Plugins

Compression automatique du contexte pour DeepSeek Harness : compresse les sorties d'outils avant qu'elles n'atteignent le modèle et garde chaque compression avec perte réversible via des outils de récupération CCR.

Récupération sémantique, gestion des ressources, rappel automatique (espaces doubles utilisateur + agent) et mémoire de session pour DeepSeek Harness : memsearch/memfind/memread/membrowse/memgrep/memglob sur des URI viking://, gestion des ressources memadd/memremove, statut d'observateur memqueue, capture de session memcommit et génération de playbooks de compétences memlearn.

Contrôle Cordis côté hôte pour aeval : injection unique des variables d’expérience, budgets gateway-lease, lignée fork et bundle descriptor ; état autonome, indicateur Web et autodiagnostic.

Harness d'évaluation pour les plugins DSH : des cas au format YAML pilotent de vraies exécutions d'agent en mode headless, avec des assertions sur les appels d'outils, les arguments, les résultats et l'utilisation des tokens, ainsi qu'une barrière de référence pour la non-régression en CI.

RAG de base de connaissances littéraire locale pour DSH : recherche hybride BM25 + vectorielle sur un index SQLite, reclassement par cross-encoder, réponses citées avec provenance au niveau de la section et de la page, rafraîchissement des métadonnées seules et ingestion en arrière-plan avec suivi de progression.

Couche d'intégration native DSH pour le moteur de mémoire Minta : compose la ligne officielle dsh-mcp-client, enregistre la skill minta-memory-governance ainsi qu'un préchauffage de mémoire en début de session, et fournit un preset d'agent Minta ; nécessite le moteur Minta déployé séparément (Python/Docker) pour fournir les 19 outils MCP — inutilisable sans celui-ci.

Un moteur d'écriture de web-fictions pour DeepSeek Harness : rédaction parallèle, plan et brainstorming avec une clé DeepSeek distincte, gestion de l'univers et des présages, récupération vectorielle sémantique, une bibliothèque de corpus, un registre d'utilisation, une relecture mécanique et un plan de sérialisation local.

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.

Mémoire d'équipe auto-évolutive en Markdown brut dans git : un plugin Cordis natif qui enregistre 38 outils mémoire à nom simple plus une section de signaux de prompt réévaluée à chaque assemblage, avec renforcement RPE, décroissance et consolidation pendant le sommeil ; partage un dépôt de données avec ses hôtes Claude Code (MCP) et OpenClaw ; vérifié avec DSH 0.1.0-rc.6.

Mémoire d'équipe auto-évolutive en Markdown brut dans git : un plugin Cordis natif qui enregistre 38 outils de mémoire à nom simple ainsi qu'une section de signaux de prompt réévaluée à chaque assemblage, avec renforcement RPE, décroissance et consolidation pendant le sommeil ; partage un seul dépôt de données avec ses hôtes Claude Code (MCP) et OpenClaw ; vérifié avec DSH 0.1.0-rc.6.

Mémoire inter-sessions basée sur des fichiers : fichiers mémoire en Markdown brut avec injection automatique de récupération, format compatible avec CLAUDE.md et les fichiers mémoire de Claude Code, donc la migration est une copie manuelle de fichiers.

Évaluateur d'expressions mathématiques sécurisé, avec un analyseur syntaxique à descente récursive sans dépendance.

Une fenêtre Chrome visible par session DSH : 16 outils chrome_* (open/status/close/navigate/tabs/snapshot/screenshot/click/click_at/fill/type/press_key/hover/scroll/evaluate/wait), un onglet Chrome dans la GUI Web avec vue screencast en direct (repli sur heartbeat de capture d'écran pour les pages inactives), gestion des onglets, contrôles de fenêtre et historique de captures d'écran.

Contrôleur d'auto-évolution axé sur les preuves : génération bornée de candidats Cordis, admission Loader réelle en une seule tentative, évaluation Harbor et lignée journalisée reprenant après incident.

Persona pour DeepSeek Harness : un config.json régit le nom que se donne l'IA (par modèle, par palier), comment elle vous appelle, sa posture, le texte de caractère, des contrats par élément avec options, la langue de la réflexion et le ton des réponses, plus une mémoire à confirmation humaine : l'IA ne peut qu'ajouter des candidats, une ligne de confirmation les active, et le journal est en ajout seul, rejouable. Les entrées confirmées sont injectées comme bloc cité de données et non d'instructions ; celles étiquetées d'un kind vont vers des fichiers arbitraires et n'atteignent jamais le prompt. Le prompt est relu depuis le disque à chaque assemblage : les modifications s'appliquent sans redémarrage. Presets : instantanés JSON partageables. Sans dépendances, réseau ni shell.

Capture automatique sans LLM et index symbolique \[ENGRAM\] avec divulgation progressive, un protocole de tâche/preuve de type ESR-lite (esr_task / esr_node / esr_close / esr_link), et une télémétrie d’utilisation par espace de travail avec un benchmark de rappel hors ligne (npm run eval).

Mémoire graphe locale en aperçu technique pour DSH et Codex : rappelle les preuves globales du propriétaire et du projet en cours avant chaque tour, écrit les enregistrements USER et ASSISTANT séparément, et préserve la provenance de projet, session, acteur et source pour un atlas visuel et des pages de connaissances citées.

Exporte les événements de tour, modèle, outil, approbation, nouvelle tentative et erreur de DSH (métadonnées uniquement) vers Tuning Engines pour des traces gouvernées, une évaluation des politiques, une analyse des coûts et une revue des Work Sessions, avec une file de nouvelles tentatives persistée sur disque.

Mémoire graphique locale en aperçu technique pour DSH et Codex : rappelle les preuves globales du propriétaire et du projet en cours avant chaque tour, écrit séparément les enregistrements USER et ASSISTANT, et conserve la provenance du projet, de la session, de l'acteur et de la source pour un atlas visuel et des pages de connaissances citées.

Chat latéral natif côte à côte avec la conversation principale : une session DSH indépendante et archivée avec l'interface native complète, la récupération du contexte parent à la demande, la citation de sélections et un cycle de vie conserver-ou-supprimer.

Plugin de planification multi-modèle proactive : ingestion de signaux multi-sources avec déduplication et classement d'urgence, moteur de décision à quatre voies (exécuter/différer/rejeter/demander à l'utilisateur), génération de plan DAG avec exécution parallèle de modèles, réflexion qualité avec réessai automatique et changement de modèle, mémoire long terme pour les motifs de tâches et leçons, et évolution de stratégie via algorithmes génétiques avec évaluation en sandbox et déploiement canary.

Lance 3 ou 5 candidats coding-agent dans des Git worktrees détachés, valide leurs patches via les commandes du projet, ne classe que les candidats réussis et exige une approbation séparée avant d'appliquer le gagnant.

Moteur d'équipement de plugins piloté par tâches : double récupération (règles sélectionnées + sémantique LLM), notation combinée (synergie/conflit/coût/confiance), détection des conflits et export des commandes d'installation.

Système de base de connaissances de style Cherry Studio pour DeepSeek Harness (DSH) : bases, documents, découpage, embeddings (compatible OpenAI / Ollama / local / repli lexical), récupération, outils orientés modèle et un panneau de gestion dans le navigateur.