Plugins

Génère et affiche automatiquement des images dans le chat DSH via des canaux API ou des CLIs locales (mmx / codex / agy), et peut également reconnaître des images à l'aide de la CLI correspondante.

Fournisseur de modèles Kiro avec connexion via Builder ID, Identity Center, Google, GitHub et import d'identifiants, actualisation automatique des jetons et profils, utilisation du compte, découverte des modèles en direct, efforts de raisonnement sélectionnables, appels d'outils en flux, gestion de la raison d'arrêt du fournisseur et du débordement de contexte, et comptabilité des jetons qui utilise les compteurs exacts de Kiro lorsqu'il les envoie et sinon met à l'échelle le pourcentage d'utilisation du contexte qu'il envoie selon la fenêtre annoncée du modèle.

Réveille l'agent principal après tout redémarrage de DSH pour que le travail interrompu reprenne automatiquement — ajoute un outil de redémarrage et un canari optionnel qui valide le boot et annule avec une alerte avant un redémarrage cassé.

Mémoire inter-sessions basée sur des fichiers : fichiers mémoire en Markdown brut avec injection automatique de récupération, format compatible avec CLAUDE.md et les fichiers mémoire de Claude Code, donc la migration est une copie manuelle de fichiers.

Intégration de TencentDB Agent Memory avec capture des conversations, extraction structurée de la mémoire, rappel automatique, et outils de recherche dans la mémoire et les conversations.

Mémoire inter-sessions automatique pour DeepSeek Harness, adossée à un service EverOS local.

Animal de bureau Cristiano Ronaldo pour DeepSeek Harness : une mascotte chibi au numéro 7 du Portugal en superposition en bas à droite, dont l'animation suit l'état de l'agent (il dribble pendant l'exécution des outils, réfléchit, attend les approbations, plonge sur les erreurs et célèbre SIU avec un son de l'hôte en fin de tour) ; il se déplace, regarde le curseur, plonge au triple clic, et un panneau gère plusieurs animaux et importe des spritesheets personnalisées. Il tourne aussi comme fenêtre native Windows sans bordure et toujours au premier plan qui survit à la fermeture du navigateur : le survol affiche l'espace de travail et le titre de conversation, le double-clic ouvre Harness dans Edge.

Rétrospective de session automatique : à la fin d'une conversation, distille l'expérience utile en compétences réutilisables stockées dans la bibliothèque de compétences pour que le modèle les appelle, avec déclencheurs accélérés par signaux, exécutions manuelles, un mode d'approbation et la gouvernance de la bibliothèque (archiver/restaurer, jamais de suppression directe).

Build de bureau Electron prêt à télécharger et exécuter (installeurs macOS/Windows) : pas besoin de Node.js ni de terminal, suit automatiquement les versions amont de `@deepseek-ai/dsh`, avec Web UI intégrée et mise à jour automatique.

Réécrit la copie chinoise d'un plugin installé sur le marché en anglais via un modèle déjà configuré dans le harness : automatiquement à l'installation du plugin, puis rechargé à chaud. Chaque fichier est traduit en une passe complète, validé par un analyseur réel lorsqu'il existe (node --check pour JavaScript, analyseurs JSON et YAML sinon), puis renvoyé au modèle avec l'erreur jusqu'à trois tentatives de réparation ; les fichiers de plus de 48 Ko, ou qui ne s'analysent jamais, basculent vers une passe par plages de lignes comparant chaque ligne renvoyée à l'originale pour la structure. Les phrases de déclenchement et les tables de locale peuvent être préservées au lieu d'être traduites, et l'original intact est conservé à côté du fichier en .zh.bak.

Optimisation réseau pour l’interface web DSH : réduit la taille des transferts grâce au cache et à la compression pour accélérer fortement le chargement des pages, avec en plus un indicateur de coupure de connexion et une reconnexion automatique. Idéal pour les utilisateurs recherchant des performances maximales ou utilisant des réseaux instables.

Gestion de version pour dsh : compare la version installée à chaque canal ou ligne de versions npm, installe ou rétrograde en un clic, diffuse le journal en direct (copie rollback-snapshot, extraction npm, temps écoulé), revient depuis des instantanés locaux et automatise le cycle via une politique (mise à jour silencieuse, fenêtres d’exécution, contrôles quotidiens). N’arrête jamais npm au milieu; un blocage n’est stoppé qu’après une heure, et un arbre global à moitié engagé est réparé depuis l’instantané pré-installation. Confirme avant installation, redémarre l’hôte après coup et bascule vers un miroir si le registre principal est indisponible.

Routage proxy par modèle pour les requêtes LLM : les modèles sélectionnés passent par un proxy (Clash, etc.) tandis que les autres restent en direct, avec réessai automatique sur erreurs de transport, 429 et 5xx, configuré en direct depuis la page des paramètres.

Discutez avec Excel dans DeepSeek Harness : créez, éditez, réparez et vérifiez des feuilles de calcul par conversation, avec des vérifications automatiques de l'état des formules après chaque édition.

Ajoute un outil de capture d'écran plus deux points de capture automatique optionnels, plaçant l'écran dans la conversation sous forme de bloc image ; nécessite un modèle capable de traiter les images.

Aperçu inline pour les marqueurs image [图片: path] : après le rendu du marqueur, l'image s'affiche automatiquement dans le chat, sans laisser traîner les longues instructions dans la conversation.

Plugin de planification multi-modèle proactive : ingestion de signaux multi-sources avec déduplication et classement d'urgence, moteur de décision à quatre voies (exécuter/différer/rejeter/demander à l'utilisateur), génération de plan DAG avec exécution parallèle de modèles, réflexion qualité avec réessai automatique et changement de modèle, mémoire long terme pour les motifs de tâches et leçons, et évolution de stratégie via algorithmes génétiques avec évaluation en sandbox et déploiement canary.

Mémoire markdown à long terme entre sessions, avec une structure LLM-Wiki et un persona SOUL.md, injectée au début de la session, plus des flux remember/recall/consolidate/forget, un skill de mémoire intégré, des outils de migration pack/unpack et une relance de rappel à la première personne pendant les temps d'inactivité. Ajoute aussi l'observabilité et l'entretien qui manquaient : budget de bloc de démarrage par fichier, horodatage automatique de last_access pour que la décroissance de saillance fonctionne, tableau de bord de santé en lecture seule, compilateur d'index déclaratif, graphe de mémoire interactif, requêtes structurées, suggestions de liens croisés et rapport checkup terminé par une liste d'actions priorisées. La charge de démarrage a été réduite d'environ 23 %.

Routage des requêtes d'agent vers des modèles par défaut, planner et subagent configurables, utilisant automatiquement le rôle planner en mode plan, avec effort de raisonnement par rôle et configuration Web UI.

Encapsule les commandes de gestion de l'environnement virtuel Python : réduit les problèmes de réseau et d'autorisation rencontrés par les agents lors de la gestion des environnements via des commandes de terminal, fonctionne sur tous les systèmes d'exploitation et achemine automatiquement les installations via des miroirs et des proxys locaux. Les outils sont strictement limités par les autorisations de lecture/écriture accordées.

Un plugin dsh qui permet à l'IA d'invoquer automatiquement des VLM (modèles multimodaux) pour l'analyse visuelle.

Approbation et revue automatiques des appels d'outils nécessitant une approbation : des groupes de mots-clés font correspondre les lignes rouges sans contexte, puis un modèle juge classe ce qui a été demandé et l'envoie vers autoriser, rejeter ou un humain selon la ligne correspondante et le niveau de risque ; un jugement qui n'a jamais été exécuté va toujours à un humain, et les rejets expliquent au modèle pourquoi.

Reprise automatique des sessions d'agent interrompues : une table de règles ordonnée route selon le type d'échec (limite de débit, quota, authentification, dépassement de contexte, orphelin planté) vers une nouvelle tentative avec repli automatique, un changement de modèle, une reprise après compaction du contexte ou une notification d'arrêt de perte, avec un éditeur de règles visuel et un journal d'activité complet.

Assistant vocal pour dsh web : prononcez la phrase de réveil (par ex. « 小鲸 ») pour activer la dictée mains libres — ce que vous dites est transcrit et saisi automatiquement dans la zone de chat. Prend en charge les commandes d'édition vocales (envoyer, effacer, nouvelle ligne, arrêter la lecture) et lit à voix haute les réponses de l'assistant en chinois. La reconnaissance vocale s'exécute localement dans le navigateur via sherpa-onnx WASM, elle fonctionne donc hors ligne sans clé API.