Plugins

Apparence par modèle pour l'interface web DSH : une liste ordonnée de règles comparées au nom du modèle de la session en cours, chaque règle portant son propre fond d'écran, couleur de thème, mode de mise en page, cadrage ainsi que l'opacité et le flou du fond d'écran, plus une opacité par surface et un flou verre dépoli pour le fond principal, le panneau gauche, le panneau droit, les cartes et panneaux, la saisie et les contrôles, le panneau de réglages, le cadre de texte de la conversation et la vue de trajectoire.

Module configurable pour l'interface web DSH : thèmes de fond d'écran et verre dépoli, couleurs d'accent, raccourcis clavier personnalisés, panneau d'utilisation des applications, bande d'historique, Markdown des messages — aucune édition du shell.

Boîte à outils de débogage ROS2 et analyse de vision d'état de robot pour DeepSeek Harness : énumération de node/topic/service/action/interface/TF, JSON de topologie du graphe complet, vérifications rosdep, builds à approbation validée et échafaudage de messages personnalisés, captures d'écran GUI et observation de vision multimodale, plus rendu offscreen RViz2 headless (maillages low-poly, lecture directe de pixels, passthrough GPU - rendu de mouvement à 30Hz) avec analyse temps réel VLM en parallèle.

Pack UX pour le chat Web DSH. Chaque fonction a son interrupteur, appliqué immédiatement, dans Settings → UX Plus. Taille de police et largeur de lecture dans Settings → General → Chat area. Le menu de session copie son ID ou crée une session avec l’historique repris sur le modèle choisi. Lignes espaces/sessions triées par activité, repli automatique après 24 h d’inactivité et étiquettes d’ancienneté. Les cartes ask_user_question terminées restent ouvertes. La liste vient de son propre registre de fonctions et s’enrichit sans nombre fixé.

Présente le Web DSH comme une interface voxel jouable en plein écran à la première personne façon Minecraft — pas un simple skin de couleur : les utilisateurs marchent dans un monde de blocs Three.js persistant et accèdent aux workspaces natifs, sessions, conversations, outils, sélection de modèles, permissions, informations contextuelles et compositeur via des installations in-world et un établi.

Suite d'agents de recherche : contrôle d'objectifs à long horizon avec des chaînes de preuves auditables, planification cron, équipes d'experts multi-agents, mémoire de recherche auto-évolutive (rappel FTS5 + RRF), espaces de travail par projet, et une UI d'espace de travail personnalisée.

Ce plugin permet à deux DeepSeek de rebondir dans l'interface - il n'a pas de véritable utilité.

Synchronise depuis l’upstream officiel 21 compétences HyperFrames officielles de HeyGen (création vidéo HTML, animation, keyframes, audio/musique vers vidéo, CLI, registre, diaporama, remontage talking-head, site/produit/PR vers vidéo, conventions de timeline Studio, etc.), avec contrôle de santé des ressources incluses. Guide de première utilisation en 4 étapes dans les réglages.

OMK — Observer. Mesurer. Savoir. Modifications de connaissances étayées par des preuves pour les applications IA.

Porte d'authentification pour la surface web dsh : authentification par mot de passe ou jeton partagé, cookies de session, limitation de débit et CLI de gestion des utilisateurs (manifeste dsh.bundle depuis 0.4.1, montage en une commande `dsh plugin add`).

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.

Règles d'autorisation fine par outil pour DSH au point de contrôle tools/pre-execute, listes de refus et de demande dans la syntaxe de règles de Claude Code (`Bash(rm -rf:*), Read(_secrets_), mcp__server__tool`), fonctionne de manière autonome sans migration.

Protection contre les boucles pour dsh : surveille llm/stream, détecte et relance les appels de raisonnement seul ou de contenu répété, avec deux coupe-circuits en cours de flux.

Ce n’est pas un autre plugin de mémoire : ODR est une boucle d’amélioration dans des mondes évolutifs (Dream-RSI). Les tentatives sont consignées dans un Discovery Tree, puis des milliers de variantes sont rejouées dans ce monde entre les exécutions. Une stratégie, recette ou leçon n’est promue qu’après un rejeu contrefactuel concluant, jamais sur la seule parole du modèle ; Sentinel filtre les appels d’outils avant consommation du budget. Le LLM reste figé. Installation npm : dsh-open-dream-rsi.

Plugin de thèmes pour l'interface web DSH : 4 thèmes intégrés plus des thèmes personnalisés à partir d'images, la photo servant d'arrière-plan pour toute l'interface et la palette suivant sa teinte dominante.

Thème d'interface non officiel inspiré de P.R.T.S. d'Arknights pour DSH Web, avec préréglages d'apparence, contrôles d'accessibilité et navigation dans les conversations.

Fournisseurs de recherche SearXNG et de récupération Crawl4AI pour DeepSeek Harness

Auto-amélioration hors ligne des agents de code : valide les stratégies par relecture contrefactuelle sur un modèle du monde évolutif. Sans fine-tuning, LLM figé. MCP et Python server inclus.

Mémoire inter-session avec rappel déterministe à zéro jeton (bigram-Jaccard fusionné avec FTS5 BM25 via RRF, tokenisation adaptée au chinois), renforcement qui consolide les observations répétées, et procédures cristallisées en fichiers SKILL.md affinés sur place via un cycle active-stale-archived avec archivage et restauration réversibles. L’ingestion et la purge exposent chacune un niveau d’autonomie choisi par l’utilisateur ; les conflits et les écritures à forte importance vont toujours en revue humaine, et rien n’est jamais supprimé automatiquement. Nécessite Node 22.5+.

Compétence de revue de code pilotée par modèles : flux de revue en cinq étapes, classement par sévérité (critique/moyen/mineur), notation quadridimensionnelle (qualité, sécurité, performance, maintenabilité), sortie double texte et HTML et base de connaissances de référence à la demande.

Optimiseur reasoning_effort par tour pour dsh — rétrograde automatiquement le raisonnement pour les appels d'outils simples et le relève pour les travaux lourds, réduisant le temps de réflexion entre les appels d'outils.

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.

Fournisseur de modèles Kiro avec connexion via Builder ID, Identity Center, Google, GitHub et import d'identifiants, actualisation automatique des jetons et profils, utilisation du compte, découverte des modèles en direct, efforts de raisonnement sélectionnables, appels d'outils en flux, gestion de la raison d'arrêt du fournisseur et du débordement de contexte, et comptabilité des jetons qui utilise les compteurs exacts de Kiro lorsqu'il les envoie et sinon met à l'échelle le pourcentage d'utilisation du contexte qu'il envoie selon la fenêtre annoncée du modèle.

Profilage des performances et diagnostics du cache LLM pour DeepSeek Harness — ingénierie du contexte, profilage de latence et rapports sur le comportement du cache.