Plugins

Réécrit la copie chinoise d'un plugin installé sur le marché en anglais via un modèle déjà configuré dans le harness : automatiquement à l'installation du plugin, puis rechargé à chaud. Chaque fichier est traduit en une passe complète, validé par un analyseur réel lorsqu'il existe (node --check pour JavaScript, analyseurs JSON et YAML sinon), puis renvoyé au modèle avec l'erreur jusqu'à trois tentatives de réparation ; les fichiers de plus de 48 Ko, ou qui ne s'analysent jamais, basculent vers une passe par plages de lignes comparant chaque ligne renvoyée à l'originale pour la structure. Les phrases de déclenchement et les tables de locale peuvent être préservées au lieu d'être traduites, et l'original intact est conservé à côté du fichier en .zh.bak.

Compétence de vérification d'affirmations qui confronte documents de conception et plans aux faits du code, en escaladant les affirmations comportementales vers une vérification exécutable par primitives logiques pour machines à états et modèles de données, avec régression avant/après, contraintes de domaine et exploration des risques de concurrence.

Un fournisseur de fetch local protégé pour la jointure ctx.web — le dsh backend n'est pas livré pour son propre outil web_fetch. Chaque saut de redirection est ré-résolu et vérifié par rapport aux plages non routables, avec une limite de taille en streaming et une liste blanche de types de contenu.

Ajoute des skins animés sélectionnables à la ligne de statut « Plongée en profondeur... », avec taille configurable et remplacement optionnel du texte de statut.

Optimisation réseau pour l’interface web DSH : réduit la taille des transferts grâce au cache et à la compression pour accélérer fortement le chargement des pages, avec en plus un indicateur de coupure de connexion et une reconnexion automatique. Idéal pour les utilisateurs recherchant des performances maximales ou utilisant des réseaux instables.

Proxy global pour DeepSeek Harness : route les outils d'agent, les requêtes de modèle et les récupérations Web via le proxy du système Windows ou une adresse personnalisée avec une bascule persistante unique, une carte de paramètres éditable, et un statut de proxy visible par l'agent.

Tableau de bord des coûts pour DeepSeek Harness : agrège les tokens d'entrée/sortie/cache du modèle à travers toutes les sessions locales, les prix avec une table intégrée (incluant DeepSeek peak/off-peak), et affiche les tendances quotidiennes plus des tables par modèle et par session.

Plugin de mémoire wiki LLM ultra-simplifié : un document d'index (auto-chargé) + un fichier markdown par sujet (lu seulement si nécessaire) — pas de tout déverser dans le contexte et brûler des tokens. Simple et léger, installation/désinstallation indolore, et librement éditable comme vous le souhaitez.

Carte flottante 3D en verre liquide, déplaçable, pour l'interface web DSH : solde de l'API DeepSeek, statistiques cumulées de dépenses/tokens (aujourd'hui/hier/7 j/30 j/total), contrôles ajustables de verre/3D/couleur et recharge en un clic.

Mur multi-fenêtres pour le Web UI DSH : exécuter et surveiller N conversations côte à côte sur un écran, avec auto-découverte, contrôles par fenêtre, et passerelle LAN authentifiée pour accès téléphone/tablette.

Une feuille de style qui recompose la conversation DSH selon les métriques mesurées Codex : corps 14/22 px, titres, listes et blocs plus resserrés, barre de citation arrondie, et Tidy Tables avec en-tête thématique, filets de lignes/colonnes, tableaux courts en pleine largeur et défilement contenu pour tableaux larges ; sans réglages ni réécriture du DOM, avec de vraies captures avant/après.

Passerelle MCP paresseuse pour DeepSeek Harness : un seul outil proxy stable au lieu de N schémas d'outils, les serveurs se connectent à la première utilisation puis passent en veille, métadonnées mises en cache sur disque.

Plugin d'optimisation pour DSH Desktop. Contraintes injectées seulement si utiles (zéro token au repos), en couches : texte stable dans le prompt, volatil en fin ; cache du prompt préservé. Chaque tour est classé (question/recherche/discussion/diagnostic/exécution) : pas d'édition en question ni de correctif non demandé en diagnostic ; citations de code non ouvert, négations sur des symboles non vus, exigences hors livrable : signalées ; tout code, champ ou id est expliqué en clair dès sa première apparition. Mémoire : alertes à 75 %/90 %, connaissances de projet par répertoire de travail, supprimables par id. Artefacts : contrat de tâche, journal des modifications. Tableau de bord : routage et blocs dans lume-metrics.jsonl via lume_metrics ; personas distillés de journaux ou fiches.

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.

Un plugin de lecture PDF sensible au contenu pour modèles de vision : profile chaque page pour les figures (vectorielles et matricielles), les tableaux, le risque de formules et la mise en page double colonne, puis applique une extraction hybride sensible au contenu, rendant les pages avec figures/tableaux/formules sous forme de recadrages de région haute DPI. Fournit un aperçu basse résolution pour comprendre la mise en page et restitue une région spécifiée en haute résolution. Conditionné comme outils multiples pour agents.

Mémoire markdown à long terme entre sessions, avec une structure LLM-Wiki et un persona SOUL.md, injectée au début de la session, plus des flux remember/recall/consolidate/forget, un skill de mémoire intégré, des outils de migration pack/unpack et une relance de rappel à la première personne pendant les temps d'inactivité. Ajoute aussi l'observabilité et l'entretien qui manquaient : budget de bloc de démarrage par fichier, horodatage automatique de last_access pour que la décroissance de saillance fonctionne, tableau de bord de santé en lecture seule, compilateur d'index déclaratif, graphe de mémoire interactif, requêtes structurées, suggestions de liens croisés et rapport checkup terminé par une liste d'actions priorisées. La charge de démarrage a été réduite d'environ 23 %.

Compréhension d'images et OCR entièrement locaux via le Vision Framework de macOS : `ocr_image` (texte, mise en page de tableau + coordonnées) et `view_image` (scène, visages, QR) — collez plusieurs images dans la zone de saisie web ou passez un chemin/URL/base64 ; les images ne quittent jamais votre Mac.

Solde du compte DeepSeek et estimation des dépenses de la session en cours dans une puce de la barre supérieure et une carte de paramètres, avec actualisation automatique tenant compte des pauses, un tableau de prix officiel modifiable, un outil de modèle `deepseek_balance` et une interface bilingue.

Plugin « Taverne portable » pour DeepSeek Harness : générateur de fiches de personnage façon SillyTavern V2/V3 (style RPG) + chat de jeu de rôle taverne. Prend en charge les livres du monde, l'import/export de fiches de personnage en JSON/PNG, les thèmes de panneau et la musique locale. Plugin indépendant, ne dépendant que du SDK officiel @deepseek-ai.

Un HUD en coin pour DeepSeek Harness qui affiche d'un coup d'œil la pression en tokens de votre session, le coût par modèle et l'utilisation quotidienne/mensuelle, avec un budget modifiable et un solde qui suit vos dépenses pour vous.

Route chaque tâche vers un modèle et sa révision vers un autre, avec preuves de qualification, bascule et un journal durable.

Pipeline de développement piloté par les spécifications pour Odoo : 15 outils mènent une demande depuis une spécification immuable jusqu'au code du module ou à la configuration en direct, en passant par l'architecture, puis exigent un verdict persisté et adossé à des preuves issues d'une véritable instance Odoo, avec des jalons à sûreté intégrée, des lots approuvés par un humain dans un environnement déclaré, l'importateur CSV/Excel propre à Odoo et un journal qui annule les données écrites via le plugin.

Plugin de base de connaissances : construisez des paquets de base de connaissances auditables (références + SQL).

Créez, gérez et partagez des skins portables pour DeepSeek Harness.