Plugins

Royaume de gouvernance d'agents pour DeepSeek Harness : territoires, liaisons de rôles (bind/unbind/session avec identité de modèle/agent), et une boucle de tâches planifier→assigner→exécuter→réviser où les déclarations du Worker ne se complètent jamais automatiquement (Claim ≠ Fact), avec une console d'exploitation GUI locale.

Le bundle DeepSeek Harness enregistre une compétence transformant la production longue (articles académiques, analyses sectorielles, commentaires d'affaires) en pipeline à 9 rôles : scouts T1 littérature / T2 données / T3 cas en parallèle, T4 analyste, T5 rédacteur, T6 compagnon critique, T7 auditeur, T8 finaliseur, T9 évaluateur par les pairs exécutés par le coordinateur. Sur 6 phases, vérification triangulaire, M-gate de 23 contrôles, audit G0-G14 incluant gate de traçabilité IA, notation peer-review avec correspondance de revues, et 4 points de contrôle humains. Installation avec `dsh plugin add lunheng-article-pipeline` (package.json#dsh.bundle.patch plus lib/index.js) ; fournit fiches de rôles T1-T9, modèles et 11 scripts de vérification sans dépendance, avec READMEs en cinq langues.

Polices Anthropic Sans, Serif et Mono pour DSH Web UI, avec Source Han en repli pour CJK.

Ajoute un préréglage de permission `auto` entre workspace-write et danger-full-access : un classificateur accorde une fois les escalades de sandbox routinières, tandis que les demandes dangereuses ou incertaines sont toujours transmises à un humain.

Donne la vision aux modèles textuels uniquement : transmet les images de l'utilisateur à un modèle de vision compatible OpenAI et affiche les descriptions dans un panneau droit de l'interface web.

Gérez les plugins DeepSeek Harness (DSH) en un clic depuis la Web UI : consultation, activation/désactivation en temps réel, installation/désinstallation, gestion d'environnement, marché de plugins. Couvre aussi bien les plugins bundle que non-bundle.

Boutique d'applications de plugins pour la Web UI DSH : navigation dans le catalogue, recherche, installation en un clic, badges de compatibilité, liste des plugins installés.

Cerveau DeepSeek + transcription automatique d'images : attachez des images dans la GUI et chacune est transcrite par le modèle officiel deepseek-v4-flash-vision-exp par défaut (un cerveau V4-Pro en texte pur peut voir les images), avec n'importe quelle VLM compatible OpenAI ou Ollama local comme alternatives.

Skin façon Claude avec un fond noir chaud, un accent argile, et une UI en police serif, qui suit les thèmes clair et sombre natifs.

Atelier visuel pour générer et recadrer des images de référence et modéliser en 3D avec Tripo par composant. Demande une approbation pour chaque opération payante et propose des aperçus locaux des ressources.

Regroupe tous les comptes WorkBuddy connectés sur cette machine dans un provider à bascule automatique et sert OpenAI Chat, OpenAI Responses et Anthropic Messages depuis le même pool. Alias de modèles, statistiques d’usage et automatisation planifiée des crédits.

Fuzzing dirigé par un agent LLM. À partir d’un dépôt et d’un bug (description CVE, correctif, trace de crash ou file:line), il boucle sur PLAN, IMPLEMENT, EXECUTE, REFLECT ; le modèle écrit des générateurs d’entrées Python jusqu’au déclenchement de l’oracle de motif stderr ou à l’arrêt de la campagne.

Plugin d’analyse statique LLVM qui produit le bitcode complet de projets C/C++ et lance l’analyse d’accessibilité de kernel-analyzer (KAMain). Fournit les outils kanalyzer_* à l’agent et le service ctx.kanalyzer aux autres plugins.

Permet à DeepSeek Harness de voir et contrôler tout programme Windows. Le modèle observe l’écran réel et pilote souris, clavier et fenêtres. Plusieurs étapes s’exécutent en un aller-retour ; la fenêtre est activée avant la saisie pour cliquer au bon endroit. Peut réaliser des tâches de bureau comme le dessin CAD, la simulation de circuits et l’envoi de messages.

Gère le System Prompt par défaut de DeepSeek Harness : consultez, recherchez et remplacez dans les paramètres Web GUI le prompt final de chaque tour.

Plugin d’analyse statique LLVM pour DeepSeek Harness : génère du bitcode analysable et lance l’analyse d’accessibilité de kernel-analyzer (KAMain) via ctx.kanalyzer.

Protection contre les boucles pour dsh : surveille llm/stream, détecte et relance les appels de raisonnement seul ou de contenu répété, avec deux coupe-circuits en cours de flux.

RAG de base de connaissances bibliographiques locale : 10 outils (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), recherche hybride BM25+vecteurs+reranker, questions-réponses avec citations et liens DOI cliquables, embeddings bge entièrement locaux sur un index SQLite en un seul fichier. Nécessite Python 3.9+ avec pymupdf, faiss-cpu et sentence-transformers ; l'installateur `npx dsh-kb-rag-install` les met en place et pré-télécharge le modèle.

Dessine chaque branche d'une conversation sous forme d'arbre cliquable à côté du chat, avec favoris, icônes et couleurs personnalisés, fusion et division de branches, mise en page tenant compte du retour en arrière, et des branches Claude Code qui conservent leur mémoire.

Boucle de battement de cœur pour DeepSeek Harness : toutes les 20 minutes (par défaut), l'agent se réveille de lui-même pour tenir à jour un profil local de vos intérêts et préférences, chercher sur le web ce qui vous importe et conserver ce qu'il trouve. Lorsqu'il a quelque chose qui vaut la peine d'être partagé, il envoie un court paquet de notes aux sessions auxquelles vous l'avez lié. Un ensemble de règles dans le code — heures calmes, périodes occupées, une limite quotidienne, un délai de refroidissement — détermine s'il peut parler, et l'agent dans cette session décide s'il dit réellement quelque chose. Windows uniquement.

Un panneau Settings centralise MCP, skills, mémoire, sous-agents, prompts et sessions. Des combinaisons de scénarios changent tout l’environnement ; l’Agent peut aussi piloter le plugin.

Améliore l’expérience modèle : plusieurs moyens de renseigner les paramètres, compatibilité accrue, mémorisation de l’effort de raisonnement, sous-agents suivant en temps réel le modèle et l’effort du parent, et ajustement de l’effort par l’IA.

Explorateur de fichiers de projet dans la colonne de détails (sélection multiple, déplacement par glisser-déposer, envoi, téléchargement, renommage, corbeille, ouverture système) avec un onglet d'aperçu en lecture seule dans la session pour Markdown/HTML/JSON/CSV/notebook/PDF + coloration syntaxique, un badge de débit du modèle en direct et une GoalBar multiligne.