Plugins

Remplace le résumeur de compactage DSH intégré par un résumé de passation en cinq sections et garde chaque message masqué lisible dans un répertoire de segments.

Plugin DeepSeek Harness qui économise agressivement les tokens sans nuire à la qualité : troncature sans perte en tête/fin des résultats d'outils (par défaut), repli des résultats grep, délégation à dsh-compaction-basic déclenchée par la pression, et une sous-classe CompactionEngine à résumé LLM pour le mode agressif. Économise 97,6 % des tokens d'entrée sur une suite synthétique de 8 scénarios, toutes les réductions passant par le flux d'événements dsh pour que modèle-visible = journalisé reste vrai.

HUD flottant de style jeu : barre HP du solde, barre MP du contexte, tarification officielle pics/creux avec compte à rebours, compactage automatique sous 5 % restant et nouvelle conversation conservant la mémoire.

Ensemble de renouvellement de la fenêtre de contexte piloté par le modèle pour DeepSeek Harness : contexte de travail neuf, notes durables gérées par le modèle, une petite queue récente mot pour mot et une récupération ciblée de l'historique — sans résumé.

Reprise automatique des sessions d'agent interrompues : une table de règles ordonnée route selon le type d'échec (limite de débit, quota, authentification, dépassement de contexte, orphelin planté) vers une nouvelle tentative avec repli automatique, un changement de modèle, une reprise après compaction du contexte ou une notification d'arrêt de perte, avec un éditeur de règles visuel et un journal d'activité complet.

Optimiseur de prompt dans la barre de saisie : réécrit les brouillons avec 6 stratégies × 3 langues plus des instructions personnalisées, avec objectif/todo/résumé de compactation/résultat d'outil et contexte de chat optionnels, une boîte de dialogue de confirmation, un historique des 5 derniers et une persistance des réglages à trois niveaux.

Correctif de compaction pour les passerelles qwen3.8-27b hébergées par NInfer : désactive la réflexion sur les appels de compaction de contexte et de titre de session de dsh, afin que le raisonnement xhigh cesse de consommer tout le budget de sortie ; la même idée s'applique à d'autres méthodes de lancement, mais ce paquet ne cible que NInfer.

Transfert de session et gestion du contexte : documents de transfert structurés (export/resume/status) pour permettre à une nouvelle session de continuer sans interruption, ainsi qu’élagage actif du contexte (outils acp_* via l’API officielle de compaction avec résumés rédigés par le modèle).

Paramètres par défaut d’auto-compaction améliorés pour les préréglages d’agent DeepSeek Harness : appliquez en une seule commande des seuils et budgets de rétention ajustés, ainsi que des politiques par modèle, de manière idempotente avec sauvegardes et retour arrière.

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.

Scinde le bouton New Session de la barre latérale web DSH en deux modes : une ligne 日常聊天 ouvre une session sur le préréglage d'agent `daily` que le plugin installe dans le foyer du harness (persona, recherche et lecture web, ask-user et compaction — ni fichiers, ni shell, ni mode plan, ni sous-agents), dans son propre workspace daily-chat dont la zone de barre latérale ne liste que ces discussions, tandis que 开始工作 conserve l'agent de codage livré ; le bouton New Session intégré est masqué et chaque autre point d'entrée New Session suit le mode actif, mémorisé dans localStorage.

Preset d'agent GLM Mode pour zhipuai/glm-5.3-flash : présentation d'outils PTC/Code Mode, garde de boucle de raisonnement et garde de spin d'outil (pilotée par incidents en direct), et auto-compaction spécifique à GLM à 75%/22%.

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.

Une logique de compression de contexte inspirée du cerveau humain qui réduit fortement l'occupation du contexte et la consommation de tokens des tâches longues.

Une mascotte d'humeur Taffy pour l'interface web DeepSeek Harness : le GIF dans le coin réagit en direct à l'état de l'agent — approbation en attente / approuvée / rejetée / supplication, réflexion, exécution d'outils, interruptions, attente d'ask_user_question, compaction, fatigue de tâche longue, approbation ignorée en inactivité, inactif / endormi — avec état poussé par SSE, positionnement par glisser, console au clic du milieu, console miroir des cartes d'outils, verrouillage par humeur, paramètres d'apparence persistants et statistiques par jour.

Mémoire des décisions et objectifs avec lignage : des commandes explicites et un outil de modèle enregistrent les décisions de façon déterministe, une carte d'état les réancre à travers la compaction, un flux d'événements sans perte avec recherche BM25+jieba l'étaye, et une suite de régression de fidélité au niveau des scénarios contrôle les releases.

Analyse les images de conversation via des invites spécifiques au mode (caption, UI, document, grounding, topologie, etc.) et injecte des preuves structurées avec des primitives de coordonnées (boîtes, points, références) sous forme de texte, avec mise en cache au niveau de la session pour réutilisation lors du replay et de la compaction.

Boîte à outils de vision pour DeepSeek texte seul : outil `vision` appelable par le modèle, adaptateurs wrappers pour deepseek/opencode-go (v4 flash/pro), quota Antigravity IDE (default, flash/pro) / tout VLM compatible OpenAI / Gemini / canaux Ollama locaux, mémoire de preuves avec réhydratation par compactage, cache de hachage de contenu et panneau client bilingue.

Personal dsh preferences: a tunable companion to the official compaction engine (threshold, retention, summarization model/reasoning, turn-end compaction), llama.cpp model import for the Models page, and tab/notification helpers (status-light favicon, bro

DSH plugin: counts completed compactions per session and raises a floating reminder — with bilingual UI — only after repeated compactions plus heavy extra token spend.

Windowed, reversible context management for DeepSeek Harness; replaces Basic compaction.

Compresses older DSH context into a structured handoff, retains recent messages, and keeps session history searchable.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

Model-autonomous context compaction for DeepSeek Harness: a mind_map tool surveys the agent context surface (stable seq ids, roles, token weights, clear-boundary markers, the clear-mind playbook), a clear_mind tool replaces a chosen conversation-history span with a model-written checkpoint through the native compaction transaction, call and result pairs self-collapse into one-line tombstones, and a proactive reminder nudges the model when the context grows long or a turn runs too many steps.