Plugins

Outils de recherche bibliographique enregistrant 26 modèle tools pour PubMed, Europe PMC, OpenAlex, PubTator3 et Semantic Scholar: recherche par syntaxe de champ, conversion d'ID, consultation bibliographique, formatage de citations, parcours MeSH/articles liés, résolution de bioconcepts et relations PubTator, pagination Europe PMC/Semantic Scholar, texte intégral et recherche de PDF open-access avec téléchargement facultatif. La recherche unifiée déduplique les sources et classe par hits inter-sources, relevance, puis citations. Un knowledge graph de session enrichi par concepts PubTator rejoint le graphe utilisateur persistant et se rend en Mermaid. La plupart des sources ne demandent aucune key.

Impose une langue cible aux raisonnements, réponses et descriptions d’appels d’outils (chinois simplifié par défaut), avec des instructions au début, au milieu et à la fin du prompt. Trois niveaux, mode auto suivant la langue de l’interface DSH, réglages indiquant la langue active et bascule rapide dans la barre latérale.

Statistiques TPS et TTFT par tour pour DeepSeek Harness : temps du modèle, temps des outils, délai avant le premier jeton et vitesse de sortie par tour.

Observe les longs silences et, une fois le seuil dépassé, injecte un message utilisateur demandant au modèle de décrire en prose son activité avant de continuer. Le même texte apparaît dans un overlay en bas à gauche au-dessus du composer. Seuil et intervalle minimal en minutes, prompt entièrement remplaçable. Sans dépendance runtime. Nécessite DSH 0.2.1+ et Node.js 18+.

Ajoute six plateformes de programmation IA à DSH — OpenCode, Qoder, Qoder CN, TRAE, WorkBuddy et WorkBuddy International — chacune dans son groupe du sélecteur natif de modèles. Une page gère les comptes, le check-in quotidien s’il existe, le solde de crédits et les tentatives sur un autre compte de la même plateforme en cas de limitation. Les modèles reprennent le multiplicateur de crédits déclaré par la plateforme. L’offre anonyme gratuite OpenCode ne demande aucun identifiant. TRAE est masqué par défaut et doit être activé dans les réglages.

Transforme un autre ordinateur en coéquipier Agent distant. Le worker exécute localement son propre DSH et une boucle Agent complète : les tâches continuent si le lien tombe et les identifiants du modèle restent sur cette machine. Le hub délègue via 8 outils remote_*, ne reçoit qu’un résumé de transfert et un manifest d’artefacts, puis récupère les résultats finis à la demande ; les artefacts intermédiaires restent sur le worker. Appairage par code, transport direct ou relais pour le NAT, panneau Web des deux côtés.

Table ronde multi-agent : chaque participant intervient à tour de rôle comme sous-agent sur son propre modèle, l’hôte résume chaque tour et la fin génère un compte rendu Markdown.

Termine les devoirs 头歌 (EduCoder) via l’API JSON de la plateforme, sans automatisation du navigateur. `educoder_sweep` parcourt les cours mais ignore les devoirs terminés sans lire leurs exercices ; un balayage de compte complet ne consomme donc aucun jeton modèle. Les QCM n’en consomment pas non plus, car la plateforme renvoie le corrigé dans toute réponse de soumission. Le modèle génère le code, envoyé avec `evaluate:0` et noté une fois par exercice ; une nouvelle tentative utilise le rapport d’erreur reçu. Outils : `educoder_sweep`, `educoder_homework`, `educoder_account`.

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.

Permet aux agents de piloter directement des instances DSH locales indépendantes, sans plugin ni composant sur la cible. Des environnements isolés servent à configurer et tester ; des agents aux modèles et personnalités variés peuvent discuter, jouer des rôles ou former des chaînes de contrôle imbriquées. Comprend configuration conversationnelle, opérations comme un utilisateur, lecture incrémentale, références enregistrées et recherche distante de sessions/espaces.

Répertoire d’experts DeepSeek Harness : 636 experts répartis en 22 divisions, avec noms chinois complets et biographies. À invoquer comme subagents depuis le menu @ ou par le modèle via `list_t_experts` / `summon_t_expert` / `summon_t_experts`. Experts personnalisés et interrupteur d’activation des skills inclus.

Détecte les fichiers de règles de toutes les conventions prises en charge par OMP et les injecte dans le prompt système comme couche toujours appliquée et index du recueil. Des règles en flux peuvent interrompre une sortie non conforme en cours de tour, refuser un appel d’outil, ajouter un rappel à son résultat ou demander l’avis d’un modèle juge sur la réponse terminée. Le même outil permet au modèle de rédiger des règles ; un panneau d’audit dans Plugins explique pourquoi chacune s’applique.

Affiche un badge d’état Git dans la rangée d’outils du compositeur : icône de branche de 14 px à gauche du sélecteur de modèle ; au survol, nom de branche, nombre de fichiers modifiés et lignes ajoutées/supprimées. Compte les fichiers indexés, non indexés et non suivis ; rien ne s’affiche hors d’un arbre de travail Git.

Workflow multi-agent en chinois pour DeepSeek Harness : fallback de modèle par rôle, plans de tâches Mermaid versionnés, revues indépendantes Agent/Jev, collaboration durable d’experts et outils de calcul à fonctions pures.

Exploration du code prioritaire au cache : `rdd_explore` consulte l’index `.rdd/exploration` du projet ; en cas d’absence, il lance un sous-agent worker en lecture seule pour explorer et enregistrer les résultats. `rdd_models` fournit le catalogue de modèles en direct pour le choix lors du dispatch.

Modèles OpenCode Console (Zen) pour DeepSeek Harness : collez une Console API key dans Settings → Plugins pour rendre les modèles de chat Console sélectionnables ; le catalogue se synchronise automatiquement et chaque modèle est dirigé vers l’endpoint indiqué par la documentation officielle. Les modèles gratuits *-free sont masqués par défaut, car ils ne fonctionnent que dans le client OpenCode.

Transforme chaque longue conversation DSH en parcours à trois niveaux (sujet, étapes d’avancement, chronologie des jalons) dans une fenêtre superposable déplaçable ; un clic revient au message correspondant de la transcription. Les sujets sont résumés par DeepSeek, avec un repli gratuit fondé sur des règles. Ils peuvent être renommés, verrouillés ou fusionnés par glisser-déposer ; notes par conversation et tableau de dessin vectoriel inclus.

Transforme un vault Obsidian local en un panneau de chat RAG dédié : navigateur de notes, chat avec récupération et sources citées côte à côte ; recherche locale des notes par BM25 et bigrammes CJK. Les réponses transitent en streaming par le canal de modèles DSH, les citations [n] sont cliquables et l’indexation incrémentale utilise mtime.

Ajoute les modèles SenseNova (日日新) à DSH avec un pool rotatif pouvant contenir autant de clés API que nécessaire. En cas de 429, réessaie immédiatement avec la clé suivante et applique un délai exponentiel par clé. Une pré-limitation locale du RPM évite le quota ; si le pool est épuisé, renvoie 503 avec Retry-After, sans jamais transmettre de 429 à l’appelant. Le catalogue intégré fonctionne hors ligne et se met à jour depuis /v1/models. Dans les paramètres, les clés sont masquées et peuvent être testées ou supprimées individuellement.

Ajoute les niveaux de réflexion, l’entrée et la génération d’images des modèles tiers dans la page officielle Models ; plusieurs clés par fournisseur avec routage par modèle et bascule automatique de clé en cas d’échec, en-têtes de requête personnalisés par route et affichage du solde.

Ajoute Ollama Cloud comme fournisseur à DeepSeek Harness. À l’installation, enregistre la route de chat et expose les niveaux de thinking propres à chaque modèle dans le réglage d’effort du compositeur. Actualise la liste via /api/tags et /api/show, avec mise en cache pour les démarrages hors ligne ; affiche le quota et le champ API key dans Models et la barre latérale. La recherche et la récupération web d’Ollama sont aussi proposées comme fournisseurs web DSH.

Apparence façon Codex pour DSH Web : filets et ombres de fenêtre, couleurs et alignement des lignes de barre latérale, sélecteur de modèle avec réglage d'effort de raisonnement, géométrie du compositeur et panneau droit, revue complète de la modale de réglages, sortie de la vue Trajectory, et carte pour thème, accent, fond, premier plan, polices, transparence et contraste.

Connecte automatiquement à DeepSeek Harness les modèles inclus dans l’application de bureau WorkBuddy, sans configuration.

Panneau flottant d'apprentissage du code : édite et exécute Python/JavaScript/TypeScript/PowerShell avec code de sortie et durée, note des cours JSON et exporte la progression, conserve notes Markdown et extraits, et envoie code et question dans la conversation pour réponse par le modèle principal.