Plugins

Mémoire de projet pour dsh avec intégration native au système de tâches : les todos de session et les lectures de fichiers sont condensés automatiquement en enregistrements de tâches inter-session (liens tâche↔fichier), afin que les workflows puissent être repris et réutilisés sans recontextualisation. Mémoire à la lecture (pas de scan préalable) : extrait les symboles de code, résume les docs et relie docs↔symboles ; enrichissement sémantique TS optionnel (activé automatiquement si TS est installé). Les notes d’expérience sont dédupliquées automatiquement. Chaque rappel inclut une citation traçable. Pure JS, une seule dépendance, fonctionne immédiatement, fonctionnement silencieux, surcharge nulle.

Transforme les documents locaux en markdown et texte en une base de connaissances interrogeable avec recherche hybride sémantique et par mots-clés, vérification des citations et injection de sources.

🌊 Panneau ancré persistant et entièrement personnalisable de solde/utilisation pour DeepSeek Harness — carte thermique d'activité, comparaison à deux canaux, uniquement local et axé sur la confidentialité.

Optimisation en un clic d'une instruction brute en prompt professionnel : trois styles de sortie, profilage de rôle/tâche/objectif conscient de la situation, apprentissage auto-itératif (mémoire de session + valeurs par défaut intelligentes + substitutions utilisateur), /template pour 22 sous-scènes avec zéro appel au modèle, ✨ optimisation/annulation en un clic dans la zone de saisie, outil prompt_optimize, hook d'auto-optimisation et documents zh/en détectés automatiquement.

Skill Smart Charts : transforme les fichiers de données CSV/TSV/TXT/XLSX/XLS/JSON en HTML ECharts interactif autonome — 32 types de graphiques, dont des cartes hors ligne, 3 thèmes, sans CDN. Un profil de données --profile (type par colonne, cardinalité, valeurs manquantes, échantillons, statistiques, granularité d'entité, signaux d'analyse) permet à l'agent de lire les données et de choisir lui-même le graphique ; chaque graphique intègre une fiche factuelle (plot_stats + data_preview) dont les chiffres sont les seules valeurs citables. Le code de transformation LLM s'exécute dans un bac à sable restreint (liste noire + liste blanche AST + fonctions intégrées sûres) ; --doctor vérifie lui-même l'environnement Python. Entièrement hors ligne, ECharts inclus.

Pont vers les appareils HarmonyOS : boucle d'automatisation hdc pour captures d'écran/installation/logs/crashs/UI avec read_image, une base de connaissances API versionnée priorisant les sources officielles (SDK .d.ts + documentation embarquée hors ligne), et une chaîne de build/signature/lint via le CLI DevEco.

Solde du compte DeepSeek et coût de session dans le dock du composer, avec tarification officielle récupérée automatiquement et prise en charge heures pleines/creuses.

Faites correspondre vos modèles et vos budgets de tokens à chaque rôle, puis laissez DSH déléguer des sous-agents spécialisés selon le type de tâche. Couvre l’analyse d’architecture, l’UI/UX, l’implémentation de code, l’exploration de la base de code et la recherche documentaire, avec configuration automatique ainsi qu’un effort de raisonnement et des permissions d’outils par rôle.

Analyse de documents DSH indépendante du fournisseur, propulsée par MinerU, avec tâches d'arrière-plan natives, résultats immuables et fusion sécurisée des requêtes.

Générateur de galgame : fournissez-lui un document de script et des ressources de personnage/fond/BGM/animation dans l'espace de travail (img_human/, img_bg/, audio/, img_cg/) et il génère une page web de roman visuel jouable avec emplacements de sauvegarde configurables ([存档 N], 9 par défaut), sprites suivant l'intervenant avec changement de variante multi-pose ([表情]), animations d'ouverture/fin/CG ([op]/[ed]/[cg]), contrôle lecture/arrêt/volume de BGM et branchement par lignes if.

Outil de compréhension vidéo à faible coût : un outil video_understand transforme un lien Bilibili / BV / une vidéo locale en couche d’informations AVIS (ASR + structure de scène + suivi d’objets + étiquettes YOLO) et renvoie un résumé + Q&R. Routage dynamique inter-couches guidé par les questions (L0 ASR / L1 suivi d’objets / L2 VLM sur image clé), réutilisation de la couche sémantique pour les questions répétées, plafond de budget par question. Moteur Python : la couche principale nécessite faster-whisper / opencv / yt-dlp (~200-300MB) ; la couche sémantique optionnelle ajoute ~2GB de torch / transformers / ultralytics. Un doctor --fix inclus configure le venv et installe les deux.

Le trio bureautique ! Outils de documents bureautiques pour DeepSeek Harness (dsh) : génère, lit et modifie des feuilles de calcul (.xlsx), des PDF et des présentations (.pptx).

Score multi-dimensionnel de qualité pour les plugins DeepSeek Harness, évaluant un dépôt ou un paquet npm selon la réussite de l’installation, l’activité de maintenance, l’exhaustivité de la documentation, l’analyse de sécurité et la conformité au protocole à partir de preuves CLI réelles, et produisant un rapport de classement en JSON ou Markdown.

Compétence et outils de présentation : transforme une seule phrase ou un document en diaporama HTML et en PPTX modifiable, avec sept mises en page (dont citations et tableaux PPTX natifs), notes du présentateur (panneau HTML via la touche S et diapositives de notes natives), cinq thèmes intégrés, configuration par défaut du thème/de la langue et prise en charge bilingue.

Solde du compte API DeepSeek en temps réel dans le dock du compositeur, avec actualisation manuelle ou automatique à intervalle personnalisé.

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.

Rendez n'importe quel projet prêt pour les agents IA en une seule commande. Détection adaptative de la stack technique (7 langages × 14 frameworks × 61 composants), génération automatique d'AGENTS.md, d'un squelette de documentation, de CI/CD et d'infrastructure de tests. En une phrase : donnez à n'importe quel projet la capacité d'être développé par IA.

Usage de l'abonnement OpenCode Go (fenêtres glissantes/hebdomadaires/mensuelles avec comptes à rebours de réinitialisation) dans le dock du composeur, avec un éditeur d'identifiants intégré.

Revue hors ligne de schémas pour EasyEDA Pro, exposée à dsh sous forme de quatre outils : rapports de contrôle ponctuels, squelettes d'architecture, un diagnostic d'installation et un pont vers l'éditeur en direct privilégiant les actions en lecture seule, le tout piloté par la CLI locale boardwise.

FormatForge : forge 30+ formats de fichiers (PDF, DOCX, PPTX, XLSX, EML, EPUB, TOML, archives) en texte lisible par l'IA via une boîte de réception glisser-déposer, les outils ff_translate/ff_formats/ff_result et une CLI ; les PDF numérisés se rabattent sur un OCR local ou une indication d'amélioration pour le modèle de session.

Intelligence documentaire locale pour PDF, Office, images et OCR pour DeepSeek Harness.

Une mascotte ikun (mème de basket-ball) qui remplit le dock sous la ligne de statut « Deep diving... » pendant les réponses : une mascotte en feuille de sprites marche le long d'une barre de progression de 0→100 %, changeant d'animation et de texte tous les 20 %, et joue un signal vocal système « nǐ gàn ma~ » à la fin.

Barre d'utilisation OpenCode Go dans le dock du compositeur : anneaux de quota glissant/hebdomadaire/mensuel, statistiques de jetons et de coûts de session DSH calculées avec les tarifs officiels en temps réel, répartitions par modèle et par portée de session actuelle avec mises à jour en direct par session, copie de la clé API en un clic.

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.