Plugins

Compteur en temps réel d'utilisation, de coût et de solde pour DeepSeek Harness : solde de l'API officielle, précision des coûts à ±¥0.02, journal des coûts par tour/session/modèle, vitesse des tokens en direct par niveaux de couleur et popup ancré en un clic.

Harnais de mémoire d’agent à trois niveaux : CLAUDE.md L1 toujours actif, index L2, squelette détaillé L3 avec modèles, une passerelle qui bloque les écritures dans les fichiers protégés sans jeton d’approbation à usage unique, journalisation d’événements sans jugement, distillation hebdomadaire et une compétence de boucle d’exécution TDD.

Télémétrie d'exécution sans intervention pour DSH : chaque session écrit automatiquement la tâche, le niveau de modèle, les outils, les échecs, la durée et le statut dans un journal lisible avec une section de statistiques (pur observateur — aucun outil, aucun appel LLM, aucune injection).

Le sélecteur de modèle de DSH : pointez-le vers n'importe quel endpoint compatible OpenAI, avec des préréglages de fournisseurs DeepSeek gratuits/économiques sélectionnés et un repli automatique quand un palier gratuit vous limite en débit.

Mémoire locale à six couches pour dsh : capture les tours, les fait passer par un tampon L2 pour produire des résumés DL3 avec un modèle intermédiaire, injecte un bloc mémoire stable à chaque tour et remplace l’historique du chat par des marqueurs. Inclut cinq outils mémoire et une page de configuration.

Modèles gratuits OpenCode Zen pour DeepSeek Harness, accès anonyme sans clé API, shim OpenAI-compatible en loopback et outils réels de contrôle bash/read.

Enrichit automatiquement les model channels de DeepSeek Harness : plus besoin de régler par model contextWindow, maxTokens, entrée multimodale [text, image] et niveaux reasoning effort {low, high, max} après ajout d’un provider channel. Enrichissement à l’enregistrement, page Settings UI et sauvegardes horodatées.

Préréglage d’agent de voyage pour la Chine continentale, répondant en chinois : consulte les trains 12306, les prix des vols/hôtels Fliggy/Tuniu, les itinéraires Amap, fermetures et météo ; produit un carnet HTML hors ligne avec cartes déplaçables, trois gammes de prix d’hôtel et budget détaillé. Comprend 9 skills, diagnostic des clés API manquantes et correctif du serveur MCP 12306. Planifie et consulte, sans réserver ni payer.

Remplace la liste reasoning-effort par un curseur à crans manipulable. Propose 13 effets canvas répartis en cinq familles (thrust, fluid, fantasy, tech, texture), déverrouillés sur trois niveaux selon l’effort. Le mode Custom combine 10 formes de particules et 8 trajectoires ; 9 accents et un sélecteur hexadécimal recolorent les effets. Sons de touche facultatifs : deux clips vocaux, canard synthétique, clic mécanique et fichier audio local.

Contrôle natif de l'effort de raisonnement pour la zone de saisie : une barre de niveaux bleu à violet avec un champ d'étoiles et un balayage de reflet. Il occupe le siège du modèle et pilote le service officiel des annuaires de modèles, si bien que l'échelle provient de la déclaration de raisonnement propre à chaque modèle et qu'aucun autre plugin n'est nécessaire.

Ensemble de fournisseurs de recherche SearXNG et de récupération multicouche Scrapling pour ctx.web de DeepSeek Harness, avec protection SSRF et conversion Markdown.

Nettoyage du lecteur système Windows (C:) pour DSH : analyse par règles, cinq niveaux de sécurité, zone de préparation avec journal de restauration, élévation UAC et migration vers un autre lecteur, via un outil de modèle et un panneau GUI Web.

Kit de production d’images/vidéos pour DeepSeek Harness. Image : suppression d’arrière-plan par niveaux, retouche locale inpainting, composition de titres/logos, exports par lots aux formats des plateformes, rapports QA. Vidéo : détourage IA du sujet et remplacement de fond (RVM ONNX ou chroma key), titres animés (fondu, glissement, machine à écrire, karaoké), 53 transitions stylisées, effets lumineux et étalonnage avec LUT, inventaire, découpe précise, sous-titres incrustés, mixage audio et exports selon les spécifications des plateformes. Un bootstrap script fourni installe son runtime Python local.

Routage unifié des modèles pour DeepSeek Harness : un ModelID logique sur plusieurs fournisseurs avec failover au premier token et cooldown, classement des candidats selon leur santé, trois niveaux (tier1/tier2/tier3) sélectionnés automatiquement selon l'usage, effort de raisonnement par candidat et panneau de gestion sur la page des paramètres.

Gestionnaire de niveaux d'effort de raisonnement pour modèles API personnalisés plus mémoire de préférences inter-sessions : toggles inline low/medium/high/max dans Paramètres → Modèles, avec écritures atomiques des paramètres.

A consent-gated personal profile store: people are indexed by name, entries by person and key, and no profile record is read before the current session is authorised. Sensitive entries come back masked unless the user authorises that tier separately; credential-like values are refused at write time. Ages and next birthdays are computed at read time, so asOf restores the answer for a past date, and facts that rot (height, weight, address) carry freshness warnings. Five profile_* tools plus a settings page to browse, edit, delete and revoke grants.

Long-term memory for dsh with defense-in-depth hardening. Two tiers (project `.dsh-memory/` and user `$DSH_HOME/memory/`), each a plain hand-editable JSON file with bounded entries and tags. Writes are atomic (unique temp file + rename, previous revision kept in a bounded history/) and serialized across processes by a per-tier lock with stale reclaim; a disk-revision check refuses lost updates instead of silently overwriting another writer. Memory text is wrapped in explicit untrusted-data boundaries (forged wrappers stripped on write) to blunt prompt injection from remembered content, load-time validation rejects out-of-bounds stores, and symlink escapes out of the tier directory are refused with MEMORY_STORE_ESCAPE. No content-heuristic filtering and no confirmation step, so headless auto-consolidation stays intact. Install: dsh plugin --profile web add github:RocoFish/deepseek-memory.

Amélioration des prompts en 4 niveaux pour l'interface Web dsh : base / standard / professional / system. Le niveau system émet toujours un prompt Markdown structuré selon LangGPT ; l'atelier iterate réécrit une base modifiable selon une exigence facultative.

Compression du contexte façon kifu pour les longues sessions DSH : chaque étape replie les nouveaux tours dans un DAG (nœud = position, arête = correction tentée). Avec un fixture de 2000 arêtes au niveau L5, seule une liste active d’environ 415 tokens est injectée, avec mémoire des échecs et détection des positions répétées.

Exécute des workflows ComfyUI cloud RunningHub dans un pool de tâches en arrière-plan : soumet un lot, un observateur le distribue selon la limite de concurrence, interroge chaque tâche et télécharge tous les résultats sur disque. La session est réveillée lorsque le pool est vide. Un registre partagé conserve lots, coûts, niveaux d’instance, heures de soumission/fin et chemins de sauvegarde par fichier ; tableau en direct dans la barre latérale droite.

Panneau flottant de sélection Bilibili pour DSH : apprend vos intérêts selon un calendrier probabiliste et les atténue par demi-vie ; choisit des vidéos dans un budget de tokens dérivé d’un plafond de dépense quotidien et ne vous avertit que si le score de correspondance dépasse un seuil. Commentaires désactivés par défaut. Une fois activés, mode brouillon avec confirmation ou mode automatique avec auto-vérification, sous quota quotidien. Interdiction absolue de commenter politique, gouvernement et sciences de pointe ; les identifiants de compte sont masqués du texte avant publication. Connexion avec vos cookies Bilibili ; un compte de publication distinct est conseillé.

Connecte une passerelle Magpie auto-hébergée avec une route fournisseur par propriétaire amont. Le sélecteur de modèles standard affiche Magpie (Claude), Magpie (Codex) et d’autres groupes ; inclut le basculement automatique entre plusieurs lignes, des cartes d’utilisation en lecture seule, le reasoning effort par défaut par modèle, un changement rapide par session pour les modèles prioritaires et Cloudflare Access en option.

Mixture-of-Agents natif à la génération : à chaque tour, des modèles de référence traitent en parallèle le même contexte de session en brouillons préalables ; un agrégateur exécute avec tous les outils. Comprend recettes de configuration comme modèle, vues F mirror/R trimmed, contrôle obligatoire des sous-agents via indexation de session à deux formes, vision dérivée par recette (les références visuelles transmettent la lecture d’images à l’agrégateur texte seul), cadence par paliers avec listes distinctes steering/patrol et réutilisation figée entre beats, filtre des sorties de référence dégénérées et identité de modèle anonymisée dans les avis d’échec.

Ajoute au compositeur DSH une barre de réflexion à trois niveaux (normal, strict, max). Le mode loop, exclusif, propose 3, 5 ou 8 tours d’auto-révision ; une option de contre-révision peut s’ajouter à l’un ou l’autre. Le modèle lit le niveau via clarify_tier et forge_level.