Plugins

Panneau de sources dans la conversation pour DSH Desktop (DSH 0.2.2-rc.1). Le modèle actuel du chat effectue plusieurs tours de recherche LLM ; les candidats s’affichent sous forme de cartes liées à GitHub. Les retours conserver/exclure, favoris et sources sélectionnées restent dans la même conversation.

Table no-limit Texas Hold’em à 8 places (1 humain, 7 LLM en fondateurs IA). Chaque bot utilise le modèle host choisi ou sa propre heuristique à défaut ; son prompt ne contient que ses hole cards. À la fin, les cartes du gagnant sont révélées. LAN désactivé par défaut, jeu local inchangé : une installation du réseau rejoint avec un code à 6 chiffres, découverte UDP, et prend un siège bot au hasard ; rendu au personnage au départ ou après 20 s de silence. Le code ne circule jamais et chaque snapshot est par siège : personne, même l’hôte, ne voit les cartes d’autrui. Fork MIT BubblePtr/dsh-holdem, crédits README/UI.

Mémoire à long terme du workspace DSH. Au démarrage, lit un index d’une ligne par mémoire et récupère le corps à la demande avec l’outil `memory`, soit environ 3 fois plus d’entrées au même budget caractères. À la fin d’un tour, recherche localement dans le dernier message utilisateur et injecte les mémoires correspondantes au briefing suivant sans coût modèle. Auto-capture facultative synthétise des échanges en mémoires structurées ; en draft, elles attendent l’approbation. Couche portrait dérivée du journal/des archives pour une vue workspace et globale, en mode draft ou direct. Settings → Memory : vues archive/list/timeline, contrôle des doublons/entrées obsolètes/liens cassés, chaîne supersede avec rollback et import en lecture seule de mémoires WorkBuddy/Qoder.

Lance avec DSH le backend autonome `jasonxu114514/opencode2api` (Windows x64/ARM64, sans Docker ni CLI OpenCode) ; à la fermeture, arrête uniquement le processus qu’il a lancé. La carte de réglages installe, met à jour ou restaure le backend depuis les releases GitHub vérifiées par checksum, copie le mot de passe admin initial et synchronise `/v1/models` dans un fournisseur avec context, vision et reasoning efforts ; resynchronisation toutes les 10 minutes.

Fournisseur de modèles Google Antigravity et Cloud Code Assist avec Gemini 3.8 Flash, failover sandbox et gestion de quotas multi-comptes.

Fournisseur Agnes AI pour llm-pi-ai : déclare quatre modèles de chat multimodaux dans le bundle patch et ajoute des outils de génération d’images et de vidéos.

Lit la liste de modèles de chaque endpoint tiers et synchronise `reasoningEfforts` par modèle dans llm-pi-ai, afin que le composer propose uniquement les niveaux thinking réellement disponibles pour chaque modèle.

Utilise les modèles hébergés de Zed AI dans DSH.

Boîte de sélection des modèles avec groupes de routage : un modèle qui échoue à répétition passe le tour au prochain modèle disponible du groupe. Inclut un tableau de métriques et un onglet de canaux gratuits pour installer six plugins de canal : Our Free Model, CodeArts, WorkBuddy, Trae, Qoder et Providers Hub. Seul Our Free Model ne demande ni connexion ni clé API. Les fournisseurs couvrent 23 plateformes : Huawei Cloud CodeArts, Tencent CodeBuddy, WorkBuddy, Youdao LobsterAI, Qoder, TRAE, Cline, iFlytek Loomy, SenseTime Raccoon, MiniMax, Zhipu ZCode, Gemini Code Assist, Alibaba Accio, iFlytek AStudio, OpenCode, OfficeAce, AutoClaw, ModelScope, Qiniu, Codely, MonkeyCode, Baizhi Cloud et MagiCrew.

Enregistre des agents ACP externes (Agent Client Protocol), tels que Codex, Claude Code et Gemini CLI, comme fournisseurs DSH. Mappe `thought_level` au sélecteur reasoning-effort, transmet les images seulement si l’agent annonce `promptCapabilities.image` et route les demandes d’autorisation vers la boîte d’approbation DSH. La page ACP Agents importe le JSON Zed `agent_servers` et détecte les modèles.

Lance une passerelle locale compatible OpenAI pour que DSH utilise le quota modèle d’un compte Tencent CodeBuddy (WorkBuddy) connecté. Fournit un installateur unique avec vérification SHA256, tâche planifiée à l’ouverture de session avec garde anti-doublon, `manage.ps1` (état/démarrage/arrêt/redémarrage/logs/mise à jour/désinstallation) et une skill agent d’installation/dépannage.

La projection de session `apiCost` estime les dépenses DeepSeek en CNY/USD à partir des tokens rapportés et tarifs publiés pointe/creux, selon les portées self/delegation-tree/verified-team. Ajoute pastille composer, panneau de détail, commande `/cost`, outil `session_cost` et routes GET de vue/tarifs. Le commutateur met les requêtes en attente dans le flux llm/stream pendant la pointe, puis les transmet inchangées à l’ouverture du tarif creux : facturation creux, sans erreur remontée à la session.

Connecte en un geste les modèles de langue et génération d’image ModelScope à DSH (désactivé par défaut), avec reconnaissance d’image et context window préremplis. Affiche le solde gratuit Magicube, un lien vers la fiche modèle et des appels/tendances/rate limits locaux ; indicateur près de la saisie avec solde et appels du jour. Une clé API suffit, sans connexion au compte.

Amélioration de prompt dans le composer DeepSeek Harness : le bouton à côté du sélecteur de modèle réécrit le brouillon avec un appel LLM auxiliaire et remplace le texte sur place, en conservant undo. `/prompt-enhance` renvoie le prompt réécrit dans une ligne de résultat sans modifier le brouillon. L’appel peut être fixé à son propre provider/modèle rapide dans le profile patch. La réécriture reste fidèle à l’intention, la langue et l’information, conserve le code, les commandes et chemins à l’identique, et n’invente rien ni n’ajoute de texte de remplissage.

Sélecteur de modèles façon ChatGPT Desktop, curseur de thinking level avec traînée de particules, bascule fast-mode purement visuelle et verrouillage par pression maintenue.

Connecte un bot Feishu/Lark à DeepSeek Harness par une connexion longue WebSocket : les messages entrants passent par une session agent et la réponse est diffusée dans le chat. Des commandes comme `/attach` gèrent la session active ; les outils feishu_* permettent au modèle d’envoyer des messages.

Effectue un routage déterministe des skills pour chaque instruction utilisateur afin de consulter le catalogue avant la réponse du modèle. Sur l’hôte, évalue le catalogue actif à partir des mots-clés de l’instruction et des métadonnées, sans appel LLM ni embedding. Ajoute un seul message marqué par son producteur au step : liste classée par défaut, contenu du SKILL.md gagnant si le seuil est atteint, ou consigne d’appeler exactement une fois un router skill nommé. Le plugin n’intervient pas pour les instructions sans rapport.

Ajoute AMD Radeon Cloud comme fournisseur de modèles dans DeepSeek Harness, avec niveaux reasoning-effort déclarés par modèle. La définition du fournisseur est dans la couche patch du plugin, pas dans votre profil.

Complète les paramètres de modèle manquants depuis models.dev, importe les modèles des fournisseurs configurés et enregistre des substitutions par champ pour les modèles intégrés. Prix en USD ou CNY natif, définis manuellement ou par prix de référence multiplié.

Réécrit les brouillons en un appel modèle ou prédit la prochaine réponse si le champ est vide ; tâches indépendantes, remplacement sûr, aperçu du résultat et récupération du texte d’origine.

Optimiseur de prompt du composer : un bouton de la rangée d’outils réécrit le brouillon via un canal modèle déjà configuré et affiche le flux dans un panneau flottant au-dessus du composer, sans déplacer la mise en page. Le brouillon ne change qu’à Accept, refusé pendant le streaming pour éviter une réponse incomplète. Demande confirmation si le brouillon contient des références @ ou pièces jointes, qu’un remplacement total aplatirait en texte. Aucun raccourci global ; la clé API ne va jamais au navigateur, l’appel vient de l’hôte.

Provider navigateur pour DeepSeek Harness : exécute une tâche web étape par étape dans un vrai navigateur en consultant une table indexée des actions possibles, plutôt que HTML ou captures. Une décision Jev groupée par étape, sans tour complet du modèle ; benchmark repo : médiane 1,1 s contre 2,8–3,6 s par tour de chat. La conversation ne reçoit que la conclusion et son contexte ne grossit pas avec la page. Les cibles viennent de la page lue et toute page modifiée est relue avant action. Utilise le navigateur de Session et laisse votre Chrome quotidien intact, sauf passage en attach mode.

Transfert de messages entre sessions DSH : extrait une réponse du modèle, un message utilisateur ou un lot de messages/images sélectionnés, puis l’envoie dans une autre session. Modes : envoi silencieux, remplissage du brouillon ou envoi avec saut, plus modèles de prompt.

Coût de chaque tour terminé en CNY ; clic : tokens par catégorie, tarif, règle et instant de facturation. Settings : tarifs par modèle, 4 catégories, règles hebdomadaires pointe/creux à multiplicateurs libres et promos sur plages absolues qui les remplacent. v0.2.3 lit solde/quota restant de 14 fournisseurs (DeepSeek, OpenRouter, Zhipu GLM, Moonshot, MiniMax, Kimi Coding, relais OpenAI, etc.) et dépenses jour/mois/session. Registre local à écritures atomiques, un livre par clé API, rétention 1–24 mois, export JSON ; calendrier modifiable même sans solde observé, note facultative. Usage/tarifs calculés localement ; solde lu directement de l’API avec votre clé. Rien n’est envoyé à un tiers.