Plugins

Atelier de débogage sur appareil réel Android pour la GUI DSH Web : logcat auto-attaché avec filtres de sévérité/mots-clés et instantanés de crash, diffusion d'écran en direct sur l'appareil avec contrôle à distance tap/swipe/texte, boîte à outils de rétro-ingénierie memory/proc/frida, 30 outils d'agent.

Préréglage d'agent ancré unifié pour DeepSeek V4 Pro/Flash sur l'API officielle et opencode-go : amorçage Minimal-exact de la première requête à deux outils, chemins Pro/Flash tenant compte du modèle et gestion du catalogue sensible à l'époque pour la stabilité des longues sessions.

Préréglage d'agent ancré unifié pour DeepSeek V4 Pro/Flash sur l'API officielle et opencode-go : amorçage de première requête avec deux outils minimaux et exacts, chemins Pro/Flash sensibles au modèle, et gestion de catalogue sensible aux époques pour la stabilité des sessions longues.

Couche d’identité de domaine pour les sessions d’agent longues : adressage de domaine déclaratif en premier, fabrique de sessions, pause à quatre niveaux et distribution de modèles pour coordonner plusieurs sessions de premier niveau.

Couche de coordination de plugins : les plugins déclarent leurs capacités, les commandes sont routées vers le plugin propriétaire sans appel au modèle, les schémas d'outils se chargent à la demande pour réduire les tokens du prompt, l'historique d'exécution se consolide en mémoire long terme au repos, et les échecs sont classés avant toute nouvelle tentative.

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.

Réducteur de résultats d'outils sensible au contenu : 13 réducteurs taillent les sorties excessives par signification dans tools/post-execute (les tests échoués sont conservés, le contexte de diff est supprimé, JSON et CSV sont échantillonnés, les problèmes de lint sont groupés par règle, les frames de pile de dépendances sont repliées et les répertoires encombrés sont comptabilisés), les originaux complets étant déversés sur disque derrière un localisateur.

Profilage des performances et diagnostics du cache LLM pour DeepSeek Harness — ingénierie du contexte, profilage de latence et rapports sur le comportement du cache.

Passerelle MCP à divulgation progressive qui recherche de grands catalogues distants via `mcp_search`, puis invoque les schémas exacts via `mcp_call`, avec connexions différées et caches bornés.

Pack de skills modulaires de recherche/ingénierie IA, installable via dsh plugin add : enregistre 27 skills (audit de sécurité, lecture/écriture d'articles, dessin de figures, flux de travail de développement, analyse de stockage) sur ctx.skills.

Preset d'agent Learning Mode : un agent de code qui enseigne en codant — explications concrètes ancrées dans des scénarios, guidage socratique, et blancs de pratique TODO(你), modelé sur le style de sortie Learning de Claude Code ; installable via dsh plugin add (dsh-learning-mode sur npm).

Ajoute deux surfaces UI : un éditeur d’image du composeur (repères numérotés et consignes par repère, suppression de fond uni, effacement au masque pinceau, préréglages de redimensionnement/recadrage ; résultats renvoyés au composeur comme pièces jointes et capsule manifest) et un panneau Settings → vision/generation provider (3 niveaux de priorité, réorganisation par glisser, chaînes de repli de modèle par canal, vérification de solde tenant compte des arriérés, stockage des comptes ChatGPT-web). Écrit les fournisseurs résolus dans les fichiers .env des skills.

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

Plugin DSH reliant les agents à Cheat Engine pour le débogage dynamique de la mémoire : analyse, étude des pointeurs, points d'arrêt et hacking de mémoire de jeux.

Plugin de mémoire à long terme NeatMem pour DeepSeek Harness — client REST léger vers un serveur neatmem

Repliement de contexte sans perte pour DeepSeek Harness : le segment le plus ancien est remplacé par un résumé, et les originaux restent dans le journal de session.

Épingle chaque requête au palier natif d'effort maximal et ajoute un panneau de profondeur de raisonnement par modèle/mode avec un curseur de capacité de 0 à 20, des profils Velocity/Apex isolés et des boîtes à outils de raisonnement hors ligne. Distribué en build obfusqué ; usage commercial autorisé, rétro-ingénierie fermée.

Cartes de personnage pour DeepSeek Harness : ajoutent une section persona au prompt système ou réécrivent le message utilisateur via des cartes de règles avant qu’il ne soit transmis au modèle. Comprend une bibliothèque prédéfinie, des packs en fichier unique avec illustrations et un onglet Character dans la conversation.

Modes personnalisés / gestionnaire d'assistants : chaque mode a son prompt système dans les réglages — un prompt personnalisé dans un fichier simple que la boucle de l'agent relit avant chaque étape, si bien qu'une modification s'applique à la session en cours dès l'étape suivante — et démarrez-le depuis la composition officielle standard / PTC / minimal / Cordis, en activant une à une ses lignes de plugins (composition propre par mode) et en le renommant à souhait. Plusieurs assistants coexistent avec leurs prompts : une machine peut garder côte à côte un assistant de codage, un compagnon de chat et un persona de jeu de rôle (RP) — une configuration multi-agents choisie par session. Les lignes intactes restent identiques octet pour octet aux livrées, conditions de plateforme incluses.

Améliorateur de prompts pour l'interface web DSH avec modes basic/standard/expert : les modes standard et expert réécrivent les brouillons avec le contexte du projet et l'historique récent de la session, réessaient avec élégance quand les passerelles refusent les réglages reasoning-effort et affichent une revue avant/après avec annulation.

Amélioration des prompts pour le compositeur : le bouton « ✨ Enhance » réécrit le brouillon en une version plus claire et structurée, avec une réflexion par premiers principes fondée sur le contexte de session, la mémoire et la conversation récente ; pose des questions de clarification dans une carte lorsque des informations clés manquent, puis prévisualise le résultat avant de l’appliquer au champ de saisie.

Compétence d’analyse structurelle multi-lentilles : analyse adversariale d’abord sur 16 lentilles en 4 catégories avec 10 outils structurels, calibration de confiance et sortie en couches liée aux faits.

Amélioration de prompt en un clic pour le composeur DSH : appuyez sur le bouton étincelle pour réécrire le brouillon en un prompt prêt pour l'agent, remplacé sur place et annulable, avec un contrôle de fidélité déterministe qui conserve mot pour mot chaque chemin, identifiant, nombre, URL et token entre accents graves, plus un plafond de longueur qui bloque l'inflation.