Plugins

Optimiseur de prompt structuré par agent pour DeepSeek Harness : réécrit les brouillons du composeur en role/task/context/constraint/format avec les modes normal, slim et expand, une modale de confirmation avec score, continue-optimize, et des moteurs local, hybride, DSH ou API cloud.

Orchestrateur multi-modèles : le cerveau principal décompose les tâches complexes et répartit les sous-tâches vers des sous-agents GLM / Kimi / Qwen selon les forces de chaque modèle, avec l'usage de jetons par modèle.

Ajoute 20 paramètres régionaux (chinois traditionnel HK/TW, japonais, coréen, français, allemand, espagnol, portugais, italien, russe, ukrainien, polonais, néerlandais, turc, arabe, hindi, indonésien, vietnamien, thaï, suédois) à la Web UI de DeepSeek Harness, avec des traductions soigneusement peaufinées, des replis à l'exécution et la traduction automatique des textes du marché et tiers.

RAG à double graphe de connaissances pour notes Markdown avec décroissance de mémoire half-life : graphes de prérequis et de similarité (parcours P/S-Agent), découpage en paragraphes, recherche hybride n-gram/embedding, et boucle explicite de rétroaction pondérale — plugin natif Cordis, installable via npm comme @eqman00003/knowlp-rag.

Deux gates. Guard bloque : verbes de remplissage+noms abstraits, adjectifs creux, banalités, introductions modèles, boilerplate git commit/PR/review et commentaires qui racontent le code. Couvre chat/commentaires/e-mail/commit/PR/revue/issues/docs/commentaires code ; renvoie OK ou une ligne de correction. Catch memes consulte avant réflexion la wiki locale de 6792 entrées (sans deviner ni chercher l’argot) et injecte « how to answer this ». Match exact title/slug/alias, sans fuzzy ; chat normal non déclenché. node:sqlite local, 0 dépendance. Settings : guard, strict, bascules prompt/wiki, recherche auto par tour, ton réservé/measured/follow the room/unrestrained, AI-completion distinct (désactivé par défaut, modèle session), test collage, 3 seuils. Les gates n’appellent pas le modèle.

Cœur de cerveau humain simulé pour le chat : espace de travail global, évaluation émotionnelle, mémoire à deux systèmes avec consolidation nocturne et interface sensorielle expérimentale. Le pont QQ nécessite un client snowluma local et est désactivé par défaut.

Panneau de carte mémoire neuronale 3D pour le magasin meow-memory dans DeepSeek Harness. Entrée de barre latérale et intégration au bureau, avec classification et récupération dans huit régions. Nécessite le plugin meow-memory (lecture de .dsh-meow/memory.db) et Node 22.5+ (node:sqlite).

Skills Superpowers pour DeepSeek Harness (dsh) : méthodologie d’ingénierie complète fournie par le fournisseur de skills du système de fichiers de dsh, avec bootstrap toujours actif.

Mémoire long terme local-first pour DeepSeek Harness : paquets texte, rappel à la demande, citation d’événements raw, plusieurs cerveaux et frontières de workspace.

Alertes de catastrophe en temps réel pour DeepSeek Harness : séismes au Japon (P2PQuake) et EEW de la JMA, télégrammes de tsunami et de météo, séismes mondiaux (EMSC/USGS) et tsunamis de la NOAA, séismes en Chine continentale (CENC via Wolfx) plus alertes de pluies torrentielles et de risques géologiques de nmc.cn, et alertes d'inondation, de précipitations et de surcote des NWS américaines et d'ECCC canadiennes — mises en correspondance avec vos régions surveillées et vos seuils.

Édition anglaise de la Loi de Weiwen (loi KISS) : le premier et unique intergiciel d'arbitrage causal en boîte blanche, agnostique du domaine, pour les agents IA. Contrairement aux outils d'inférence causale propres à un domaine (statistiques/économie/ML) ou aux pare-feu d'agents à base de preuves, il arbitre *chaque* appel d'outil le long d'une chaîne causale structurelle déterministe (R->S->D->H->M) avant l'exécution — dans n'importe quel domaine, sans entraînement ni réglage par domaine. Il bloque les opérations destructrices et les fichiers d'identifiants, escalade les violations de limites répétées, coupe les maillons défaillants jusqu'à correction vérifiée, et rend des verdicts de risque sur les exécutions non auditables ; fonctionne entièrement en local, sans coût d'API.

Brouillon de mémoire par session façon Codex pour DeepSeek Harness : une session, un brouillon (rollout_summaries), sobre et passif (écriture uniquement sur demande explicite de l'utilisateur), divulgation par couches (résumé + registre), filigrane d'intégration idempotent. / Plugin de mémoire à un brouillon par session.

Crochet de mémoire L-clone : à la fin de chaque tour (turn/end), DSH capture automatiquement vers le cerveau externe ; le bouton « Tableau de bord du cerveau » de la barre latérale de l'interface web ouvre l'atelier de mémoire en un clic.

Une logique de compression de contexte inspirée du cerveau humain qui réduit fortement l'occupation du contexte et la consommation de tokens des tâches longues.

Page de chat CLI style Matrix pour l'interface web DSH : la réflexion de l'agent défile à l'écran comme une pluie de code verte tandis que les réponses s'affichent normalement dans le terminal.

Ouvrez l'espace de travail actuel dans votre éditeur local (VS Code, Cursor, JetBrains, Vim, ...) depuis l'en-tête de session.

Animal de compagnie baleine cyber pour DeepSeek Harness : une baleine flottante, nourrissable et personnalisable en couleur au-dessus de shell.overlay qui signale l'utilisation des tokens, le quota, les interactions et le nombre de sessions — un seul bundle dsh-plugin portant le cerveau de chat de l'hôte et la surface du navigateur.

Expose les capacités d'agent de DeepSeek Harness comme un serveur MCP, pour qu'un client MCP externe (par ex. Hermes) puisse piloter Harness pour exécuter des tâches de code. Hermes = cerveau, Harness = bras.

Immersive weather theme for DeepSeek Harness: physical rain with splashes and ripples, snow in two crystal habits, a hearth, lightning with distance-coded thunder, a night mode, and a compact control panel.

A second brain for DeepSeek Harness where Markdown is the database and git is the sync, with zero runtime dependencies. Core memory is injected into every system prompt, one file per note with weighted search; cards produced in the sidebar web chat land in an inbox first and are approved one by one as cloud notes or local-only notes (private/ is permanently gitignored and never pushed); web-chat progress is saved to progress.md with the last 20 drafts archived. A four-step flow lives behind one header icon: open web chat, extract cards, review them, back up to the cloud. The extraction prompt is editable in the panel and applies immediately.

Context handoff sentinel for DeepSeek Harness: three behavioral recall tests (constraints / changed files / next step) run after every compaction or on /guard check, cross-checked against the session log, returning a green/yellow/red verdict plus an optional handoff document.

Lingshu (灵枢) est un système de mémoire persistante, persona et évolution inspiré du cerveau pour agents de programmation IA. Bibliothèque standard Python uniquement, sans dépendance, local-first ; Python 3.9+ requis. Mémoire hippocampe/cortex à couches, courbes d’oubli, consolidation des rêves, rappel associatif flou, système émotionnel, protection contre la dérive de persona, base de connaissances, skills rédigés par l’agent et panneau web local. Fourni comme skill intégré à DSH. Le plugin cordis d’injection au démarrage, installable séparément, n’injecte automatiquement les sessions que si (Lingshu est sous ~/.dsh/skills/lingshu ou brainPy est configuré) et si Python 3 est disponible. La vérification facultative des mises à jour contacte GitHub/Gitee.

Connexion WHOOP en quatre étapes (créez votre propre application développeur WHOOP et collez Client ID/Secret). Synchronisation automatique lors des visites du tableau de bord et graphiques récupération, effort, sommeil et entraînements dans DeepSeek Harness.

Ouvre dans l’IDE les références de fichiers de la sortie de chat DeepSeek Harness (famille VS Code ou JetBrains, Visual Studio Code par défaut), à la ligne citée, dans la fenêtre du projet et au premier plan. Mise à jour depuis GitHub.