Plugins

Commande /init pilotée par modèle : l'agent analyse le dépôt actuel et génère/met à jour un AGENTS.md à fort signal, avec un rappel persistant dans le prompt système pour le maintenir.

Saisie vocale de reconnaissance vocale pour l'interface Web : un bouton micro dans le compositeur transcrit la parole en brouillon via l'API Web Speech du navigateur (sans configuration) ou une API Whisper compatible OpenAI (OpenAI / Groq), avec modèle et langue sélectionnables dans Paramètres.

Outil de vision appelable par l’agent qui décrit les images locales via n’importe quel endpoint de vision compatible OpenAI que vous configurez, avec une vérification croisée multi-modèle optionnelle et sans clé intégrée.

Annonce le collage d'image sur les routes DeepSeek en texte seul, décrit les pièces jointes avec un sidecar de vision et laisse les modèles de vision natifs intacts.

Combine les API texte, vision et génération d'images en un seul modèle Mix avec routage automatique : les requêtes textuelles vont au modèle de chat, les images utilisateur et captures d'écran de l'agent vont au modèle de vision, les suivis continuent d'utiliser la même image de session, et les agents peuvent générer ou modifier des images avec un historique d'appels limité à la session.

Outil de génération de médias MuApi : un outil muapi_generate qui soumet et interroge des travaux sur n'importe lequel des plus de 100 modèles d'image, vidéo, audio et 3D de MuApi via une seule x-api-key.

Gère plusieurs serveurs Jenkins et déclenche des jobs depuis une page Paramètres, des outils de modèle ou une entrée « Run Jenkins Job » par espace de travail, avec une interface hôte + navigateur bilingue.

Pont client MCP sans dépendance qui connecte les serveurs MCP stdio et HTTP et enregistre leurs outils en tant que mcp_<server>_<tool> pour l'agent.

Paramètres par défaut d’auto-compaction améliorés pour les préréglages d’agent DeepSeek Harness : appliquez en une seule commande des seuils et budgets de rétention ajustés, ainsi que des politiques par modèle, de manière idempotente avec sauvegardes et retour arrière.

Raccourcis clavier de session pour l'interface web de DSH : changez de session comme des onglets de navigateur (Alt+1-9 positionnel, emplacements épinglés, précédent/suivant, nouvelle/archiver/renommer), changement de modèle au clavier via Alt+M, envoi alternatif, passation du focus avec Échap, et Alt+W pour fermer ou restaurer un espace de travail dsh-split-screen — le tout rebindable avec des préréglages Windows/macOS. Vérifié sur DSH 0.1.1 et 0.1.5.

Un essaim matriciel de sous-agents qui route des tâches hétérogènes vers le modèle le plus adapté depuis une passerelle de type OpenRouter et cfgpu.com/llm/square, exécute chaque tâche via des sous-agents en processus ou des appels LLM directs, et suit la consommation de tokens par modèle avec un classement piloté par le feedback.

Adaptateur réseau faible : nouvelles tentatives transparentes du flux de modèle avec backoff long (plafond 10 min), cache local de rejeu des réponses, reconnexion automatique par heartbeat, et économie de tokens en mode dégradé, avec une page de paramètres bilingue (zh/en).

Écrit les listes de modèles des fournisseurs en direct dans les paramètres DSH et affiche les fenêtres de forfait 5h/7d ou le solde mesuré pour le modèle de la session en cours.

Connectez une passerelle sub2api à DeepSeek Harness : routes multi-fournisseurs compatibles OpenAI (OpenAI / Claude / Grok / Gemini) derrière une seule URL de base, avec découverte des modèles par clé, consultation de l'usage et outils globaux de vision/image.

Ajoute les niveaux de raisonnement de models.dev aux modèles DeepSeek Harness tiers non configurés.

Comptabilité locale persistante du token usage pour DSH Web avec découverte automatique de l'historique et détails compacts du fournisseur/modèle.

Tableau de bord d'utilisation des paramètres : tokens, requêtes, tokens de sortie et taux de succès du cache à partir des journaux de session, avec un graphique empilé et un tableau de répartition par fournisseur, modèle ou espace de travail.

**Pièces jointes de même style que DeepSeek Chat (chat.deepseek.com)** : bouton de téléchargement en trombone, cartes de fichiers style DS de 240×64 avec icônes de documents couleur officielles (PDF/DOCX/XLSX/PPT/IMG extraites du bundle frontend DS), glisser-déposer, extraction de texte (PDF/DOCX/XLSX/TXT) injectée dans le message, et cartes de pièces jointes réelles rendues dans la transcription (rendu utilisateur personnalisé) avec le modèle lisant le contenu complet.

Installe une case à cocher d'entrée d'image dans le catalogue Models afin qu'un modèle personnalisé puisse déclarer une entrée d'image et recevoir directement des images ; inclut un relais de vision BYO optionnel.

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).

À la fin d'un tour du modèle, un LLM génère 3 suggestions de suivi critiques, affichées sous forme de puces cliquables à envoyer.

Ajoute des niveaux d'effort de réflexion (bas, moyen, élevé, etc.) aux API tierces de DeepSeek Harness, avec sélection du modèle pour chaque appel de sous-agent.

Portage de TaskPlane pour DSH : exécute des vagues ordonnées par dépendances dans des voies git-worktree parallèles, avec paquets de tâches, revue entre modèles et récupération après incident.