Plugins

Outils `web_search`, `image_gen` et `image_vision` adossés à Codex pour DeepSeek Harness, réutilisant l'état de connexion OAuth ChatGPT.

Panneau latéral d'aperçu web : hébergement statique local, aperçu Markdown/code/image, lancement en un clic des projets non statiques (Cargo/npm/Go/Python) avec logs live, glisser-déposer de fichiers dans le chat (sauvés dans le workspace), marquage et annotation d'éléments, recherche de fichiers du workspace sur 404, et prise en charge des clics de liens vers le panneau latéral.

Minuteur pomodoro de concentration/pause pour DSH Web, avec cycles configurables, mini-panneau déplaçable et notifications in-app, sonores et navigateur.

Plan de travail aligné sur grille et déplaçable composé de 28 mini-cartes dans les marges de la conversation (solde API, utilisation des jetons, coût, pression du contexte, tâches, objectif, carte thermique d'utilisation, dépôt GitHub, relais d'images), avec des niveaux de taille S/M/L/XL.

Route chaque tâche vers un modèle et sa révision vers un autre, avec preuves de qualification, bascule et un journal durable.

Un seul dépôt qui s'installe à la fois comme plugin Claude Code et comme plugin DSH : six compétences d'ingénierie (recherche, exploration d'architecture, orchestration d'implémentation, revue de diff à trois axes, audit de complexité, tests par mutation) plus un outil agentforge répartissant cinq sous-agents.

Intègre les modèles inclus dans l'app Xiaomi MiMo desktop (gratuit pendant la bêta) à DeepSeek Harness, sans configuration dans la fenêtre de conversation DSH.

Thème visual novel 『Mahoutsukai no Yoru』 pour l'interface web de DeepSeek Harness : menus dans le style original, trois personnages avec leur persona, playlists jour et nuit et une séquence de fin. Le dépôt ne fournit aucun asset propre ; les 380 fichiers / 263 MiB qu'il pilote (136 sprites, 208 éléments d'interface, 13 arrière-plans, 23 audios) doivent être récupérés depuis votre propre copie du jeu original, et l'écran reste largement vide d'ici là. Les 23 audios sont des OGG à un en-tête près ; les 357 images utilisent des formats propriétaires .mzp/.cbg, le guide de correspondance propose donc deux voies et l'une exige que vous fournissiez votre propre décodeur.

Une télécommande minimale par téléphone pour DeepSeek Harness : la page téléphone ne porte que l'instruction envoyée et la conclusion finale de l'IA, tandis que les appels d'outils, l'accès aux fichiers, l'envoi de sous-agents et les traces de raisonnement restent sur l'ordinateur, accessible en LAN, Tailscale ou tunnel Cloudflare avec QR code, lien et mot de passe pour chaque route.

Rapports de dérive comportementale pour les sessions DSH : compare deux journaux de session et rend compte de l'alignement des séquences d'outils, du mélange d'outils, du volume de raisonnement, du timing, des reprises et des fichiers ciblés, avec un seuil CI facultatif. Zéro dépendance.

Apparie deux machines DeepSeek Harness avec un code à usage unique — directement sur un réseau local, ou entre réseaux via un relais chiffré de bout en bout avec un défaut officiel sans configuration — pour qu'un agent puisse exécuter des tâches et échanger des fichiers sur l'autre machine, chaque machine gardant ses propres fichiers en place.

Optimiseur de prompt structuré par agent pour DeepSeek Harness : réécrit les brouillons du composeur en role/task/context/constraint/format avec les modes normal, slim et expand, une modale de confirmation avec score, continue-optimize, et des moteurs local, hybride, DSH ou API cloud.

Persona pour DeepSeek Harness : un config.json régit le nom que se donne l'IA (par modèle, par palier), comment elle vous appelle, sa posture, le texte de caractère, des contrats par élément avec options, la langue de la réflexion et le ton des réponses, plus une mémoire à confirmation humaine : l'IA ne peut qu'ajouter des candidats, une ligne de confirmation les active, et le journal est en ajout seul, rejouable. Les entrées confirmées sont injectées comme bloc cité de données et non d'instructions ; celles étiquetées d'un kind vont vers des fichiers arbitraires et n'atteignent jamais le prompt. Le prompt est relu depuis le disque à chaque assemblage : les modifications s'appliquent sans redémarrage. Presets : instantanés JSON partageables. Sans dépendances, réseau ni shell.

Changement de modèle et contrôle de l'effort de raisonnement pour DeepSeek Harness : les outils d'agent set_model et list_models permettent à l'agent de changer seul de fournisseur, de modèle ou de profondeur de réflexion en cours de tâche, avec motif obligatoire, liste blanche de fournisseurs et garde-fou sur la pression de tokens de la fenêtre de contexte ; le modèle actif est injecté dans le contexte d'exécution, et la transition automatique du Plan Mode bascule vers un modèle de planification configuré à l'entrée en mode plan puis restaure le modèle d'exécution précédent à la sortie.

Enregistre la skill fight-scene-director pour concevoir des scènes de combat en vidéo IA, portée depuis la skill Codex du même nom. Émet des prompts chinois structurés pour Seedance 2.0/2.5 et MiniMax H3, ainsi que des prompts d'image de carte de trajectoire et de position initiale.

Passerelle Feishu/Lark pour DeepSeek Harness avec conversations persistantes par sujet, cartes d'exécution en direct, entrées d'images et de fichiers, approbations et questions dans le chat, listes blanches de sources, et tâches d'agent durables uniques ou récurrentes créées en langage naturel.

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.

Mascotte d'usage du forfait pour l'interface web DSH : un personnage flottant à animation squelettique annonce le quota dans une bulle de dialogue, en identifiant automatiquement le fournisseur configuré (OpenCode Go, Command Code, DeepSeek) pour afficher un pourcentage de forfait ou un solde de compte, et en se rabattant sur les statistiques locales de tokens lorsque l'API du fournisseur est indisponible ; déplaçable, redimensionnable à la molette (90-260px), sons de clic synthétisés, routes en loopback uniquement.

Saisie à une main, sans clavier, pour la zone de rédaction : maintenez le bouton de la souris enfoncé sur la zone de saisie, parlez, relâchez — le texte atterrit dans le brouillon, et glisser vers le haut annule sans laisser une phrase à moitié écrite. Pas de bouton micro à viser ni de raccourci à mémoriser ; la main n'a jamais à quitter la zone de saisie, ce qui est tout l'intérêt quand l'autre main est occupée. La reconnaissance fonctionne entièrement hors ligne (SenseVoice via sherpa-onnx, aucune clé API, l'audio ne quitte jamais la machine).

femo (Flow Emerges Mag Opus) — orchestrez un monde multi-agents comme on écrit un scénario. Version plugin dsh : moteur, pont et éditeur visuel réunis dans un seul dossier, autonome, il suffit de déplacer le dossier pour l'utiliser.

Plugin DeepSeek Harness qui garde honnêtes les affirmations au vert de l'agent : les exécutions de vérification deviennent des reçus, les modifications sont suivies, et un « tous les tests passent » périmé, échoué ou masqué est transformé en nouvelle exécution plutôt qu'en fin de tâche.

Ensemble de renouvellement de la fenêtre de contexte piloté par le modèle pour DeepSeek Harness : contexte de travail neuf, notes durables gérées par le modèle, une petite queue récente mot pour mot et une récupération ciblée de l'historique — sans résumé.

Ajoute une commande /simplify qui demande à l'agent de simplifier le code dans une portée de modification Git sélectionnée, y compris les modifications indexées, les commits et les fichiers non suivis.

Plugin de modèle local pour DeepSeek Harness : gérez les modèles GGUF dans les paramètres, lancez automatiquement llama.cpp au premier message, et déchargez automatiquement après 5 minutes d'inactivité pour libérer la VRAM.