Plugins

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.

Découverte progressive d'outils stable en cache : une surface fixe tool_search et tool_dispatch à chaque requête, recherche de catalogue en mémoire, dispatch imbriqué via le pipeline du Harness et une liste d'outils natifs stable au byte à travers la découverte.

Commande Cordis /hongtou : pipeline en deux phases (JSON structuré par LLM + rendu déterministe de modèle XML Word 2003)

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.

AI Company Framework : transforme une phrase en une entreprise multi-agents — 15 Skills à plat (boss/pipeline/role-template/11 rôles/generic customer-memory), 7 templates de workflow, runtime AgentTeams + panneau d'activité, sidebar employés avec isolation par session, pont bot Feishu (bots boss et par employé, routage de groupe, push autonome, porte de décision humaine, guide contact externe), mémoire SQLite par client avec mémoire à trois couches (fusion inter-groupes), commutateur de mode /company ; pas de RAG.

Une suite de compétences de modélisation mathématique à accès contrôlé pour DeepSeek Harness : un pipeline en cinq étapes avec des jalons de validation, des schémas de rédaction pour articles primés, une analyse de sensibilité, un diagnostic statistique et un préréglage pour concours.

Basculement haute disponibilité des modèles (mise en quarantaine, disjoncteur, récupération par sonde) et orchestration de sous-agents (fanout/pipeline/supervisor) avec une interface de paramètres bilingue.

Base de connaissances selon le motif Karpathy LLM Wiki pour DSH : compétences wiki-write/wiki-search, pipeline sans dépendance (lint/index/synchronisation mémoire mnemon/retour qualité), plugin de cycle de vie minimal injectant schéma + aperçu des connaissances, rappel sémantique SiliconFlow via un proxy compatible Ollama.

Pipeline de rédaction par IA pour comptes officiels WeChat : exécutions d'articles en six étapes (sujet, plan, brouillon, contrôles, rendu, images) avec un contrat de brief de lancement, un tableau des sujets chauds avec des résumés IA par élément, une planification RRULE vers la boîte à brouillons, une interface de plan de travail plus des outils de chat et une commande /wewrite, et une approbation de l'hôte en échec fermé avant tout envoi vers la boîte à brouillons.

Un essaim gouverné de six agents DSH spécialisés — orchestrateur, planificateur, passerelle vers la base de connaissances, développeur et deux relecteurs — transforme une exigence en pipeline strict par phases où chaque livraison doit faire ses preuves avec des éléments de preuve structurés avant que la phase suivante ne puisse commencer ; les relecteurs sont en lecture seule, les fusions de code n’ont lieu qu’après une relecture, et un journal d’événements en ajout seul permet une relecture complète et un audit sur un tableau kanban en direct. Sa conception s’inspire du kanban de Hermes Agent.

Connectez DeepSeek Harness à un pipeline Hermes : modèle de spécification de répartition, routage par niveau de modèle, portes de qualité pilotées par l'orchestrateur, règle d'écrivain unique pour git, le tout sous forme de pack SKILL.md (installable en bundle).

Page de réglages Models+ pour l'interface web DSH : tableaux d'effort de raisonnement par modèle, modalités d'entrée et indicateurs de compatibilité enregistrés via le pipeline de réglages officiel, avec préremplissage des métadonnées models.dev et gestion des clés API.

Math Agent Framework pour DeepSeek Harness : moteur de dérivation symbolique (CES / formes quadratiques / ODE / PDE), vérification SymPy, preuves formelles vérifiées par le compilateur Lean 4 et vérification adverse multi-agents de style QED, exposés comme outils DSH natifs via un shell TS faisant pont vers un moteur Python. Nécessite le clonage du dépôt math-agent-framework et `pip install -r requirements.txt`, avec MATH_AGENT_HOME pointant vers la racine du dépôt. Chaque résultat comporte une traçabilité (versions des moteurs, graine, tolérances) et est marqué comme données non fiables.

Reconnaissance d'images volumineuses pour les modèles vision-exp : reconnaissance par tuiles 800×800 sans perte (smart/pipeline/full), OCR local avec prétraitement et routage d'écriture manuscrite, GPU multi-fournisseur en option (DirectML/CUDA/OpenVINO) avec repli CPU automatique.

Lit les réponses de l'agent dans l'interface web de DeepSeek Harness via une chaîne de secours de fournisseurs (OpenAI, ElevenLabs, Google, Azure, Groq, Deepgram, OpenRouter, Edge, Piper, eSpeak), de sorte qu'un fournisseur en échec ou limité en débit bascule vers le suivant au lieu de rester silencieux.

Préréglage d'agent d'équipe produit virtuelle : la conversation guidée par l'utilisateur vous accompagne à travers le pipeline complet de 12 étapes de l'idée au produit livré, promu et exploité, avec des portes par étapes et des compétences par étape.

Conserve les décisions de projet en Markdown plutôt que dans l’historique : un document principal et des documents par module, chaque entrée citant file:line. L’agent pose des questions pour trancher les points ouverts et calcule un score sur cinq axes (complexité, extensibilité, maintenabilité, qualité du code, réutilisabilité), affiché près du sélecteur de modèle. Une session peut lier plusieurs projets ; leur taille small/medium/large augmente les limites. Une section de pipeline réutilisable du document principal est injectée lorsque ses mots déclencheurs apparaissent.

Pipeline de développement piloté par les spécifications pour Odoo : 15 outils mènent une demande depuis une spécification immuable jusqu'au code du module ou à la configuration en direct, en passant par l'architecture, puis exigent un verdict persisté et adossé à des preuves issues d'une véritable instance Odoo, avec des jalons à sûreté intégrée, des lots approuvés par un humain dans un environnement déclaré, l'importateur CSV/Excel propre à Odoo et un journal qui annule les données écrites via le plugin.

Mémoire en couches pour DSH avec 10 outils d’agent : écritures privilégiées (memory_add, memory_delete, memory_import), commandes de rumination (memory_ruminate et contrôles associés) et graphe mémoire. Un pipeline de distillation L0-L3 rappelle et injecte les souvenirs utiles avant chaque étape du modèle.

Traduction chinoise de bout en bout pour l’interface Web dsh : traduction en direct du raisonnement du modèle pendant le streaming, chinois intégré sous chaque réponse anglaise, et résumés chinois d’une ligne pour les sorties d’outils et les annotations d’appels d’outils — une requête autonome au fournisseur qui n’entre jamais dans la transcription de session.

Pipeline de confiance de plug-in pour DeepSeek Harness : analyse statique déterministe avec verdicts, protection d'exécution opt-in avec leurres honeypot, compétence de protocole d'audit d'agent et voyant d'état de protection du navigateur. Alarme uniquement, jamais exécuteur.

Tableau de suivi pour projets clients : pipeline avec modèle par défaut, de gouvernance ou étapes personnalisées ; cartes avec responsable, échéance, critères d’acceptation et DoD. Chaque changement d’étape crée un journal d’audit de transmission. Comprend journaux d’avancement/risques/blocages/décisions, rapport client hebdomadaire Markdown, tableau glisser-déposer limité à loopback et export HTML en lecture seule. L’état est dans delivery.json de l’espace de travail ; 11 outils delivery_* et /delivery sont fournis.

Rendu Markdown des messages utilisateur envoyés dans DeepSeek Harness : chaque bulle affiche listes, code, tableaux, citations et mise en forme en ligne via le moteur Markdown intégré de l’hôte ; les files d’attente, aperçus et la zone de rédaction restent en texte brut.

Exécute des pipelines AItelier depuis DSH via MCP : 39 outils (22 lecture, 17 écriture) pour générer, exécuter, inspecter, éditer, exporter et importer des pipelines SkillFlow multi-étapes. Les étapes s'exécutent dans AItelier plutôt que dans la session DSH et sont interrogées par run_id, marquent une pause aux points de contrôle imposés par le moteur et répondus avec answer_checkpoint, et laissent des traces par étape et des sorties d'étape à lire ensuite ; add_provider / map_model / edit_role dirigent un rôle individuel vers un endpoint local ou moins cher. Regroupe une compétence aitelier-pipelines.