Plugins

Revue de plan avec des annotations ancrées et un retour structuré vers l'agent.

Planifie des récapitulatifs GitHub Trending quotidiens, hebdomadaires ou mensuels. Le noyau local trendradar rédige des résumés chinois et bilans de période, les valide dans votre propre dépôt et ouvre une pull request. Espace de travail avec vue d'ensemble, récapitulatif, historique, abonnement et paramètres.

Associe un téléphone à l’instance DSH de cet ordinateur par QR ou code à six chiffres, puis la pilote à distance depuis un panneau : envoi d’instructions, affichage d’images et réponse aux approbations. Tunnel public disponible pour relier des réseaux différents.

Convertit les vidéos Bilibili en texte structuré pour l’IA : métadonnées, commentaires, danmaku, sous-titres, ASR local et OCR des images. Traitement local, sans envoi au cloud ; vérifie les images pour détecter les faux sous-titres, réutilise le cache et produit manifeste et résumé pour l’IA. L’OCR des images nécessite ffmpeg. L’ASR/OCR local requiert des environnements virtuels Python 3.10+ et, sous Windows, le runtime VC++. Les sous-titres IA nécessitent une connexion Bilibili.

Lit à voix haute les réponses de Harness avec un moteur TTS local existant : lanceurs IndexTTS et GPT-SoVITS intégrés, entrée HTTP/JSONL locale fondée sur un protocole, chargement de dossiers de modèles pour les environnements SDK Kokoro, F5-TTS, VoxCPM, Qwen3-TTS et CosyVoice. Aucun modèle n’est fourni. Dérivé de 1624318455/dsh-plugin-tts ; l’identifiant de ligne et les réglages sont isolés afin d’installer les deux côte à côte en désactivant les fonctions en doublon.

Transfère vers DSH les guides d’ingénierie pstack de poteto, couvrant planification, revue, vérification et mise en production.

Gardien de la rédaction de brevets pour dsh — filtre d'abord l'idée au regard de l'art antérieur chinois, puis mène des entretiens d'alignement à cinq parties, la rédaction d'un exposé en huit chapitres, des figures et des exécutions de simulation, une revue en sept dimensions et l'export docx/PDF. Les skills fonctionnent immédiatement ; les outils de recherche, d'export et d'expérimentation proviennent d'un service MCP Python inclus, livré désactivé — une ligne dans ~/.dsh/patent-services.yaml l'active, et uvx récupère le wheel depuis PyPI.

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.

Gérez les serveurs MCP, les skills et les outils de votre agent — état réel en contexte (chargé/tronqué/évincé) et interrupteurs par session.

Workflow de type Trellis pour DeepSeek Harness : repères de phase par tour via agent/pre-step, fournisseur de skills groupé, et état natif DSH des tâches/phases avec garde-fous de propreté git.

Couche d'intégration native DSH pour le moteur de mémoire Minta : compose la ligne officielle dsh-mcp-client, enregistre la skill minta-memory-governance ainsi qu'un préchauffage de mémoire en début de session, et fournit un preset d'agent Minta ; nécessite le moteur Minta déployé séparément (Python/Docker) pour fournir les 19 outils MCP — inutilisable sans celui-ci.

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.

Pont QQ bidirectionnel sur OneBot v11 (WebSocket inverse) : sessions par groupe et par chat privé, voix speech-to-text citée par @, visualisation privée d'images/images animées, outils de visage et de sticker.

Conserve un pool de clés API par fournisseur avec des routes clones créées automatiquement, passe à la clé suivante en cas d’erreurs de quota ou de rate limit, interroge les clés refroidies pour la reprise, et affiche les pools, le cooldown et les codes de bascule dans une section Settings.

Badge de quota d'en-tête plus un onglet de surveillance de l'utilisation : solde en direct/quota restant et compte à rebours de réinitialisation par fournisseur, avec requêtes, jetons (entrée/sortie/cache-lecture/cache-écriture), taux de réussite du cache, coût estimé et latence moyenne suivis par session, fournisseur, modèle et client, stockés localement dans SQLite avec importation/exportation multi-appareils.

Entrée vocale pour la Web UI : dictée segmentée par pauses et messages vocaux, chacun avec sa propre chaîne de repli de fournisseurs (Deepgram, Groq, HuggingFace, whisper.cpp local ou point de terminaison compatible OpenAI).

Récupère n'importe quelle page http/https et renvoie le titre, la description, le texte principal, le plan des titres et les liens, avec des statistiques (nombre de caractères/mots, temps de lecture, langue) et les mots-clés principaux ; peut télécharger les images du contenu dans l'espace de travail de la session pour analyse visuelle et les transmettre aux analyseurs enregistrés via le service scrape.imageAnalyzer.

Modèle par défaut configurable pour les délégations de sous-agents via settings.yaml, avec stratégies mono-modèle et multi-modèles en tourniquet ou aléatoire.

Fournisseurs de recherche SearXNG et de récupération Crawl4AI pour DeepSeek Harness

🔔 Notifications d'achèvement et d'approbation inter-fenêtres pour DeepSeek Harness — des rappels contextuels qui vous ramènent à DSH, façon Codex/WorkBuddy.

Approbation automatique basée sur des règles pour les escalades du bac à sable de DeepSeek Harness, avec un réviseur LLM optionnel et un repli humain natif.

Adaptateur LLM GitHub Copilot : connexion par flux de périphérique OAuth, découverte de modèles en direct depuis l'API Copilot, prise en charge de la vision pour les modèles compatibles image (gpt-4.1, gpt-4o), et deux protocoles de communication (Chat Completions et Responses API) avec routage automatique des endpoints par modèle.

Charge les fichiers .mpkg de Wallpaper Engine comme arrière-plan Web DSH : vidéo intégrée, commutation selon l'heure, flou givré unifié, bibliothèque locale de fonds d'écran et rotation.