Plugins

Préréglage d'agent de flux de travail d'ingénierie pour dsh : cinq phases à portes (clarification des exigences, approbation du plan, TDD, sous-agents parallèles, finition vérifiée) avec six compétences de flux de travail adaptées d'obra/superpowers.

12 compétences d'ingénierie testées (git commit, code review, test-first, plugin dev, debugging, changelog, PR review, task breakdown, et plus) : chaque SKILL.md passe un validateur de format aligné sur les règles officielles de compétence plus un test smoke d'isolation de chargement.

Suggestions de messages suivantes sensibles au contexte dans le compositeur DSH, avec cycle de déclenchement répété et revue explicite de l'utilisateur avant l'envoi.

Six compétences d’ingénierie pour Claude Code et DSH : recherche, exploration d’architecture, orchestration de l’implémentation, revue de diff sur trois axes, audit de complexité et tests de mutation. Elles délèguent via les outils génériques de sous-agents de l’hôte lorsqu’ils existent.

Affiche quel index graft sert une session dsh et s'il correspond toujours au code, et expose au modèle graft_ask, graft_grep, graft_callers, graft_skeleton et graft_map comme outils natifs.

Mémoire à long terme gouvernée pour DeepSeek Harness : registre de preuves en ajout uniquement avec protections d’écriture, affirmations à 7 niveaux d’autorité, chaînes de remplacement et injection avant chaque étape, budgétée avec des quotas par domaine.

CLI self de Superself en tant qu'outils face au modèle (contexte de projet, unités de travail, rapports, décisions) plus une commande /self — état de projet inter-sessions et inter-projets conservé hors du dépôt de code.

Preset d'agent Learning Mode : un agent de codage qui enseigne en codant — explications concrètes ancrées dans des scénarios, guidance socratique et blancs de pratique TODO(你), calqué sur le style de sortie Learning de Claude Code ; installable via dsh plugin add (dsh-learning-mode sur npm).

Config-only DeepSeek Harness bundle that mounts the in-box MCP client bridge against morluto/rea over stdio, for reverse engineering anything with agents, from app behavior down to native binaries.

Full upstream REA 6.4.0 integration over the official DSH MCP bridge: all 170 tools, the version-matched reverse-engineering skill, and the six original MCP prompts with argument completions reachable from the composer / menu, all sharing one REA process and complete structured Evidence. External analysis engines are bring-your-own.

Engineering intelligence for coding agents — persistent, evidence-aware, project-isolated engineering memory with unified hybrid search (memory + RAG documentation) for DeepSeek Harness.

Optimiseur de prompt structuré par agent pour DeepSeek Harness : réécrit les brouillons du composeur en role/task/context/constraint/format avec les modes normal, slim et expand, une modale de confirmation avec score, continue-optimize, et des moteurs local, hybride, DSH ou API cloud.

Des revues d'advisor qui convergent au fil des tours, un mode ingénierie dont les écritures exigent un jeton de conception, l'escalade d'une tâche vers un modèle plus fort et une consultation parallèle multi-modèles ; une page de réglages édite les routes de modèle, les délais et les budgets.

Enregistre la skill fight-scene-director pour concevoir des scènes de combat en vidéo IA, portée depuis la skill Codex du même nom. Émet des prompts chinois structurés pour Seedance 2.0/2.5 et MiniMax H3, ainsi que des prompts d'image de carte de trajectoire et de position initiale.

Optimiseur de prompt dans la barre de saisie : réécrit les brouillons avec 6 stratégies × 3 langues plus des instructions personnalisées, avec objectif/todo/résumé de compactation/résultat d'outil et contexte de chat optionnels, une boîte de dialogue de confirmation, un historique des 5 derniers et une persistance des réglages à trois niveaux.

Apprend ce que vous laissez non-dit dans vos prompts à partir de tours brouillés et de vos propres corrections, et injecte les directives apprises dans le prompt système de chaque nouvelle conversation ; les directives sont éditables dans Paramètres et un bouton du compositeur réécrit le brouillon actuel avec elles.

Ajoute des contrats d'exécution persistants, des graphes de travail récursifs, des clarifications critiques et des portes de vérification par preuves pour les tâches Harness longues ou insuffisamment spécifiées.

Prompt optimization, next-sentence prediction, inline completion, and per-session draft stashing for the DSH input box.

Multilingual writing, chunked long-form collaboration and continuity review, with on-demand DSH delegation discovery. Requires Python 3.9+ on PATH.

Settings page for the REA reverse-engineering tool gateway (rea-mcp-lite) that lives in the same repository: tick which tool bundles load into context, see the tool count and token cost of each bundle, hot-swap them without restarting DSH, and check this repository and REA for updates, including classifying the tools a new REA release added. Requires REA (rea-agents) and the gateway registered as the rea MCP server (see repo README).

Context governance for DSH: folds oversized tool results, collapses the tool surface and keeps the prompt cache warm, so long sessions stop getting more expensive.

Locks the model's reasoning, replies and tool-call descriptions to a chosen target language (Simplified Chinese by default) with system-prompt sections at the head, middle and tail of the prompt, offering three strength levels, an auto mode that follows the DSH interface language, a settings panel that shows the language currently in effect, and a sidebar quick switch.

Rewrites drafts with one model call or predicts the next reply when empty; independent tasks, safe draft replacement, result previews, and original-text recovery.

Sélection de concasseurs coniques hydrauliques MACKORN NH/NS et lignes de concassage-criblage : 21 outils couvrent besoins client, modèle/chambre/CSS, configuration de ligne, simulation granulométrique Whiten 1972, calibration sur mesures, estimation énergétique, usure des revêtements, évaluation de distributeurs et proposition en 14 chapitres. Plugin DeepSeek Harness et serveur MCP en stdio ou HTTP distant, sans dépendance.