Plugins

Héberge les conversations QQ comme sessions DeepSeek Harness : une conversation QQ correspond à une session DSH qui survit aux redémarrages. Comprend des permissions d’outils par intervenant, une mémoire à trois couches avec consolidation nocturne, des personas en quatre sections, la compaction du contexte, un panneau latéral de neuf pages et un assistant qui installe le noyau Roost et ai-chat. Par défaut, toute personne du groupe QQ appairé peut parler au bot ; seul le propriétaire a accès à l’ensemble des outils locaux.

Routes de modèle, outils et guidage système dédiés pour la vision, la compaction, les revues, les sous-agents, les titres et la génération d'images.

Enveloppe le travail dans des tâches nommées et, dès qu'une tâche se ferme, replie l'intégralité de sa plage de messages en un seul résumé à la limite d'étape suivante ; le contenu original peut être restauré à la demande.

Tableau de bord d'utilisation DeepSeek pour DSH Web : estimation des jours restants à partir des dépenses moyennes récentes, coûts journaliers/mensuels/cumulés avec comparaison entre périodes, classement des coûts par modèle, économies de cache, impact des prix en heures pleines/creuses, et widget flottant de solde déplaçable.

Agent GUI Android avec captures d'écran ADB, ancrage compact de la hiérarchie d'UI, actions itératives vérifiées, approbations, et une vue Mobile Web.

Propose une compaction du contexte bornée, la réutilisation des résumés par session, des contrôles explicites de mémoire et l’élagage des outils qui préserve les diagnostics. Adapté à dsh 0.2.1-rc.2, avec la liste des presets Web et les métadonnées de plugins localisées.

Force la compression du contexte lors de l'exécution de modèles llama.cpp à faible contexte tels que Qwen3.8-27B, améliorant l'efficacité du modèle et la fluidité d'utilisation, accompagné de prompts de compaction bien affinés.

Rail de tours compacte sur le bord droit, avec résumés au survol et navigation par clic pour aller directement à un point. Publié sur npm sous `dsh-turn-scrubber`.

Thème clair Solarized, mise en page compacte, capsules repliables pour les chaînes think/outils, et tableaux de bord de solde, coût de session et utilisation pour la Web UI DSH.

Skin ASCII/terminal compacte pour DeepSeek Harness : 19 palettes à choisir dans la barre d’état, 3 densités d’interface, barre d’état façon vim, illustration ascii.rest dans les sessions vides et intro rétro avec texte de logo personnalisé.

Trois presets Agent à mémoire persistante distincte : 鲸鱼娘Agent预设 (chinois simplifié familier, appelle l’utilisateur 主人, affectueux-tsundere), 鲸鱼娘活人版Agent预设 (peut répondre, esquiver ou être froid, moins doux) et 鲸鱼娘涩涩版Agent预设 (personnalité d’origine, affection réservée à l’utilisateur et réduite en groupe). Tous utilisent la composition minimale officielle (un shell persistant) et les outils de lecture/écriture, glob et grep. whale-loli.md, whale-loli-v2-live.md et whale-loli-v3-naughty.md sont lus via whale_memory, whale_memory_v2 et whale_memory_v3 ; aucune mémoire croisée en lecture/écriture. billion-context compresse les conversations ; ce plugin traite les résumés comme preuves et permet de consulter les détails à la demande.

Gestion automatique du contexte façon Codex pour DeepSeek Harness : rollover sans perte et sans appel de modèle de résumé, ancres de transfert par tâche, notes de travail conservées après compactage et rappel verbatim des fenêtres archivées. Les notes périmées deviennent un avertissement explicite au lieu d'être garanties à jour. Comprend bouton en un clic et commande /smart-compact, rollover automatique à trois niveaux et assainissement obligatoire des ancres ; fonctionne sans configuration.

Combine le squelette de code de Headroom (Apache-2.0) et l’estimateur de TokenPilot (arXiv:2606.17016). Chiffres publiés : Headroom, 20 % de tokens en moins pour les agents de code et 60–95 % pour JSON à réponses égales ; TokenPilot, jusqu’à 60 % de coût en moins sur longues sessions. Ce sont les données de ces projets, pas des mesures ni benchmarks du plugin. Dans DSH, réglez profil, seuil Auto Compact et squelette de code. Mesure exacte avec tokenizer DeepSeek V4, vérification sur la même révision ; pour un modèle non pris en charge, fail-open conserve les résultats d’outils d’origine. Compression par squelette pendant le tour et résumé d’intention final dans la compression JSONL officielle.

Discipline d’appel des outils pour DeepSeek Harness : prompts de comportement, baisse de concurrence et conseils de nouvelle tentative selon les échecs, contrôles après écriture avec restauration de sauvegarde, garde-fous pour commandes à risque, résumés et rappels de vérification, contrôles consultatifs de mémoire projet, rappels configurables après compactage ou à intervalles, et statistiques de conformité.

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.

Intelligence de code locale pour DSH : Impact X-Ray visualise l’impact potentiel d’un changement avec preuves de code inspectables et incertitude ; fournit aussi navigation de symboles, Context Packs bornés et prise en charge d’ArkTS.

Compactage autonome du contexte par le modèle pour DeepSeek Harness. mind_map examine le contexte (seq IDs stables, rôles, poids des jetons, marqueurs de frontière et procédure clear-mind) ; clear_mind remplace une plage d’historique choisie par un checkpoint rédigé par le modèle via la transaction native. Les paires appel/résultat deviennent des tombstones d’une ligne ; un rappel prévient quand le contexte est long ou le tour comporte trop d’étapes.

Pipeline d'optimisation des jetons en couches pour DeepSeek Harness : échelle de sortie, chargement paresseux MCP, moteur de compaction, reporting des hits de cache. Construit sur les vraies API de plugins DSH ; ~40-60 % d'entrées économisées dans les longues sessions.

Vision pour DeepSeek en mode texte seul via Doubao Web par défaut (gratuit, sans clé API — pilote votre Chrome connecté via un pont CDP Windows), avec quota Antigravity IDE (flash/pro) ou repli sur Gemini ; escalade automatique du niveau de détail, mémoire de preuves visuelles avec réhydratation après compaction, cache par hachage de contenu, et un panneau client bilingue.

Mode chinois global : un petit commutateur en forme de pilule à côté du compositeur qui injecte une exigence linguistique dans le prompt système de tout préréglage (sauf personas complets) ; la réponse, le raisonnement et la sortie des outils basculent chacun entre chinois et anglais, et les préréglages ancrés sont pris en charge.

Importez l'historique de chat de claude-code / codex / reasonix / zcode dans des sessions dsh : liaison à l'espace de travail, appels d'outils préservés, protection contre les sessions surdimensionnées, restauration de la compaction zcode.

Repliement de contexte sans perte pour DeepSeek Harness : le segment le plus ancien est remplacé par un résumé, et les originaux restent dans le journal de session.

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.

Mode de codage Codex compact pour DSH : garde-fous légers pour éviter que GPT ne soit trop verbeux, avec un prompt modifiable et des outils natifs de type Codex.