Plugins

Long-term memory for dsh via a local Hindsight service: each turn is retained with local timestamps and relevant memories (time-aware, reranked) are recalled into context before replies; each workspace binds to one memory bank, several workspaces can share a bank, and banks can have Chinese names; what gets retained is configurable (default: user messages and AI replies); history is imported only when you choose to; includes a three-step setup page with one-click local deployment (uv + Python 3.12), a sidebar status card and a panel to browse and search memories. Needs a SiliconFlow API key for the default embedding and reranker models; only Linux is verified so far.

Counts agent steps and, every N of them, adds a progress-report instruction to the batch that is about to be sent, so the agent states what it is doing, what it finished and what comes next, then carries on without stopping for you. Interval, prompt text and a main-agent-only default are editable in its settings page.

Plugin léger de polices et de thèmes pour DSH : sélecteurs de polices latines, chinoises et de code limités aux familles installées ; 5 palettes officielles (One Dark Pro, Dracula, Nord, GitHub, Catppuccin) appliquées par les jetons officiels, y compris les couleurs syntaxiques des blocs de code. Aucune police intégrée, dépendance ou compilation. Requiert DSH 0.2.0-rc.2 ou ultérieur.

Carte vitrée affichant les quotas et soldes de plusieurs fournisseurs dans le pied de la barre latérale de DSH. Elle prend en charge 11 fournisseurs, dont StepFun, Xiaomi MiMo et Claude, avec connexion au navigateur en un clic, ainsi que le crédit Step Plan. Installation depuis la marketplace dsh-plugin (sujet GitHub « dsh-plugin »).

Ajoute une bibliothèque de modèles 3D dans son propre onglet de conversation, où les agents stockent des modèles créés à partir de scripts CadQuery ou fournis sous forme de maillages tessellés ; la bibliothèque les prévisualise avec three-cad-viewer, les organise en dossiers et les exporte vers 10 formats, dont STEP, BREP, STL et DXF.

Associe l'exécuteur en cours à un modèle réviseur plus puissant via des appels advisor() sans paramètre et des contrôles de patrouille par étape, renvoyant des consignes de plan, de correction ou d'arrêt.

Style de sortie Concis en un clic pour DeepSeek Harness : résultats d'abord, pas de remplissage, même profondeur de travail. Chaque réponse finale s'ouvre par une carte de résumé en langage clair (sélectionnez du texte pour copier), délimitée par session, fonctionnant aussi en headless/CLI, avec commande /concise, surcharges style.md et une API locale. Les liens et chemins de fichiers dans la carte de résumé s'affichent en puces cliquables : les URLs ouvrent directement, les fichiers locaux s'ouvrent avec l'application par défaut de l'OS (v0.9+). Un rappel de contrat pré-génération par étape (v0.11.2+) corrige mesurablement les oublis de résumé sur les réponses en forme de rapport d'audit/tableau.

Suivi de progression des sessions DeepSeek Harness sans parcourir les journaux : l’agent tient une liste imbriquée et pondérée, des phases aux étapes, afin que l’anneau et le pourcentage reflètent l’avancement réel. Le survol indique l’activité ; l’onglet Session Progress affiche objectif, liste pondérée, étapes suivantes et notes. La liste reste un compte rendu à la fin.

Une fois que le llm-retry officiel (n/5) abandonne, continue de réessayer les échecs API transitoires (timeout, transport, limite de débit, 5xx, SSE interrompu) sur la même étape ouverte jusqu'au succès, à l'annulation ou à la pause ; AUTH, QUOTA et le Stop de l'utilisateur ne sont jamais réessayés.

Reprend un tour d'agent qui s'est terminé après avoir narré son action suivante sans appeler d'outil : le garde rejoue le journal du tour sur agent/turn-stopping, pose une seule question vrai/faux à un modèle juge et oriente le même tour vers une étape supplémentaire.

Replie les lignes Think et d'appels d'outils dans une pilule récapitulative flottante avec compteur d'échecs en rouge, pour une vue de discussion plus claire et conviviale pour les rédacteurs.

Groupe distinct de commandes slash dans le composeur de l’interface Web : /steer injecte du texte à la prochaine étape de l’agent sans interrompre le tour, /new démarre une session vierge, /skill et /docs encapsulent /steer avec des tâches de compétences ou de documentation après le tour, et des alias /steer personnalisés sont configurables dans Settings.

Exécute des pipelines AItelier depuis DSH via MCP : 39 outils (22 lecture, 17 écriture) pour générer, exécuter, inspecter, éditer, exporter et importer des pipelines SkillFlow multi-étapes. Les étapes s'exécutent dans AItelier plutôt que dans la session DSH et sont interrogées par run_id, marquent une pause aux points de contrôle imposés par le moteur et répondus avec answer_checkpoint, et laissent des traces par étape et des sorties d'étape à lire ensuite ; add_provider / map_model / edit_role dirigent un rôle individuel vers un endpoint local ou moins cher. Regroupe une compétence aitelier-pipelines.

Interroge la bibliothèque de projets IA curée par AIGC Radar (admission 500 étoiles, balises bilingues zh/en, instantanés de croissance des étoiles) via son point d'accès MCP avec cartes de résultats natives ; un écouteur agent/pré-étape suggère proactivement une vérification de réutilisation avant que l'agent n'écrive du code.

Affichage du solde de compte multi-fournisseurs pour l'interface web DeepSeek Harness. Interroge les API de facturation réelles (DeepSeek, StepFun, Kimi Coding, OpenRouter, MiniMax, xAI) et affiche le solde/quota devant le sélecteur de modèle. Les fournisseurs sans point de terminaison de facturation au niveau de l'API se replient sur un affichage à décalage manuel.

Analyse d'exécution de session : étapes, appels d'outils, échecs, actions répétées, utilisation des tokens et signaux de vérification, restitués sous forme de rapports texte/Markdown/JSON.

Layered long-term memory for DeepSeek Harness: each turn injects a persona frame plus a relevance-ranked memory index while full transcripts stay on disk and are expanded on demand, so the vault never floods the context window. Facts are slot-keyed, so a changed mind retires the old value instead of recalling two contradictory answers. The persona frame is derived from memory by the model itself, behind three anti-pollution gates (rejecting development chatter, blocking echoes of its own injection, and merging restatements by shared content words). Periodic consolidation merges near-duplicates, rolls long topics into digests, and archives low-value old entries by tagging only — raw text is never deleted. The append-only store is compacted in place (measured 4.7 MB to 355 KB). Zero third-party dependencies, no build step. Note: per-turn injection inevitably lowers prompt-cache hit rates, so this plugin is not recommended for work scenarios.

Separate font slots for content, code and terminal text, plus an interface font, an interface-size stepper and an inline-code size stepper, with line-height and letter-spacing controls. Typography only — it never touches colour.

Diagnoses third-party LLM API endpoints from the sidebar: a four-layer check (DNS/TCP/TLS, key and model, a real streaming conversation, then timed repeat runs) reporting time-to-first-token, output speed and success rate, with every failure attributed to the step it stalled at and the byte count that actually left the machine. 37 provider presets, no model names hardcoded.

Fichier d’annonces partagé par plusieurs sessions d’agents sur une machine. C’est un fichier texte simple auquel les agents ajoutent uniquement des entrées. Avant chaque step, une session reçoit les entrées non vues ; une nouvelle session récupère celles encore actives et elles sont renvoyées après compaction du contexte.

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.

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.

Memory-assembly team for DeepSeek Harness: every message triggers a five-step cognition loop (judge, retrieve, assemble, feedback, calibrate) carried by role-playing subagents (judge, retriever, archivist, advocate, editor, scribe), using BM25 retrieval, time-ordered material, and LLM assembly to build useful material packs injected into linghun. Works with dsh-linghun.