direct (durée, TTFT, tokens, tok/s, taux de cache) — seul le résumé final reste visible ; icônes de tête personnalisables avec cartes de poker animées intégrées (animation de carte en alternance des couleurs pendant l'exécution, un paquet replié, un éventail déplié), une ligne de paramètres pour le mode de pliage officiel, compatible avec les versions DSH nouvelles et anciennes. Zéro intrusion dans le code source de DSH.

Facturation du cache par appel dans la fenêtre contextuelle du compteur de contexte : totaux de l’étape, du tour et de la session actuels avec tokens et montants de hits / misses / sortie, tarification automatique des heures de pointe et creuses à Pékin, tarifs par modèle et facturation des relais tiers également.

Utilisation de l'ordinateur via un périphérique USB HID externe : nommez une cible en langage naturel, un modèle de vision la localise dans une capture d'écran recadrée, et un Raspberry Pi Pico 2 déplace la vraie souris et tape sur le vrai clavier. 7 outils. Windows dispose de la liste des fenêtres, du recadrage par fenêtre et du relèvement automatique des fenêtres ; macOS nécessite pyobjc et ne dispose d'aucune de ces fonctions ; Linux n'est pas pris en charge.

Du chat au canevas puis à l'œuvre : pilotez ComfyUI comme IDE visuel de workflows dans DSH. Intégrez ComfyUI (local ou cloud) comme canevas en écran partagé dans DSH Web : l'agent écrit prompts et scripts dans le chat, les applique en direct et produit images, musique, vidéo et 3D. Opérations : composer des pipelines, lire/écrire les workflows, éditer les nœuds, câbler les liens, exécuter, régler et déboguer. Production : balayages de paramètres par lots (batch_run) et récupération automatique des sorties dans le chat (get_outputs). Entretien : lancement et mise à niveau en un clic de ComfyUI, du cœur et des nœuds personnalisés. Ce paquet est le plugin côté DSH et embarque le nœud pont côté ComfyUI.

Adaptateur LLM GitHub Copilot : connexion par flux de périphérique OAuth, découverte de modèles en direct depuis l'API Copilot, prise en charge de la vision pour les modèles compatibles image (gpt-4.1, gpt-4o), et deux protocoles de communication (Chat Completions et Responses API) avec routage automatique des endpoints par modèle.

Revue des modifications en attente pour DeepSeek Harness : chaque modification d'edit, write et str_replace_editor est automatiquement rassemblée dans la liste des fichiers, où un bloc de modification, les blocs d'une sélection ou le fichier entier peuvent être conservés ou annulés, avec prise en charge de annuler/rétablir. Importe les modifications de gestion de versions de l'espace de travail, affiche le diff en simple colonne ou côte à côte, et propose un aperçu Markdown où les modifications peuvent aussi être conservées ou annulées, la recherche dans le fichier, le saut de blocs et des références de ligne copiables ; les données de diff sont stockées durablement, la revue se poursuit donc après un redémarrage.

Connecter un compte ChatGPT aux modèles Codex dans DeepSeek Harness via navigateur PKCE ou OAuth device-code, avec rafraîchissement automatique du token et connexion Web ou headless.

Analyse l'usage entre modèles, fournisseurs, espaces de travail et périodes, avec dates personnalisées sur tout l'historique, cache-hits visibles et ventilations par modèle/fournisseur. Comprend tendances horaires/jour, carte de chaleur de 53 semaines façon GitHub, séries, anneaux de tokens par modèle et espace (tokens, coût, %), filtres combinables, efficacité du cache, solde DeepSeek, alias d'espaces, export CSV, et un grand livre durable qui conserve l'usage après suppression de session ou d'espace (ligne Deleted), reconstruit de façon incrémentale. Registre des espaces rafraîchi via la sonde DSH domain/changed ; seuls les espaces enregistrés comptent. Comptabilité séparée : entrée, cache, raisonnement. Chinois : heure locale ; anglais : UTC ; API en loopback uniquement.

Place de marché de plugins dans les Paramètres, ciblant n'importe quel profil local, pas seulement celui en cours d'exécution : installez, mettez à jour et supprimez sur les profils web, headless et autres, avec des avertissements de script d'installation, une vue des éléments installés qui couvre aussi les dépendances de profil hors catalogue, et un redémarrage automatique de DSH lors du changement de profil actuel.

Boucle d'auto-raffinement continu : mémoire persistante, revue-et-raffinement périodique, connaissance partagée entre sessions, et rollback automatique via un outil harness_refine appelable par modèle.

Améliore la visualisation des données dans DeepSeek Harness en sélectionnant automatiquement les types de graphiques à partir des entrées de l'utilisateur et en générant des images pour les tendances, comparaisons, proportions, relations et flux.

Carte de paramètres pour le moteur de nouvelle tentative automatique LLM de DSH : ajustez en direct le nombre de tentatives, le backoff et le jitter depuis Settings -> General, avec des chips retryableCodes configurables - les valeurs par défaut ajoutent INVALID_REQUEST afin que les erreurs HTTP 400 reasoning_text de type OpenAI en mode thinking soient retentées automatiquement.

Achemine automatiquement et intelligemment chaque tâche déléguée vers le meilleur modèle configuré à l’aide d’alias, de balises de capacité et de consignes d’usage, en gardant les tâches routinières rapides et économiques tout en envoyant les travaux complexes vers des spécialistes plus puissants. Configurez votre équipe de modèles dans l’interface Web ou via une configuration guidée, exécutez les spécialistes en parallèle avec une fusion de résultats fiable, et voyez le modèle choisi d’un coup d’œil dans les vues de sous-agents et dans l’arborescence Tasks de Better Sidebar.

Dialoguez avec Excel dans DeepSeek Harness : créez, modifiez, réparez et vérifiez des feuilles de calcul par conversation, avec des vérifications automatiques de la santé des formules après chaque modification.