Plugins

Génération automatisée de tests unitaires : une commande /testgen et un outil generate_tests qui échafaudent, exécutent et corrigent les tests jusqu'à ce qu'ils passent (générateurs LLM + modèles hors ligne ; vitest/jest/mocha/node:test).

Planification de tâches avec une mémoire musculaire de l'expérience : rappel réflexe conditionné de solutions passées, mise en correspondance des capacités du LLM, et leçons persistées automatiquement.

Passerelle ShiGuang Memory Engine (SGME) : mémoire à long terme partagée multi-agents via HTTP — distillation L0/L1/L1.5/L2, injection par scénario, recherche unifiée et signaux d'attention proactifs (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), installable comme `dsh-sgme`.

Task-driven plugin equip engine: dual retrieval (curated rules + LLM semantic), combo scoring (synergy/conflict/cost/trust), conflict detection and install-command export.

Durable citation-thread learning companion for DeepSeek Harness conversations

LLM auto-approval for sandbox escalation requests, with presets and a fail-closed fallback.

Unified LLM request/response inspector: reasoning-effort tuning, external-think export, traffic & bundle analysis.

Multi-agent math problem-solving & verification framework: brainstorm → solver iteration → multi-verifier debate → Verified knowledge base, with checkpoint resume and manual/auto intervention (also ships as an agent preset).

Per-subagent LLM provider/model selection with role templates.

LLM provider that runs the locally installed Claude Code CLI as the model backend, so requests go through an existing Claude subscription instead of a metered API key; native tool calls are bridged over MCP.

À la fin d'un tour du modèle, un LLM génère 3 suggestions de suivi critiques, affichées sous forme de puces cliquables à envoyer.

Chaînes de repli automatiques entre fournisseurs/modèles pour les agents DeepSeek Harness lorsque les requêtes LLM échouent de façon répétée (nouvelles tentatives épuisées, authentification, quota, limite de débit)

Carte flottante déplaçable affichant le solde/quota de vos fournisseurs récemment utilisés (DeepSeek/Moonshot/Kimi For Coding) : découverte automatique, niveaux à code couleur, actualisation en direct.

Le sélecteur de modèle de DSH : pointez-le vers n'importe quel endpoint compatible OpenAI, avec des préréglages de fournisseurs DeepSeek gratuits/économiques sélectionnés et un repli automatique quand un palier gratuit vous limite en débit.

Passerelle de vision native au fournisseur LLM : les images collées dans le chat sont décrites par un modèle de vision (Qwen3-VL via pi-ai/llama.cpp), et la description textuelle est transmise à DeepSeek texte seul pour la réponse — l'admission, le routage et la compaction des images passent tous par les mécanismes natifs du harness, avec un cache de descriptions LRU et une reprise sur erreur 503.

DSH 插件：把网页大模型接入 Agent 工作流——真实浏览器驱动，支持代码审查、翻译、红队等多种角色。

OpenCode Zen free models provider for dsh

Contract regression harness for plugin authors: a scripted LLM adapter drives the real pipeline in isolated child processes with session-event assertions (load/contract/behavior/fault layers); zero API key, CI-ready.

Enhanced ACP server for DeepSeek Harness: block & reasoning streaming, usage telemetry, model/effort switching, permission presets, session resume/archive, per-session MCP servers, and Zed file/terminal forwarding.

Surveys local code and GitHub/npm for reusable implementations before development, evaluates reuse versus rewrite, and checks architecture coupling.

GPT plans dependency DAGs, DeepSeek workers execute tasks with adaptive parallelism, and an optional GPT reviewer audits incremental Git diffs and drives repair rounds.

Adds persistent execution contracts, recursive work graphs, critical clarification, and evidence gates for long or underspecified Harness tasks.

Vision-augmented DeepSeek adapter: a vision-capable model describes image input, then a text-only DeepSeek model reasons over the description.

Faithful port of the hermes-agent MEMORY.md / USER.md mechanism for DSH: bounded dual-bank memory (2200/1375 chars), a single `memory` tool (add/replace/remove/batch), frozen-snapshot injection per session, nudge reminders, DSH-native JSON storage — zero external dependencies, zero LLM cost.