Plugins

Normify · plugin DSH : écrit l'architecture du projet sous forme d'arborescence de modules fractals normalisée, validation à trois niveaux (à l'écriture / validation / reçu figé), 30 outils normify_* + compétence normify-gen, génère en un clic un diagramme d'architecture interactif dans un seul fichier ; prend en charge le développement accompagné (change_open → brief → check → mise en œuvre → refresh → change_close).

Pack de compétences complet de sagesse traditionnelle chinoise (XuanShu) sous forme de plugin Cordis pour DeepSeek Harness : calcul du bazi, ziwei-doushu, liuyao, meihua, qimen, daliuren, taiyi, wuyun-liuqi, constitution et feng shui, avec un moteur déterministe local et un tableau de bord de visualisation.

Boîte à outils de R&D quantitative pour DeepSeek Harness — 59 outils répartis sur six domaines couvrant les données de marché, les indicateurs, l’évaluation de facteurs, la validation ML walk-forward, le risque (VaR/CVaR/drawdown/Beta avec Kupiec POF), les options, les obligations, les FICC et la simulation de fonds, avec un pipeline de recherche bout en bout PDAT→PET.

Prise en charge de la zone de saisie Web de DSH (v0.3.0-beta.4 · pack de capacités pour tâches complexes : 3D / normales / interaction / données / concurrence / détails de performance vérifiés point par point + validation automatisable + bilingue chinois-anglais · pour dsh-0.1.6-alpha.1) : avant l'envoi, une IA indépendante (messagère) optimise le prompt en une commande directement adressable à l'IA de travail (quatre intensités, longueur du flux selon la difficulté, isolation par session, mini-fenêtre minimaliste).

Coffre Obsidian local comme base de connaissances de l'agent, avec des outils DSH en lecture seule qui orientent statut, préférence, correction, mémoire, projet, recherche et suggestion vers la page correspondante.

lowtide : pipeline de tâches batch hors pointe avec adjudication humaine pour dsh (conscient des tarifs pointe/creux)

Exécuteur de lots en heures creuses pour DeepSeek Harness : les utilisateurs définissent leurs tâches en heures chargées (prompt, stratégie, priorité, espace de travail, fichiers verrouillés) et les libèrent manuellement ; le plugin exécute ensuite le lot automatiquement dans les fenêtres creuses définies. Chaque exécution passe cinq vérifications préalables (espace de travail, git HEAD, sha256, fenêtre, budget quotidien), prend en charge quatre stratégies (unique / itérative / échantillonnage / revue) et trois niveaux d'autonomie (L1 par tâche, L2 lot, L3 entièrement automatique), et boucle avec un rapport matinal des diffs, dépenses et économies issus d'un registre aligné sur la tarification officielle.

SkillRoute par JEStats : routage des compétences pour les agents DeepSeek Harness.

Une équipe d’agents persistante pour une collaboration de longue durée dans DeepSeek Harness : identités d’agents durables, Workspaces par projet, Channels porteurs de responsabilité et Task Threads chaînant des agents de session.

Passerelle Feishu/Lark pour DeepSeek Harness : liaison PersonalAgent par scan, cartes en streaming, espaces de travail de projet git-worktree, tâches parallèles par portée, agents multi-rôles, notifications inter-sessions, gestion du modèle/de la clé dans le chat, et un gardien filet de sécurité qui continue de répondre dans Feishu même après un plantage de dsh.

Atelier de recherche A-share local-first pour DeepSeek Harness : tableaux de bord de marché, listes de surveillance, valorisation, quatre agents investisseur, rapports versionnés, et chat post-rapport continu.

Coffre Obsidian local comme base de connaissances de l'agent, avec des outils DSH en lecture seule qui acheminent statut, préférence, correction, mémoire, projet, recherche et suggestion vers la page correspondante.

Computer Use multiplateforme pour DeepSeek Harness : opération de type humain via souris virtuelle (screen_observe + computer_click + type + key + scroll + drag, 11 outils), mode arbre AX sans coût de vision avec repli visuel gratuit GLM-4V-Flash, garde-fous de sécurité (TTL des instantanés/liste blanche d'applications/approbation des actions dangereuses/protection des champs de mot de passe).

Bundle DeepSeek Harness (dsh) intégrant le routeur de skills de SkillRoute dans vos agents.

Bundle DeepSeek Harness (dsh) qui connecte le routeur de skills de SkillRoute à vos agents.

Flux de travail de recrutement par IA pour les RH et les chasseurs de têtes : clarification des exigences du poste, sourcing et présélection initiale via deux canaux (Boss Zhipin et Liepin), cartographie du marché des talents, évaluation des CV, planification des entretiens, registre des candidats et rapports quotidiens. Peut s'installer comme plugin Claude Code ou plugin DeepSeek Harness (dsh) — ce dernier fournit un panneau « Navigateur de recrutement » prêt à l'emploi. Fonctionne aussi avec tout assistant de codage IA capable de lire AGENTS.md.

Accès web pour les agents DSH : récupération de pages rendues en JS ou protégées sous forme de markdown propre, recherche agrégée sur 14 moteurs et sessions interactives avec état (clic, saisie, défilement, eval, capture d'écran) sur un moteur de navigateur Rust hébergé ou auto-hébergé. Chaque session renvoie une URL de vue en direct permettant à un humain de regarder l'agent naviguer et de reprendre la main avec la souris.

Pipeline QA sous forme de 10 skills d'agent : analyse des exigences, stratégie de test, rédaction et revue de cas, automatisation E2E (Playwright) et API, exploratoire, périmètre de régression et analyse de bugs, soutenu par une base de connaissances partagée avec règles de format, modèle de risque et validateurs de schéma.

Liste dans la barre latérale DSH les documents Markdown, images et vidéos du workspace de la session, par pertinence pour la conversation : les messages récents sont comparés localement au titre, résumé et corps du document avec pondération IDF, sans appel à un modèle ni réseau. Scannée depuis le workspace et non mémorisée, redémarrer DSH ou ouvrir une session ne la vide pas. Images et vidéos s'affichent en aperçu sur place, chemins relatifs résolus et vidéo via HTTP Range. Une barre de références sous l'en-tête indique quels documents citent celui qui est prévisualisé et lesquels il cite, avec un clic pour passer entre eux. Le même classement est exposé à l'agent comme outil knit_docs, qui renvoie les documents les plus pertinents et le passage correspondant de chacun, s'il existe.

L'OS marketing des agents IA : penser d'abord comme un marketeur, les tactiques viennent en sortie.

Recherche et récupération web unifiées multi-fournisseurs : pools de clés BYOK, surveillance de santé et repli déterministe.

Mémoire de projet uniquement locale, sans dépendance d'exécution intégrée ni service externe : JSON comme source de vérité plus un PROJECT_MEMORY.md généré, Hot Memory bornée en tokens et figée par session pour la stabilité du cache de préfixes de prompt, rappel BM25 inter-projets mis en cache, provenance fiable de session/tour, gouvernance explicable des doublons/conflits avant écriture, cycle de vie éditable importance/épingle/étiquettes/remplacement/archivage, distillation configurable en fin de tour de haut niveau, et une GUI web bilingue pour la recherche, l'inspection, le diagnostic et les réglages en direct.

OpenCues pour DeepSeek Harness — alternatives de mots générées par un LLM et remplissages déclenchés par « _ » dans le composer de dsh.

Installe quatre presets de recherche mathématique multi-agents pour DSH : v2 (pipeline guidé par les probabilités avec débat multi-vérificateurs), v3 (base de connaissances Markdown façon article avec un agent planificateur et une bibliothèque de méthodes réutilisable), v4 (résidents persistants auto-organisés qui s'écrivent et se réunissent) et v5 (un institut de recherche avec un académicien qui décompose et attribue le travail, des chercheurs votants, des intérimaires, un chat de groupe et un tableau de tâches compare-and-set) ; les quatre gèrent la reprise sur point de contrôle, l'intervention humaine et un interrupteur optionnel de vérification formelle Lean (off/encourage/require) dont la preuve validée transforme le vote en contrôle de fidélité des énoncés Lean.