Plugins

Panneau latéral avec explorateur de fichiers, terminal et revue Git pour des aperçus de fichiers rapides.

Connecte DSH à un nœud anet local via un client MCP stdio. Trois compétences et 14 outils pour découvrir les agents AgentNetwork, envoyer/suivre/répondre à des tâches A2A chiffrées de bout en bout, payer ou refuser des compétences tarifées dans les limites de l’opérateur, lire la chaîne de preuves locale et signaler l’état du nœud. Linux/macOS uniquement ; nécessite un nœud anet 0.3.0+ local en fonctionnement.

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.

Ajoute un océan animé de baleines ASCII derrière les conversations vides, avec une zone de saisie neutre en verre dépoli, choix des couleurs, thèmes clair/sombre et réglages des baleines, poissons, grilles et sillages.

Lit les GIF et WebP animés comme des animations : un élément collé continue de jouer dans l’interface tandis que le modèle reçoit une planche étiquetée d’images échantillonnées. L’outil read_animation échantillonne un fichier à la demande.

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.

Se connecte à un compte ChatGPT par OAuth et expose les modèles de son forfait comme route fournisseur DeepSeek Harness. Appelle api.openai.com/v1/responses avec les droits du forfait du compte, et non via le backend Codex.

Installe Herta comme agent DeepSeek Harness : un preset portant ses sections de prompt de persona et de mémoire, six outils de mémoire et de voix, une couche narrative qui sépare sa réflexion de ce qu'elle dit, 80 clips vocaux fournis, la synthèse vocale hors ligne et MiniMax, et deux vues de conversation qui rendent la session avec ses propres composants.

Un atelier d'écriture de romans pour DeepSeek Harness : vous votez pouce en l'air ou pouce en bas sur des passages candidats, et le modèle les distille en un court profil de préférences reporté dans les appels de rédaction suivants, tandis que le manuscrit reste hors du contexte de rédaction. Ajoute un tableau de chapitres, des packs d'écriture par chapitre, une révision limitée aux annotations qui ne réécrit que le paragraphe annoté et vérifie le reste octet par octet, un registre de projet et des contrôles de rythme locaux.

Plugin DeepSeek Harness qui transforme les jugements Jev en trois actions automatiques — élaguer la sortie d'outil surdimensionnée vers les segments pertinents pour la requête, filtrer les pages récupérées à la recherche d'instructions visant le modèle, et choisir la skill adaptée à l'étape suivante — plus les outils jev_ask et jev_gate, un registre de jugements qui survit aux redémarrages et un rapport /jev-status. Nécessite une clé d'API TypeSafe ; sans elle, il reste inerte et n'envoie rien.

Ajoute /review, /review-status et /review-cancel pour lancer un sous-agent natif indépendant qui inspecte une portée Git choisie (branche de base, modifications non validées, un commit ou des instructions personnalisées) et renvoie un rapport de constats dans la conversation en cours, avec une sortie en anglais ou en chinois selon la locale de l'hôte.

Réunions visuelles en table ronde pour DeepSeek Harness — nœuds experts sur un anneau avec arêtes dirigées, passerelle d’agrégation, réflexion par proxy pour les modèles travailleurs en boîte noire, et revue adverse (red-team) des plans arrêtés avec endossement/rejet par point de vue.

Plugin « écriture mono-cœur » pour DeepSeek Harness : outils minutieusement simplifiés et sortie renforcée pour les petits modèles quantifiés, adapté à l'exécution locale de pipelines de romans longs avec des modèles embarqués.

Protocole Agent2Agent v1.0 pour DSH : exécutez un serveur A2A standard pour permettre à d'autres agents d'appeler cette instance, connectez-vous à des agents A2A distants en tant que clients et gérez les deux depuis une page de réglages visuelle.

Espaces de travail unifiés : fusionne plusieurs répertoires en une seule session, gère les unions depuis un panneau de paramètres et lit/écrit les fichiers membres via les outils uw_read/uw_write/uw_edit/uw_delete/uw_move.

Mascotte de bureau dessinée d'après le contour officiel de la baleine, pour l'application de bureau comme pour l'interface web : animations SVG et expressions du visage suivant l'état de l'agent (réflexion, travail, terminé, erreur, attente de confirmation), et elle peut suivre les autres sessions en cours avec un badge de comptage ; tapotez-la, faites-la glisser, secouez-la jusqu'au vertige, écrasez-la contre un bord de l'écran, ou passez le curseur sur sa tête pour une caresse ; 7 palettes, 4 tailles, sons synthétisés, synchronisation du thème clair/sombre et aperçu web jouable.

Extension de revue des modifications de session pour DeepSeek Harness : suit les appels aux outils d'écriture/édition par session et affiche des diffs au niveau des lignes avec des couleurs personnalisables, avec isolation des sessions, agrégation des sous-agents et mises à jour en direct par SSE.

Équipes d'agents : créez des coéquipiers nommés et durables, coordonnez-les avec une liste de tâches partagée, une boîte aux lettres des membres et des espaces de travail virtuels, et regardez l'équipe en direct dans un onglet de salle d'équipe.

Notifications sonores par événement : fin de tour, approbation, question, revue de plan, objectif-bloqué, et échec de tâche reçoivent chacun leur propre son et volume, configurable dans l'UI Web (synthé intégré, muet, ou fichier audio local).

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.

Preset mode expert DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH) : coordinateur principal + 17 sous-agents experts de domaine avec délégation automatique. Fonctions : taskboard (états pending/ready/running/done/failed, DAG dépendances, réclamation atomique, retry, récupération), portes qualité (pipeline 5 étapes : exigences, implémentation, vérification, revue, intégration ; 2 reprises), Five-Anchor (revue/convergence/anti-dérive/collaboration/ressources), Near-distance (modèle identité/tâche/sortie), divulgation progressive (~28 % économie de tokens), persistance, bus P2P, revue croisée, pool d'expérience, voie rapide, auto-retry. 17 experts : données, rédaction, juridique, PM, frontend, UI/UX, architecte, social, growth, fin. quant., backend, DevOps, BD, QA, sécurité.

Rejoue des sessions sur une timeline rejouable avec utilisation des jetons par étape, audite les opérations sensibles, estime les coûts, affiche la lignée des forks, compare des sessions et exporte des replays HTML autonomes.

Utilisez un abonnement ChatGPT/Codex dans DeepSeek Harness avec les modèles GPT, la génération d'images, la recherche web, le rapport de quota d'abonnement, le contrôle des modèles et fonctionnalités, et la connexion OAuth par navigateur ou code d'appareil.

Utilisez les fonds d'écran téléchargés dans Wallpaper Engine comme arrière-plan web de DeepSeek Harness : les fonds vidéo sont lus en place, les fonds image utilisent l'œuvre autonome de plus haute résolution, avec les modes d'ajustement cover/contain et un gradateur de panneau de 0 à 100.