Plugins

Flux d'eau continu pour l'état de tour « Deep diving... » de dsh web : trois courants dégradés en parallaxe balayent le texte comme de l'eau qui coule, remplaçant le scintillement à bande unique d'origine. Respecte les thèmes clair/sombre et reduced-motion.

Publiez des fichiers TXT, Markdown, HTML, PDF, Word et PowerPoint sous forme de liens ShareOne avec mots de passe, filigranes, mises à jour de pages texte et commentaires TXT/Markdown/HTML.

Un kit d'apparence pour la Web GUI DeepSeek Harness : 32 thèmes préréglés, fonds personnalisés (papier peint / verre / texture), profondeur de texte par zone, et animal de bureau au clavier.

Visibilité de contexte façon Codex pour DeepSeek Harness : occupation live de la fenêtre de contexte, décomposition de composition, taux de hit KV-cache, et carte thermique d'usage 53 semaines façon GitHub

Plugin out-of-tree DeepSeek Harness : donne des yeux à un modèle de codage textuel en routant les images vers une route Qwen-VL (DashScope) via ctx.llm et en retournant du texte.

Plugin DSH : mémoire Honcho v3 double pair automatique, rappel contextuel, recherche, raisonnement, conclusions, et diagnostics de santé

Enregistre la skill remove-pdf-background-gray pour DSH : blanchit les fonds de scan gris ou cassés des PDF imagés tout en préservant la résolution, la géométrie des pages et les bords de texte anticrénelés (réécriture Flate sans perte), via un unique script Python (pypdf + Pillow + numpy).

Pont de pièces jointes d'images dans le chat avec un outil view_image pour tout VLM compatible OpenAI (Ollama local ou cloud) : les images collées/déposées deviennent des marqueurs de chemin view_image avant d'atteindre les modèles DeepSeek texte uniquement.

Outil `describe_image` : un pont de vision qui envoie les images à mimo-v2.5 via l'API opencode Zen (identifiant `OPENCODE_GO_API_KEY`, route gratuite d'abord avec repli payant) et renvoie des descriptions texte aux modèles texte seul, avec passe-plat natif et transcodage ImageMagick des formats SVG/TIFF/HEIC.

Outil image_describe (识图) côté modèle sur l'API compatible OpenAI de DashScope (qwen3.7-flash), plus un pont de collage : sur les sessions texte uniquement, les images collées se convertissent automatiquement en chemins de fichiers à l'envoi et se réaffichent dans la transcription, sans jamais déclencher l'admission d'images. Apportez votre propre DASHSCOPE_API_KEY ; endpoint/modèle/budgets configurables, client HTTP anti-redirection, fonctionne dans tous les agent presets.

Pont de vision à découverte automatique pour les agents DeepSeek Harness texte seul : trouve automatiquement un modèle capable de traiter les images parmi vos fournisseurs configurés et renvoie les descriptions en texte brut via un outil de vision.

Adaptateur DeepSeek augmenté par la vision : un modèle capable de vision décrit l'image en entrée, puis un modèle DeepSeek texte seul raisonne sur cette description.

Vision à la demande pour les modèles DeepSeek texte seul : envoyez des images et le modèle appelle un outil view_image adossé à n'importe quel endpoint de vision compatible OpenAI (Qwen/DashScope par défaut).

Vision en plugin pour les modèles texte seul sur DSH, avec interaction native pour la compréhension et la génération d'images, l'automatisation d'interface, une mémoire de preuves en couches et un cache.

Vision structurée local-first pour agents texte seul : les images partent vers un VLM local compatible OpenAI et reviennent en preuves JSON (résumé, OCR littéral, régions de mise en page, entités/relations, couleurs, incertitude explicite), avec repli anti-hallucination et pont facultatif de collage/envoi ; coût cloud nul, les images ne quittent jamais la machine.

Encodeur de synesthésie pour DSH : un modèle de vision traduit les images en un texte spatial structuré et compact (canevas/éléments/coordonnées en pourcentage), offrant aux LLM texte seul une compréhension d'image au niveau du pixel via l'outil `mm_vision`.

Récupère le mode vision intégré de DeepSeek web pour les modèles texte seul : l'outil deepseek_vision pilote l'automatisation de navigateur locale deepseek-vision-cli (aide à la connexion manuelle, deep-think activé, fermeture automatique du navigateur) et renvoie les descriptions d'images sous forme de texte.

Curation de la sortie des outils à l'ingestion : conserve les lignes d'erreur et d'avertissement ainsi que le début et la fin, déverse le texte complet sur disque avec un pointeur que le modèle peut relire ; couvre tous les outils textuels, les petits résultats passent intacts.

Un outil `search` qui apprend à choisir entre stratégies de recherche rapide et approfondie grâce à un bandit contextuel (échantillonnage de Thompson), s'améliorant à partir de l'usage réel plutôt que d'une heuristique figée.

Portage allégé de Headroom : compresse la sortie des outils, réduit jusqu'à 20 % du contexte, sans affecter le cache de contexte du modèle ni les performances de l'agent.

Paquet de garde contre le mojibake pour DSH : détection de texte corrompu par caractéristiques avant écriture avec revue puis libération (une nouvelle tentative identique passe), plus audit d'encodage pwsh avant exécution (ANSI/GBK/UTF-16/Default). Windows et chinois d'abord.

Mémoire d'indices d'événements inter-sessions pour DeepSeek Harness : extrait automatiquement de chaque tour les indices de tâche/conversation et les habitudes linguistiques de l'utilisateur dans une banque d'indices globale persistante, puis réinjecte le contexte mémorisé à la détection d'un changement de sujet (correspondance par mots-clés ou vectorielle).

Élagage du contexte rédigé par le modèle pour DeepSeek Harness via l'API officielle de compaction.

Tableau de focus pour les agents DeepSeek Harness : des notes durables tenues par le modèle dans le workspace de session, qui fixent l'objectif, les contraintes et les décisions à travers la compaction et les sessions, avec injection automatique dans le contexte, archivage à l'effacement et panneau web optionnel.