Plugins

Mise à jour de DSH + synchronisation de la documentation officielle dans Settings : mise à jour npm en un clic de @deepseek-ai/dsh avec progression en direct (flux de sortie npm, minuterie écoulée, barre monotone), protection multi-copies qui ne touche que l’instance en cours d’exécution, mode arbre source via git pull, installation PowerShell 7 en un clic sous Windows, synchronisation incrémentale de docs/ avec progression, et les outils modèle dsh_docs_search / dsh_docs_read.

Client Breeze TTS pour DeepSeek Harness : se connecte à votre serveur et model Breeze TTS, à déployer séparément, pour lire les réponses et gérer le clonage vocal (les besoins matériels concernent le serveur). Mode inter-machines facultatif. Fusionne @dsh-external/dsh-plugin-local-ai-tts (abbccdd/dsh-localtts) et dsh-breeze-voices, reprend du code de 1624318455/dsh-plugin-tts et ne doit pas être installé avec les deux plugins upstream fusionnés.

Ajoute le preset d’agent « Task Planning » : recueille les exigences en plusieurs tours versionnés, puis rédige des plans étape par étape et des prompts sans les implémenter.

Ajoute un arbre de catégories à l’explorateur des espaces de travail dans la barre latérale DSH. Espaces et sessions se rangent dans des catégories personnelles; leur état replié est mémorisé et les lignes se déplacent par glisser-déposer. Le sélecteur de dossier crée un espace directement dans une catégorie; celles-ci se renomment ou se suppriment sur place. Chaque ligne permet d’archiver ou de restaurer une session, avec la confirmation habituelle pour arrêter un travail actif. Filtres hide / show / only-archived, info-bulles de l’app et bouton inférieur pour revenir à la liste intégrée.

Permet aux agents de piloter directement des instances DSH locales indépendantes, sans plugin ni composant sur la cible. Des environnements isolés servent à configurer et tester ; des agents aux modèles et personnalités variés peuvent discuter, jouer des rôles ou former des chaînes de contrôle imbriquées. Comprend configuration conversationnelle, opérations comme un utilisateur, lecture incrémentale, références enregistrées et recherche distante de sessions/espaces.

Transforme un vault Obsidian local en un panneau de chat RAG dédié : navigateur de notes, chat avec récupération et sources citées côte à côte ; recherche locale des notes par BM25 et bigrammes CJK. Les réponses transitent en streaming par le canal de modèles DSH, les citations [n] sont cliquables et l’indexation incrémentale utilise mtime.

Recherche d'appels d'offres et intelligence sur les soumissions dans DeepSeek Harness, avec recherche de projets proposés, filtrage par règles, revue humaine et exports Excel/PDF via le MCP Qichacha autorisé par l'utilisateur.

Injecte dans le modèle au début de la conversation des exigences durables « à faire » et « à ne pas faire » définies par l'utilisateur.

Mémoire Mnemosyne pour DeepSeek Harness : outils remember / recall / forget / stats / sleep, compétence intégrée, configuration automatique, auto-synchronisation/préchargement facultatif, et un panneau Paramètres. Les données résident sous ~/.dsh/mnemosyne.

Enregistre un pack de compétences SpecWorkflow pour la clarification des exigences, les spécifications d'implémentation, l'exécution, la revue de livraison, la planification des corrections, le diagnostic de bugs et la recherche étayée par des sources.

Demandez à DSH de l’installer en une phrase : il lit l’historique local Codex CLI/Desktop dans ~/.codex/sessions pour l’utiliser dans DeepSeek Harness. Un panneau sous le composer liste les sessions avec filtres keyword/date et import en un clic. codex_history permet à l’agent de lister, lire, rechercher et résumer les conversations passées. La session au working directory correspondant est injectée au démarrage d’un nouvel agent; les nouveaux messages Codex arrivent en mises à jour incrémentales. Un dossier partagé peut synchroniser sessions Codex et DSH entre machines. Lecture seule : aucune écriture vers Codex.

Plugin DeepSeek Harness permettant de commander en langage naturel des bras collaboratifs Universal Robots (UR). Par défaut, il utilise une simulation cinématique hors ligne ; le canal du vrai robot reste désactivé tant qu’il n’est pas activé explicitement. Requiert Python avec numpy et paramiko (pip install -r requirements.txt). Développé par Suzhou Nonead Robot Technology Co., Ltd. selon la logique de son propre nUR MCP Server.

Saisie à une main, sans clavier, pour la zone de rédaction : maintenez le bouton de la souris enfoncé sur la zone de saisie, parlez, relâchez — le texte atterrit dans le brouillon, et glisser vers le haut annule sans laisser une phrase à moitié écrite. Pas de bouton micro à viser ni de raccourci à mémoriser ; la main n'a jamais à quitter la zone de saisie, ce qui est tout l'intérêt quand l'autre main est occupée. La reconnaissance fonctionne entièrement hors ligne (SenseVoice via sherpa-onnx, aucune clé API, l'audio ne quitte jamais la machine).

Boîte à outils de conversion d'unités couvrant 20 catégories — longueur, masse, température, surface, volume (dont unités de cuisine américaines), vitesse, temps, tailles de données (MB décimal vs MiB binaire), débits de transfert (Mbps vs MB/s), accélération dont force g, éclairement (lux / foot-candle), pression, énergie, angle, fréquence, puissance dont trois définitions du cheval-vapeur, force, couple, typographie (px/pt/em/rem) et consommation de carburant (mpg ↔ L/100km). Deux outils — convert_unit et list_units — zéro dépendance à l'exécution, arithmétique pure ; chaque résultat inclut la formule appliquée.

Mémoire inter-sessions pour DeepSeek Harness avec gouvernance, auto-évolution et écriture soumise à approbation. Rappel classé par chaleur, conventions d'environnement, cycle de vie de l'oubli, chaînes de remplacement, défense contre l'empoisonnement, auto-distillation et mesure ouverte.

Interface terminal pour DeepSeek Harness sur les hôtes intermédiaires et les liaisons à forte latence : ANSI simple, rafraîchissement incrémental, et une session qui survit à une coupure de connexion SSH (reprenez-la depuis le journal).

GPT planifie les DAG de dépendances, les workers DeepSeek exécutent les tâches avec un parallélisme adaptatif, et un relecteur GPT optionnel audite les diff Git incrémentaux et pilote les cycles de correction.

Studio de contenu pour compte officiel WeChat : écriture rotative anti-homogénéisation, playbook de remédiation en cas de faible créativité, base visuelle pour les images de bénédiction, pipeline gpt-image avec validation OCR, et API Web de brouillon xiaolvshu mesurée en pratique.

Backend de mémoire vecteur + graphe : outils observe/remember/search/recall vers un serveur memoria local, fusionnant le rappel sémantique HNSW, la recherche par mots-clés FTS5 et les signaux de graphe de connaissances via un classement RRF, avec persistance automatique en fin de tour et isolation par espace de noms par agent.

Permet à l’IA de se souvenir de ce que vous avez dit d’une session à l’autre et de savoir quels faits sont toujours d’actualité.

Terminal SSH, gestionnaire de fichiers SFTP et redirection de ports (-L/-R/-D) dans la barre droite DSH; chaînes de jump hosts et mots de passe mémorisés stockés dans le coffre d’identifiants du système.

Chat du direct Bilibili pour DSH : lit le chat, n’envoie de messages qu’après confirmation explicite et reste dans la salle en arrière-plan. Le modèle peut décider s’il répond ; la transcription audio du flux est facultative. Pas de compréhension vidéo. Nécessite un environnement virtuel Python 3 avec requirements fournis et cookies Bilibili ; la transcription requiert aussi ffmpeg et un moteur Whisper.

Personnages liés au model et monde partagé pour DeepSeek Harness : persona/mémoire modifiables, journaux AI et consolidation du sommeil facultatifs, commandes chinois/anglais, mascottes desktop adaptées aux tâches, thèmes et statistiques; les mises à jour préservent les réglages. Windows/Linux/macOS; prérequis par système dans le guide. Journaux/consolidation consomment des tokens. Fermer mascottes/bulles visibles avant installation/mise à jour est conseillé (des fichiers ouverts peuvent faire échouer l’installation). Requêtes de compte Codex/OpenAI API validées par des utilisateurs; autres sources en attente de validation/feedback.