Plugins

Accès aux bases depuis DeepSeek Harness via le serveur MCP DBHub : configurez des connexions MySQL, MariaDB, PostgreSQL, SQLite et SQL Server par workspace/environnement; l’agent configure, liste, interroge et recherche les objets SQLite avec quatre outils fixes. Mots de passe et chaînes complètes sont saisis uniquement dans Settings UI, jamais en arguments d’outil; le modèle ne voit que des métadonnées comme mysql://host:3306/db. Chaque environnement peut être en lecture seule (le modèle peut l’activer, pas l’enlever) ou accessible par tunnel SSH manuel. Chaque appel lance un processus dbhub éphémère et installe dbhub s’il manque.

Boîte à outils de recherche et planification pour le site de tutoriels de modding Minecraft BeiShan Besson : 7 outils pour chercher parmi 194 tutoriels indexés, planifier un parcours, comparer les versions et récupérer le texte des articles.

Fait fonctionner web_fetch avec Clash/mihomo en TUN et fake-ip : autorise les plages 198.18.0.0/15, fdfe:dcba:9876::/64 et 2001:2::/48 à passer le contrôle d’adresse publique, tout en continuant de bloquer loopback, privé et link-local. Sans variable proxy ni modification de Clash.

Préréglage d’agent de voyage pour la Chine continentale, répondant en chinois : consulte les trains 12306, les prix des vols/hôtels Fliggy/Tuniu, les itinéraires Amap, fermetures et météo ; produit un carnet HTML hors ligne avec cartes déplaçables, trois gammes de prix d’hôtel et budget détaillé. Comprend 9 skills, diagnostic des clés API manquantes et correctif du serveur MCP 12306. Planifie et consulte, sans réserver ni payer.

Noyau : envelope, signature, handshake, idempotence et stockage sur disque.

Exécute une instruction sur toutes les machines Windows/macOS en ligne, entre réseaux et régions. Un relais sans dépendance communique uniquement par connexions sortantes (Tailscale, VPS public derrière TLS ou tunnel). Chaque machine exécute la commande dans son propre checkout et renvoie commit, empreinte du working tree et hash de commande ; un écart d’environnement est déclaré invérifiable, pas traité comme un résultat différent. L’envoi exige un operator token distinct du device token par machine.

Utilise WSL comme environnement d'exécution des sessions DeepSeek Harness : shell, fichiers et commandes restent dans le sous-système. Le sélecteur de dossiers et le terminal graphique utilisent aussi ses chemins ; bubblewrap dans WSL isole les commandes.

Inspecteur Skills en lecture seule pour DeepSeek Harness. Sépare chargements réels (preuves observées uniquement) des Skills détectables et de la déclaration d’exécution. États declared/observed/unavailable : sans preuve, « non observé », jamais « non exécuté/déclenché » ; aucun résultat attribué au Skill. Valide/évalue séparément ; compare des cas répétables sans note. Teste should-trigger/should-not-trigger en vraie nouvelle session et distingue appel modèle/demande explicite (/name n’est pas un déclencheur naturel). skill_review read-only rend un paquet structuré et signale les omissions. Calcul local depuis définitions/reçus. Chinois : modèle hôte sur demande seulement, fences/chemins/frontmatter conservés localement. Cloner ne modifie pas la source et n’exécute pas de scripts.

Plugin DSH de sélection automatique du niveau de raisonnement : le modèle Jev System One juge la quantité de réflexion que mérite chaque message, déduit le palier à partir des niveaux déclarés par le modèle, une enveloppe de contexte permet aux relances comme « continue » d'hériter de la profondeur du sujet, les égalités se tranchent vers le haut et tout échec réutilise silencieusement le niveau d'origine. | Effort de raisonnement piloté par Jev pour chaque message : échelles par modèle déduites de ce que chaque modèle annonce, enveloppe de contexte à taille fixe pour que les relances héritent de la profondeur du sujet, égalités tranchées vers le haut, repli silencieux sur tout chemin d'échec.

Environnements d'exécution par projet pour DeepSeek Harness : adopte ou crée automatiquement un venv Python local au projet (.venv_local/python) et câble les chaînes d'outils et variables d'environnement des runtimes utilisés par chaque projet (python venv / node / go) — python et pip se résolvent toujours vers le projet, jamais silencieusement vers le Python système.

Automatisation du bureau Windows pour DeepSeek Harness : boucle observe/act privilégiant l'accessibilité avec 30 outils standard (cibles élément/coordonnée, routage de stratégie auto/a11y/event), sémantique de sécurité d'observations remplacées et sans relecture, commutateur d'arrêt persistant, protection contre l'obsolescence RuntimeId/rect-drift, cartes de discussion et panneau flottant (opérations en direct, mur de cadres, paramètres d'auto-détection de l'environnement), description de vision en mosaïque pour les modèles basse résolution, piste d'audit JSONL et liste d'autorisation de pid. Nécessite Windows 10+ et Python 3.9+ avec uiautomation et pillow (installables depuis la page des paramètres).

Gestionnaire d'environnement uv natif DSH : créez, synchronisez et exécutez des virtualenvs Python depuis l'onglet Paramètres, avec repli pip, visibilité conda en lecture seule et aperçu de synchronisation de projet en dry-run.

Ajoute un outil net_doctor qui rapporte l'environnement du proxy, NODE_USE_ENV_PROXY et l'accessibilité de l'API DeepSeek et du registre npm, et définit NODE_USE_ENV_PROXY sur les processus enfants bash et npm.

Quatrième preset de permissions pour dsh : sessions sans restriction et compatibles GPU (danger-full-access) avec approbation utilisateur par opération pour les écritures hors espace de travail ou vers des chemins protégés (.git/**, .env*) ; implémenté uniquement comme un bundle au-dessus du hook ask officiel tools/pre-execute, sans modification du cœur.

Découverte de plugins dsh et recettes d'environnement pilotées par les besoins : plugin_guide associe des besoins en langage naturel à un annuaire curé de plugins avec raisons et commandes d'installation ; recipe installe des setups complets (通知全家桶, 安全审计套装...) depuis des bundles communautaires fournis avec des plans ordonnés.

The judgment layer for DeepSeek Harness plugins: attribute why a plugin silently disappeared, judge a candidate against your exact environment, and keep a capability ledger. Offline, read-only, evidence-first.

Registers one tool, report_health, that answers whether a scheduled report job actually ran. It judges by side effects rather than exit codes: how old the newest report folder is, how many documents it holds, whether more than one report category is present, whether the audit ledger was synced recently, and how long ago the last log was written. Exits nothing, calls no model, and reads only local paths you can override by config or environment variable.

Self-narrative memory in five budgeted segments (800 chars, not a full context): a first-person note the model writes to itself, a profile of you aggregated from approved facts, environment facts kept separate from who you are, heat-ranked conclusions, and habits. Every injected fact is traceable to a fact id and can be retired; the profile can be edited by hand, and self-notes stay plain lines you can clear. Facts fade by use and time without ever changing their credibility. Preference-like lines you say are auto-detected as candidates (never auto-approved), with conflicts kept side by side. Recall over past conversations with citations, an incremental index that only decodes newly appended frames, a pointer-required warm layer, a doctor that says which part is broken, a heartbeat proving injection is alive, and export/import so the whole thing moves to another machine.

Utilisez des hôtes SSH et des distributions WSL comme espaces de travail DSH distants, avec configuration de l'environnement, transfert des paramètres de modèle et interface distante intégrée localement.

Pipeline pour manuels numérisés : OCR environ 5 fois plus rapide qu'ONNXRuntime (Python 3.10+ avec pymupdf, rapidocr, openvino et numpy requis), puis rapport de structure et plan de lecture par chapitre avant l'ouverture du PDF.

Faits de développement local pour Harness : sondes d’environnement et de santé d’exécution, git status/diff/log/commit, instantanés à l’écriture avec restauration version par version et contrôles de projet Node, Python et Go.

Enregistre Brave comme fournisseur web_search. Récupère l’API key depuis le DSH credential store, $DSH_HOME/.credentials.yaml ou l’environnement. Aucune carte de réglages ni moteur de repli : une requête Brave Web Search API par recherche.

Enregistre un fournisseur QwenWork (千问办公) qui réutilise la connexion locale du client de bureau. Lance un pont compatible OpenAI limité au loopback 127.0.0.1 et traduit les requêtes de modèles DSH en protocole de conversation à enveloppe de contrôle de style ACP, réellement utilisé en amont.

Panneau 护航 dans l’en-tête de session pour activer/désactiver le watchdog local dsh-guard et voir si l’analyse est active, si le garde fonctionne et la date du dernier scan. Le watchdog Python est déployé séparément via DSH_GUARD_ROOT. Chemin Windows par défaut D:\AI\Projects\dsh-guard ; définir la variable pour un autre dossier.